기본 콘텐츠로 건너뛰기

구글 버즈와 트위터에 대한 단상

저는 구글 버즈와 트위터 양쪽의 서비스를 모두 사용하고 있습니다.

물론 주력으로 쓰고 있는 서비스는 아직까지는 트위터입니다.

어떤 사람들은 구글 버즈가 트위터나 페이스북같은 SNS 열풍에 떠밀려 구글이 어쩔 수 없이 내놓은 서비스라고 하지만 구글은 이미 SNS 서비스로 orkut 가 있습니다.

어떤 사람들은 Google Wave 서비스로 사람들을 유입시키기 위한 중간자적인 서비스라고도 말을 합니다.

솔직히 버즈는 호불호가 갈리는 아주 애매모호한 서비스인건 사실인것 같습니다.

그런제 몇일 간 버즈와 트위터를 사용해 본 결과 버즈는 SNS 서비스와는 조금 다른 성격의 서비스라고 느끼게 되었습니다.

트위터는 철저히 개인 위주의 서비스입니다. 그리고 증발성이 강한 서비스입니다.

트위터에 올라오는 많은 트윗들은 실제로 정보를 담고있는 트윗들도 많지만 대체적으로 개인의 입장에서 가공된 정보입니다.

내가 보기에 좋은 정보, 내가 느끼기에 좋은 정보, 내가 생각하기에 좋은 정보, 나의 생각이지만 다른 사람에게 유익하것 같은 정보부터 나 자신에 대한 정보까지 모든 트윗의 이면에는 '나'가 있습니다.

그리고 올라온 정보들은 순식간에 증발해 버립니다. 사람들의 관심을 받아서 ReTweet 되지 못한다면 그 정보는 순간 증발되어 버립니다. RT를 받는다고 해도 일정 시간이 지나면 증발되어 버립니다.

그래서 트위터의 매쉬업 서비스중에는 이러한 트윗들을 모아서 백업해 주는 서비스가 은근히 많습니다.

반면에 버즈는 토론 즉, '우리'라는 성격이 더 강한 서비스라고 생각됩니다.

하나의 주제가 올라오면 관계되어 있는 많은 사람들이 댓글로 자신의 생각을 쉽게 덧붙일수가 있습니다.

그리고 그렇게 모인 정보는 원한다면 지메일과 연동되어 보존이 되고 검색이 됩니다. 필요하다면 지메일의 문서를 구글 문서도구로 보내어 편집을 하고 블로그에 포스팅을 할 수도 있습니다.

어떻게 보면 예전에 포털 게시판에서 유행하던 댓글 놀이와 비슷해 보이기도 하지만 제가 생각하기에 구글 버즈는 마이크로 블로그 서비스에 훨씬 가까운 서비스 같습니다.

구글의 모든 서비스의 핵심에는 검색과 광고라는 두가지 키워드가 있습니다. 기존의 구글은 로봇 크롤러를 통해 정보를 수집했다면 구글 버즈 서비스를 통해 사람들이 크롤러가 되어서 구글이 미처 수집하지 못했던 정보들을 수집하고 재가공한 후 그러한 정보를 검색과 광고에 활용하기 위한 포석에서 구글 버즈 서비스를 시작한 것이 아닐까라는 생각이 듭니다.

분명 두 서비스는 일견 비슷해 보이지만 전혀 다른 서비스라는 것이 제 생각입니다. 제가 생각하기에 구글 버즈는 SNS 서비스라고 부르기는 좀 힘들어 보입니다.

각 서비스의 성격을 잘 이해하고 잘 사용한다면 좀 더 많은 사람들과 소통할 수 있을 것이라고 생각됩니다.

여러분의 생각은 어떠신가요?

댓글

이 블로그의 인기 게시물

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

내 인생 첫 차량 구매 후기 - 쉐보레 스파크

다사다난한 2011이 끝나고.. 2012년이 밝았군요.. 머.. 저는 언제나처럼 설날을 기준으로 하기 때문에 별다르게 주변 분들에게 새해 인사를 하거나 그러지는 않았습니다만.. TV고 어디고 간에 새해가 밝았다 하니 그런가 합니다.. 저는 어제 저녁 아내님이 2도 화상을 입으시는 바람에 송구영신 예배나 새해 맞이 예배는 가지도 못했고.. 그냥 한해의 액땜을 제대로 했구나 하고 있습니다. 오늘은 출장 가기 전에 체력 비축하고 있습니다... 아.. 그냥 방에서 뒹굴거리고 있습니다.. 간만에 좀 뒹굴거리는것 같네요.. 어쨌든 새해 첫날 먼가 참신한 글을 써보고 싶었지만.. 소재가 그렇게 뉴턴의 사과처럼 머리로 떨어져주는건 아니니.. 지난 해 진행했던 카드 소팅 결과는 참여하신 분들이나 기다려주시는 분들에게는 죄송하지만 조금만 더 기다려주시면 고맙겠습니다. 그래서 오늘의 소재는 써야지.. 써야지.. 하면서 차일 피일 미루던 제 인생 첫 차량 구매 후기를 올려보겠습니다. 제가 운전을 잘 하거나 차량에 대해 잘 알고 있는 것이 아니기 때문에 그냥 참고만 하시면 되겠습니다. 우선 제가 차량을 구매하게 된 동기는 .. 그렇습니다.. 애들 때문입니다. 자녀가 둘이 되니.. 엄마, 아빠의 팔뚝 힘으로는 더 이상 외출이 힘들어졌습니다. 그래서 차를 구매해야겠다고 무리를 하게 되었습니다만.. 역시 언제나 부족한 것은 총알이죠.. 그래서 당연히 경차로 알아보게 되었습니다. 하지만 아시다시피 우리 나라에 경차는 딱 두가지입니다.(지금은 레이라고 새로 나와서 세가지가 되었지만.. 제가 차를 구매할때는 두 종류였습니다.) 선택이라고 할것도 없죠.. 현대 차는 고객을 개새끼로 아는 현대의 투철한 정신에 절대 사고 싶지 않았고.. 쉐보레는 옛날 대우 생각을 하면 이것도 역시 사고 싶지 않았지만.. 여기 저기 얘기를 들어보니 쉐보레로 변하면서 차 좋아졌다.. 쉐비케어가 진리다.. 라는 얘기에.. 그냥 스파크 구매로 결정했습니다...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...