• 앞에서 우리는 많은 이야기를 나누었습니다. 한 마디로 요약하자면, *"'포스트휴먼'이 새로운 사용자로서 등장하고 있기에, 그들을 이해하는 '로그 기반'의 방법론이 필요하다"*라고 정리될 수 있겠네요.
• '포스트휴먼'부터 '로그'까지... 다소 어려운 개념처럼 느껴질 수도 있었을 텐데요. 다시 한번 우리의 연구 방향성과 그 과정을 톺아보고 이 글을 마무리하도록 하겠습니다.

• 새로운 정보 서비스가 증가하고 사용자들의 행동이 점차 최소 시간 단위로 쪼개지고 있습니다. 따라서 사용자들을 이해하는 방법도 최소 시간 단위로 이루어져야 하죠.

이 과정을 가능케 하는 것이 바로 '로그'입니다. '로그'를 통해서는, 상황에 따라 자주 변화하는 사용자의 행동을 관찰할 수 있습니다. 뿐만 아니라 사용자 스스로도 인지하고 있지 못했던 행동들까지도 파악할 수 있습니다. 그리고 이것이 바로 우리 연구실이 지향하는 전체적인 연구의 방향이지요.

• 로그 데이터가 사용자의 행동을 잘 그려낼 수 있을 만큼 충분하다면, '통계 및 머신러닝'을 통해 모델링을 진행할 수 있습니다. 하지만 수집하려는 데이터가 충분치 못하거나, 연구자들이 단순한 현상보다는 그 너머의 의도에 집중하고자 한다면, 로그 기반의 'Elicitation 인터뷰'를 통해 모델링을 진행하는 것이 더욱 좋은 선택지입니다.

• 첫 번째 방법론, 통계 및 머신러닝을 통한 모델링의 예시에서는 넷플릭스 데이터를 통해 사용자들의 행동 패턴을 유형화했습니다.

• 우리의 연구 목적은 '넷플릭스에서 사용자의 행동 패턴에 걸맞은 adaptive UI를 제공한다'입니다. 넷플릭스 안에서 사용자의 행동은 다양하게 나타날 수 있습니다. 이미 보고 있던 콘텐츠가 있어 오랜 시간 연속적으로 시청하는 경우와, 무엇을 볼지 몰라 지속적으로 탐색하는 경우, ... 각각의 상황에서 사용자에게 필요한 최적의 UI 형태는 모두 다를 것입니다.

• 이때, 단순히 '추천 알고리즘에 호의적인 사용자', '검색을 많이 하는 사용자' 등 퍼슨 타입으로 퍼소나를 만드는 것은 효과가 없습니다. 같은 사용자일지라도 상황에 따라, 기분에 따라 서로 다른 행동 패턴을 보이기 때문입니다.

• 따라서 최소 행동 단위로 넷플릭스 이용 패턴을 파악하는 것이 필요합니다. 우리가 나눈 행동 타입, '끈질긴 탐색', '고민 없는 결정', ... 등은 바로 넷플릭스의 최소 행동 단위를 드러내는 퍼소나입니다. 이러한 접근을 통해서라면 연구 목적을 더욱 효과적으로 고민할 수 있을 것입니다.

• 두 번째 방법론, Elicitation 인터뷰 기반 모델링에서는 스마트폰 사용자의 텍스트 사진 촬영 행태를 탐색했습니다.