기본 콘텐츠로 건너뛰기

Murian의 SNS 이용 현황 총정리

저는 참 여러 종류의 SNS 서비스를 사용하고 있습니다. 지난해부터 본격적으로 이용하기 시작한 Twitter 부터 시작해서 Facebook, Buzz, Blog, Friendfeed, Me2day 등 수많은 서비스를 이용하고 있습니다.

이렇게 수많은 서비스를 사용하다 보면 시간은 정해져 있고, 각 서비스에 투자할 수 있는 시간은 점점 더 줄어들게 되고 그렇다 보면 특정 서비스에 집중하게 되면서 다른 서비스를 소홀해 질 수 밖에 없습니다.

때문에 가장 많이 사용하는 서비스가 특정 서비스에 올린 글들을 다른 서비스로 전송해 주는 서비스를 이용하게 됩니다.

하지만 이러한 서비스의 단점이 나와 관계를 맺고 있는 사람이 나와 중복되는 서비스를 사용할 경우 같은 내용을 중복적으로 접하게 된다는 점과 각 서비스만의 특정 용어로 인해 괴리감이 생긴다는 점이다.

단적인 예로 Twitter 의 트윗을 Me2day 로 전송해주는 twi2me 서비스를 이용하는 경우 미투데이에서는 친구로 잘 추가해 주지 않는다거나 Buzz에 트위터를 연동하는 것을 싫어하는 경우를 볼 수 있다.

그래서 한 서비스의 글들을 여러 다른 서비스로 연동하는 것은 많은 부분을 고민해봐야 하는 일이지만 실제적으로는 그런 큰 고민없이 편리성 때문에 여러 서비스를 서로 서로 연동해서 쓰는 사람들이 많습니다.

저도 처음 여러 서비스를 시작하고 그런 서비스가 많아지면서 무분별하게 여러 서비스를 연동하다 보니 지금까지 정확하게 어떤 서비스가 어떤 식으로 연동되고 있는지 파악하지 못해서 메시지가 여기 저기 중복되는 경우가 생겨서 간만에 아래처럼 정리해봤습니다.

저는 지금 어떤 서비스를 이용하고 있고 각 서비스는 어떻게 연동되어 있을까요? 여러분도 한번 해보시면 좋을 것 같습니다.
SNS Map
정리하고 보니 정말 많은 수의 Meta Blog로 제 블로그를 연결시켜 놓았네요.

여러분은 얼마나 많은 Meta Blog를 사용하시나요?

Friendfeed 는 단순한 블랙홀 역할을 하고 있네요. 사실 Friendfeed 는 블로그의 Profile 을 위해 유지하는 것이나 마찬가지이기 때문에 거의 사용하지 않는 서비스입니다.

Buzz는 Friendfeed 와 마이크로 블로그를 합친듯한 서비스입니다. Gmail 과 연동되어서 아주 가끔 사용하고 있습니다.

초창기에 Twitter 와 Buzz를 동기화 시켰지만 Buzz 가 Twitter 와 실시간으로 연동되는 것이 아니고 일정 시간동안 모인 Twitter 의 트윗을 끌어오는 방식으로 한번에 많은 양의 글이 올라오기 때문에 그다지 좋아하지 않아 연동을 해제했습니다.

현재 Facebook 과 Twitter 은 연동을 해 놓은 상태입니다. Facebook 은 아직 관계를 맺고 있는 사람들이 많지 않기 때문인지 별다른 의견이 없으시더군요. 가끔 댓글을 다시는 분들도 계시고 당분간은 계속 유지할 생각입니다.

현재로서는 Twitter 과 Blog 를 중심으로 여러 서비스가 연동되어 있는 모습입니다. 시간이 좀 더 지난다면 이 그림은 또 어떻게 바뀔까요?

댓글

  1. trackback from: dodreams의 생각
    좋은 정보 감사합니다^^ RT murianwind님 [테스팅 히치하이커를 위한 안내서] Murian의 SNS 이용 현황 총정리 http://goo.gl/fb/0UOJd

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

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...

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 ...

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...