<div id="readability-page-1" class="page"><div><div><h2 id="89a4">콴다 User Insight 팀의 User Behavior &amp; Painpoints Library 생성기</h2><div><a href="https://medium.com/@sumin47000?source=post_page-----1b6d5d044b14--------------------------------" rel="noopener follow"><div aria-hidden="false"><p><img alt="Sumin" src="https://miro.medium.com/v2/resize:fill:88:88/0*weSXBYmw_StoPD-Y" width="44" height="44" loading="lazy" data-testid="authorPhoto"></p></div></a><a href="https://blog.mathpresso.com/?source=post_page-----1b6d5d044b14--------------------------------" rel="noopener  ugc nofollow"><div aria-hidden="false"><p><img alt="콴다 팀블로그" src="https://miro.medium.com/v2/resize:fill:48:48/1*Bxu3WyhvohRndw5lLI_3Ow.jpeg" width="24" height="24" loading="lazy" data-testid="publicationPhoto"></p></div></a></div></div><p id="6a19">올해 초, Open AI에서 Chat GPT 3.5를 출시하며 많은 사람들이 LLM 기술을 주목하였습니다. 콴다팀 내부에서도 “LLM으로 학생들의 어떤 문제를 해결해 줄 수 있을까?”에 대해 고민하기 시작했죠.</p><p id="dae0">이 고민의 실마리를 풀기 위해 User Insight 팀은 ‘학생들의 공부 행태를 최대한 많이 발굴하자’는 initiative를 가지고 움직였습니다. 구체적으로 학생들이 주로 공부하는 학교, 학원 및 과외, 자습 상황에서 나타나는 모든 행동을 미세한 단위로 찾고자 하였습니다.</p><h2 id="40e3">관찰을 할 수 없고 핸드폰 사용이 어려운 학교에서의 행동을 어떻게 수집할 수 있을까?</h2><p id="28ca">행동을 수집할 수 있는 방법에 대해 고민하던 중 한 가지 문제가 발생했습니다. 바로 학교에서의 무의식적인 행동을 수집 하기가 어렵다는 점입니다. 이를 수집하기 위해 가장 적합한 접근은 ‘관찰’ 인데… 학교에서 수업 시간, 점심시간, 쉬는 시간을 관찰할 수 없었죠.</p><p id="8486">그래서 저희 팀 안에서 토론을 하며 두 번째로 언급된 조사 방법은 ‘온라인 다이어리’ 이었습니다. 학교생활 중인 학생들과 연락할 수 있는 매개체는 스마트폰이 유일하였기 때문이죠. 해볼 법한 접근이었으나 학생들을 대상으로 설문조사 툴을 이용하여 응답을 수집하기엔 양질의 답변을 얻기에 어렵다는 문제와 응답을 잘 하지 않는다는 단점이 있었습니다. 지금까지 수차례의 배신을 당했었죠… 껄껄.</p><p id="c4c4">그래서 온라인 다이어리의 단점 2가지와 학생들의 무의식적인 행동을 파악해야 한다는 점, 학교에서 응답해야 한다는 점을 포함하여 총 4가지의 요구사항을 적고, 적합한 방법론에 대해 고민하였습니다.</p><ol><li id="fec3">오늘 학교에서 있었던 일을 까먹기 전에 빠르게 조사를 진행해야 한다.</li><li id="bb91">부담스럽지 않고 쉽게 접근하여 응답할 수 있어야 한다.</li><li id="3a50">학생들의 답변이 부실하면 깊게 probing 할 수 있어야 한다.</li><li id="3a81">답변이 없으면 쪼아야 한다.</li></ol><p id="0926">이렇게 만들어 낸 새로운 조사 방법론은 ‘Rapid Online Moderation’ 입니다!</p></div><div><p id="fe51">바로 점심시간, 하교 직후의 시간을 이용하여 학생들과 채팅으로 하는 인터뷰를 하는 것이었죠! 추후에 인터뷰도 진행할 계획을 가지고 있었기 때문에 채팅 주제는 지금이 아니면 까먹을만한 일들에 대해 물어보는 질문들로 주로 구성하였습니다. 모호한 답변에 대해서는 인터뷰처럼 why를 끊임없이 물으며 양질의 답변을 얻고자 하였습니다.</p><p id="6c1d">이렇게 20명 학생들과 점심 시간, 하교 직후, 학원/과외 끝난 직후, 자습 끝난 직후에 약 20분 동안 채팅 했습니다. 그리고 text로 답변을 얻었기 때문에 인터뷰에 비해 효율적으로 구글 스프레드 시트에 바로 정리할 수 있다는 장점까지 얻을 수 있었습니다.</p><p id="5b83">조사는 여기서 끝나지 않고 추후 비대면 1:1 인터뷰를 통해 학교, 학원, 과외, 자습 상황에서 잘 기억하고 있는 행동까지 모두 파악함으로써 마무리하였습니다.</p><h2 id="4308">수많은 행동군들을 조직의 입맛에 맞게 정리하는 방법!</h2><p id="8ba3">이렇게 인터뷰와 Rapid Online Moderation을 통해 얻을 수 있었던 작은 단위의 행동군은 198개나 되었습니다. VoC로 치면 약 3배에 가까웠죠.</p><blockquote><p id="b6f8"><em>“수학 부장 이라 애들 숙제 미리 걷어서 선생님께 전달 드리고, 기자재 가지고 다시 반에 와서 설치하는 게 귀찮았어요”</em></p><p id="4bc2"><em>“종례 전에 오늘 수업시간에 무슨 일이 있었는지 담임선생님과 짧게 이야기했어요” … 등등</em></p></blockquote><p id="aab5">학교에서 벌어지는 학생들의 행동은 굉장히 다양했고 이 데이터들을 정리하는 것이 쉽지 않았습니다. 행동을 분류하는 기준이 너무 다양하다보니 ‘어떤 관점에서 보는 것이 우리에게 가장 유리할까’ 고민이 되었죠. 아울러 행동 뿐만 아니라 그 행동을 할 때 유저들이 느끼는 pain points도 같이 파악 하였기에 그 데이터까지 결합된 최적의 정리 방법이 필요하였습니다.</p><p id="9dcd">첫 번째로 행동군 하나하나를 자세히 살펴 보고 유저로부터 들은 응답을 상기해봤을 때, 각 행동들을 하는 목적이 있다는 점을 발견하였습니다. 궁극적인 대입이라는 목표를 위해 학생들은 성적상승을 위한 공부를 하고 있을 뿐만 아니라 생활기록부를 관리하고, 입시 정보를 파악하고, 멘탈 케어, 태스크 및 학습 습관을 관리한다는 사실을 알 수 있었죠. 일차적으로 이 6개의 그룹을 기준으로 행동군들을 모두 정리할 수 있었습니다.</p><figure><figcaption>User behavior &amp; Painpoint library의 모습</figcaption></figure><p id="497d">앞서 정리한 6개의 목적을 저희는 학생들이 도움받길 원하는 조력의 관점으로 바라보기 시작하였습니다. 각 목적의 목표 달성을 위해 하는 행동들은 affinity mapping 작업을 통해 3차례로 세분화하여 정리하였습니다.</p><p id="2d33">예를 들어, 성적최적화(조력1) — 기본 수업 청취 (조력2) — 모르는 것 습득(조력3) — 수업 중 놓친 부분에 대해 질문하기(행동군) 이런 식이었죠.</p><p id="e21e">두번째로, 칼럼을 추가하여 행동군 별로 구체적인 VoC, Pain point 정도, Pain point 이유 등에 대한 데이터까지 나열하였습니다. 행동 및 조력 별로 학생들의 pain point가 무엇인지 원하는 것만 필터 해서 볼 수 있고 쉽게 피봇테이블도 만들 수 있는 구조가 완성되었습니다. 이로 인해 콴다가 해결하고자 하는 문제의 영역을 더욱 명확히 할 수 있었죠!</p><h2 id="a162">User Behavior &amp; Pain points Library를 어떻게 활용할 수 있을까?</h2><p id="be91">library 자체가 가장 의미있었기 때문에 이 조사에선 별도의 보고서를 만들지 않았습니다. 대신 LLM과 가장 밀접하게 연관되어 있는 그룹원에게 사례를 들어가며 library 100% 활용법을 공유드렸습니다! 이후 그룹 내부적으로 진행된 ideation session에서 잘 활용될 수 있었습니다.</p></div><div><p id="0221">또한 요즘 중고등학생을 이해하는 데에도 큰 도움이 되었던 것 같습니다. 다들 짧으면 5년 전… 10년 전… 20년 전… 자신의 학창 시절을 떠올리기 쉽지만, 교육 정책이 바뀌고 디바이스가 많이 보급된 요즘 아이들의 공부 행태는 달라졌습니다. 자기와 다른 유형의 학생들을 바라볼 수 있었다는 점에서도 참 의미 있었던 조사라고 생각합니다.</p></div></div>

매스프레소 팀블로그 - Medium

콴다 User Insight 팀의 User Behavior & Painpoints Library 생성기
올해 초, Open AI에서 Chat GPT 3.5를 출시하며 많은 사람들이 LLM 기술을 주목하였습니다. 콴다팀 내부에서도 “LLM으로 학생들의 어떤 문제를 해결해 줄 수 있을까?”에 대해 고민하기 시작했죠.
이 고민의 실마리를 풀기 위해 User Insight 팀은 ‘학생들의 공부 행태를 최대한 많이 발굴하자’는 initiative를 가지고 움직였습니다. 구체적으로 학생들이 주로 공부하는 학교, 학원 및 과외, 자습 상황에서 나타나는 모든 행동을 미세한 단위로 찾고자 하였습니다.
관찰을 할 수 없고 핸드폰 사용이 어려운 학교에서의 행동을 어떻게 수집할 수 있을까?
행동을 수집할 수 있는 방법에 대해 고민하던 중 한 가지 문제가 발생했습니다. 바로 학교에서의 무의식적인 행동을 수집 하기가 어렵다는 점입니다. 이를 수집하기 위해 가장 적합한 접근은 ‘관찰’ 인데… 학교에서 수업 시간, 점심시간, 쉬는 시간을 관찰할 수 없었죠.
그래서 저희 팀 안에서 토론을 하며 두 번째로 언급된 조사 방법은 ‘온라인 다이어리’ 이었습니다. 학교생활 중인 학생들과 연락할 수 있는 매개체는 스마트폰이 유일하였기 때문이죠. 해볼 법한 접근이었으나 학생들을 대상으로 설문조사 툴을 이용하여 응답을 수집하기엔 양질의 답변을 얻기에 어렵다는 문제와 응답을 잘 하지 않는다는 단점이 있었습니다. 지금까지 수차례의 배신을 당했었죠… 껄껄.
그래서 온라인 다이어리의 단점 2가지와 학생들의 무의식적인 행동을 파악해야 한다는 점, 학교에서 응답해야 한다는 점을 포함하여 총 4가지의 요구사항을 적고, 적합한 방법론에 대해 고민하였습니다.
오늘 학교에서 있었던 일을 까먹기 전에 빠르게 조사를 진행해야 한다.
부담스럽지 않고 쉽게 접근하여 응답할 수 있어야 한다.
학생들의 답변이 부실하면 깊게 probing 할 수 있어야 한다.
답변이 없으면 쪼아야 한다.
이렇게 만들어 낸 새로운 조사 방법론은 ‘Rapid Online Moderation’ 입니다!
바로 점심시간, 하교 직후의 시간을 이용하여 학생들과 채팅으로 하는 인터뷰를 하는 것이었죠! 추후에 인터뷰도 진행할 계획을 가지고 있었기 때문에 채팅 주제는 지금이 아니면 까먹을만한 일들에 대해 물어보는 질문들로 주로 구성하였습니다. 모호한 답변에 대해서는 인터뷰처럼 why를 끊임없이 물으며 양질의 답변을 얻고자 하였습니다.
이렇게 20명 학생들과 점심 시간, 하교 직후, 학원/과외 끝난 직후, 자습 끝난 직후에 약 20분 동안 채팅 했습니다. 그리고 text로 답변을 얻었기 때문에 인터뷰에 비해 효율적으로 구글 스프레드 시트에 바로 정리할 수 있다는 장점까지 얻을 수 있었습니다.
조사는 여기서 끝나지 않고 추후 비대면 1:1 인터뷰를 통해 학교, 학원, 과외, 자습 상황에서 잘 기억하고 있는 행동까지 모두 파악함으로써 마무리하였습니다.
수많은 행동군들을 조직의 입맛에 맞게 정리하는 방법!
이렇게 인터뷰와 Rapid Online Moderation을 통해 얻을 수 있었던 작은 단위의 행동군은 198개나 되었습니다. VoC로 치면 약 3배에 가까웠죠.
“수학 부장 이라 애들 숙제 미리 걷어서 선생님께 전달 드리고, 기자재 가지고 다시 반에 와서 설치하는 게 귀찮았어요”
“종례 전에 오늘 수업시간에 무슨 일이 있었는지 담임선생님과 짧게 이야기했어요” … 등등
학교에서 벌어지는 학생들의 행동은 굉장히 다양했고 이 데이터들을 정리하는 것이 쉽지 않았습니다. 행동을 분류하는 기준이 너무 다양하다보니 ‘어떤 관점에서 보는 것이 우리에게 가장 유리할까’ 고민이 되었죠. 아울러 행동 뿐만 아니라 그 행동을 할 때 유저들이 느끼는 pain points도 같이 파악 하였기에 그 데이터까지 결합된 최적의 정리 방법이 필요하였습니다.
첫 번째로 행동군 하나하나를 자세히 살펴 보고 유저로부터 들은 응답을 상기해봤을 때, 각 행동들을 하는 목적이 있다는 점을 발견하였습니다. 궁극적인 대입이라는 목표를 위해 학생들은 성적상승을 위한 공부를 하고 있을 뿐만 아니라 생활기록부를 관리하고, 입시 정보를 파악하고, 멘탈 케어, 태스크 및 학습 습관을 관리한다는 사실을 알 수 있었죠. 일차적으로 이 6개의 그룹을 기준으로 행동군들을 모두 정리할 수 있었습니다.
앞서 정리한 6개의 목적을 저희는 학생들이 도움받길 원하는 조력의 관점으로 바라보기 시작하였습니다. 각 목적의 목표 달성을 위해 하는 행동들은 affinity mapping 작업을 통해 3차례로 세분화하여 정리하였습니다.
예를 들어, 성적최적화(조력1) — 기본 수업 청취 (조력2) — 모르는 것 습득(조력3) — 수업 중 놓친 부분에 대해 질문하기(행동군) 이런 식이었죠.
두번째로, 칼럼을 추가하여 행동군 별로 구체적인 VoC, Pain point 정도, Pain point 이유 등에 대한 데이터까지 나열하였습니다. 행동 및 조력 별로 학생들의 pain point가 무엇인지 원하는 것만 필터 해서 볼 수 있고 쉽게 피봇테이블도 만들 수 있는 구조가 완성되었습니다. 이로 인해 콴다가 해결하고자 하는 문제의 영역을 더욱 명확히 할 수 있었죠!
User Behavior & Pain points Library를 어떻게 활용할 수 있을까?
library 자체가 가장 의미있었기 때문에 이 조사에선 별도의 보고서를 만들지 않았습니다. 대신 LLM과 가장 밀접하게 연관되어 있는 그룹원에게 사례를 들어가며 library 100% 활용법을 공유드렸습니다! 이후 그룹 내부적으로 진행된 ideation session에서 잘 활용될 수 있었습니다.
또한 요즘 중고등학생을 이해하는 데에도 큰 도움이 되었던 것 같습니다. 다들 짧으면 5년 전… 10년 전… 20년 전… 자신의 학창 시절을 떠올리기 쉽지만, 교육 정책이 바뀌고 디바이스가 많이 보급된 요즘 아이들의 공부 행태는 달라졌습니다. 자기와 다른 유형의 학생들을 바라볼 수 있었다는 점에서도 참 의미 있었던 조사라고 생각합니다.
이 글을 마치며…
저희 팀에선 User Behavior & Pain points Library를 계속 발전시켜 나가고 있습니다! 최대한 다양한 행태를 파악하는 것이 포인트이기 때문에 방학, 시험 기간, 수행평가 기간 등 여러 시점을 타겟하여 조사를 진행하고 있습니다. LLM 때문에 시작하게 되었지만 새로운 아이디어를 생각해야 할 때, 학생들을 온전히 이해하고 싶을 때, 학생들의 특정 행동에 대해 깊게 알고 싶을 때 등 언제든지 쉽게 접근하여 좋은 데이터를 얻어갈 수 있는 자료로 활용될 것으로 기대됩니다!
🌏글로벌 Top 교육 앱 QANDA(콴다)를 함께 만들어 갈 분들을 기다리고 있습니다! 자세한 사항은 ➡️ 채용 사이트를 통해 확인해주세요.
콴다 유저들의 행동을 총체적으로 DB화 하다 was originally published in 콴다 팀블로그 on Medium, where people are continuing the conversation by highlighting and responding to this story.

콴다 유저들의 행동을 총체적으로 DB화 하다

댓글