페르소나를 생성 할 수있는 3 가지 방법

페르소나를 생성 할 수있는 3 가지 방법에는....

 

1.프로토 페르소나-신규 연구를 기반으로하지는 않지만 사용자가 누구인지에 대한 팀의 기존 가정 을 신속하게 조정 함 )
2.질적 페르소나 - 인터뷰, 유용성 테스트 또는 현장연구, 소량의 질적 연구를 기반으로 한다.
3.통계 페르소나 -초기 질적 연구 큰 샘플 크기를 수집하는데 사용되는 조사 수단을 알리는, 상기 페르소나 통계 분석에서 등장

 

프로토 페르소나

새로운 연구없이 만들어진 가벼운 형태의 임시 페르소나

사용자가 누구인지, 무엇을 원하는지에 대한 팀의 기존 지식 (또는 최상의 추측)을 목록 화합니다.

​

작업장은 보통 2-4 시간이 걸립니다. 각 참가자는 간단한 템플릿을 사용하여 2 ~ 5 개의 프로토 타입을 만든 다음 그룹과 공유합니다. 그런 다음 그룹은 모든 페르소나를 논의하고 다양한 속성을 3-6 개의 프로토 페르소나 세트로 결합, 리믹스 및 편집합니다.

​

프로토 페르소나의 장점

프로토 타이어는 리서치 프로젝트가 필요하지 않기 때문에 린UX 프레임 워크 에서 작업 하거나 UX 성숙도가 낮고 페르소나를 전혀 사용하지 않는 팀에 적합 합니다. 프로토 페르소나의 또 다른 주요 가치는 사용자에 대한 팀의 암시적 가정을 명시 적으로 한다는 것입니다.. 일반적으로 모든 팀 구성원은 일반 사용자에 대해 서로 다른 가정을 가지고 있으며, 정렬이 부족하다는 것은 각 사람이 다른 의도 된 대상을 대신하여 의사 결정을 내린다는 것을 의미합니다. 이러한 무질서한 가정은 종종 팀의 초점에 맞지 않기 때문에 가정을 목록 화하면 결과가 실제 사용자를 정확하게 포착하지 못하더라도 적어도 일부 공유 방향을 제공합니다.​

 

프로토 페르소나의 단점

그들은 종종 사용자의 부정확 한 표현이며 팀의 잘못된 가정에 대한 반향 실이 될 수 있습니다. 더욱이 팀이 페르소나에서의 가치를 거의 찾지 못하면 일반적으로 페르소나와 다른 UX 협업 활동에 부정적인 영향을 줄 수 있습니다 .

​

​

정성 페르소나 : 대부분의 팀에 가장 적합

대부분의 팀에서 페르소나를 생성하는 가장 좋은 방법은 중간 규모의 표본 크기 로 견실 한 탐색 적 정 성적 연구 (예 : 사용자 인터뷰 )를 실행 한 다음 공유 된 태도, 목표, 고통 지점 및 기대에 따라 사용자를 분류하는 것입니다.

 

질적 페르소나를 만드는 방법

5-30 명의 사용자를 인터뷰하십시오 (그룹마다 5 명의 사용자를 대상으로 한 롤 샘플로, 각각의 새로운 인터뷰에 대해 새로운 통찰력을 찾을 때까지). 이러한 인터뷰는 완전히 분리 된 세션이거나 유용성 테스트 또는 현장 학습에 태그를 지정할 수 있습니다. 이 연구는 사용자가 염려하는 점, 제품의 기능 및 동작에 대한 기대치, 제품으로 수행 한 작업을 설명하는 데 사용하는 단어, 주요 워크 플로에 접근하는 방법 및 대상에 대해 사용자가 관심을 갖는 주요 사항을 밝혀냅니다. 달성하려고합니다. 스크립트를 작성하고 데이터를 주요 테마 ( 데이터 코딩 이라고 함)로 분류하십시오 .

그런 다음 분석 부분에는 패턴 찾기가 포함됩니다. 대부분의 다른 인터뷰 대상자와 크게 겹친 인터뷰 대상자를 찾고 있습니다.이러한 주요 주제 중 하나 일 수 있습니다 (그러나 반드시 전부는 아닙니다). 인터뷰 한 개인 간의 완벽한 일치를 찾는 것보다는 광범위한 패턴을 찾으십시오. 이 작업을 수행 할 때 연결이 무엇인지 동료에게 설명하는 것이 좋습니다. 예를 들어, 전자 상거래 사이트의 경우 여러 인터뷰 대상자가 결정을 내리기 전에 많은 제품 페이지 검사를 설명했으며 동일한 인터뷰 대상자 대부분이 후보 제품을 비교하기 위해 쇼핑 카트를 보류 영역으로 사용했다고 말했습니다. 인터뷰 대상자들이 다른 질문에 대한 답변 (예 : 다른 기기 사용, 쇼핑 대상, 예산 등)에 많은 차이가 있었지만 차이점은 팀의 차이점보다 팀에 더 중요 할 수 있습니다.연구원 쇼핑객 ).

질적 분석 과정은 미묘하고 세밀하며 전체 방법은이 기사의 범위를 벗어납니다. 우리는 Personas 작업장 에서이 과정을 자세히 다룹니다 .

 

질적 페르소나의 장점

질적으로 파생 된 인물은 가치에 비례하여 팀을 구성하는 노력을 고려할 때 대부분의 팀에게 적합합니다. 약간의 노력이 필요하며 UX 팀은 다른 작업과 동시에 필요한 데이터를 수집 할 수 있습니다. 정 성적 개인 정보는 사용자 데이터를 기반으로하기 때문에 정확하고 분석 데이터, 인구 통계 정보 또는 가정만으로는 얻을 수없는 사용자 동기, 기대 및 요구에 대한 핵심 통찰력을 제공합니다.

질적 페르소나의 단점

질적 인 인물의 큰 단점은 다음과 같습니다.

 

•대량 표본을 기반으로하지 않기 때문에 각 개인이 나타내는 사용자 모집단의 비율을 결정할 방법이 없습니다 (예 : 양심적 소비자 Sandra가 사용자 기반의 60 % 라고 말할 수 없음 )

 

•표본 크기가 작기 때문에 고유 한 특성을 가진 일부 사용자를 실수로 생략했거나 일반적이지 않은 관점을 가진 특이 치를 과도하게 표현했을 가능성이 있습니다

 

•특히 UX 성숙도가 낮은 조직 (정성 데이터 방법론에 대한 이해가 부족한 조직)에서는 정 성적 인물이“과학적이지 않다”는 주장을 지속적으로 철회해야 할 수도 있습니다.

통계 페르소나 : 정 성적 및 정량적 연구의 혼합

가장 노동 집약적 인 페르소나 생성 버전은 대규모 사용자 기반 샘플로 전송 된 설문 조사를 통해 데이터를 수집 한 다음 통계 분석을 사용하여 유사한 응답의 클러스터를 찾습니다. 나는 이것을 통계적 인물로 묘사하지만 실제로는 질적 연구와 양적 연구를 기반으로하기 때문에 혼합 방법 페르소나입니다.

이러한 유형의 페르소나에는 설문 조사에 포함시킬 질문을 식별하기 위해 사전에 탐색 적 정 성적 연구가 필요합니다. 팀에 적용 할 수있는 페르소나를 야기 할 수있는 보편적으로 관련된 페르소나 조사 질문은 없습니다. 특정 사용자 의 기대치에 대한 실무 지식이 있어야하며 유용한 정보를 제공하는 설문 조사를 작성해야합니다.

(많은 팀이 질적 연구없이 인구 통계 또는 분석 데이터를 전적으로 기반으로 페르소나를 만들었지 만 UX 의사 결정을위한 유틸리티가 제한적인 페르소나로 이어 지므로 이러한 접근 방식 은 권장하지 않습니다 . , 사용자가 무엇을 달성하려고했는지, 왜, 어디서, 어떻게 느끼는지에 대한 정보가 없습니다. 누군가 왜 무언가를 했는지 모르는 경우 , 종종 잘못된 가정을해야합니다. 페르소나의 요점은 사용자의 입장에서 자신이 원하는 것을 이해하고 이해할 수있게하는 것입니다 (문맥이 여기에 있으며 인구 통계 및 분석 데이터는 맥락이 부족합니다).

정 성적 페르소나와 통계적 페르소나의 큰 차이점은 답변을 기반으로 유사한 사용자를 수동으로 클러스터링하지 않고 정 성적 연구에서 나온 주요 주제를 취하여 많은 사람들에게 보내는 설문 조사를 생성한다는 것입니다. 그런 다음 설문 조사 데이터에 대한 통계 분석을 실행하여 사용자를 유사한 그룹으로 묶습니다 (대부분의 질문에 유사한 응답을 제공하는 경향이 있기 때문에). 클러스터링 프로세스에서 사람의 편견을 효과적으로 제거합니다. 그러나 편견을 줄임으로써 얻는 결과는 사용자 간의 유사성이 의미가 있는지에 대한 비판적 사고에서 잃을 수 있습니다.

 

통계 페르소나 생성 방법

통계 페르소나를 생성하는 첫 번째 단계는 정성 페르소나와 동일합니다. 사용자들 사이에서 반복적으로 나타나는 주요 테마를 식별하기위한 탐색 적 정 성적 연구. 이 정 성적 데이터를 기반으로 대규모 주요 관심 주제에 대한 정량적 데이터를 수집 할 수있는 설문 조사를 작성하십시오. 최소 100 명 (이상적으로 500 명 이상) 응답자를 조사하십시오. 통계 분석 기법 은 큰 표본 크기에서 더 잘 작동합니다. 그런 다음 잠재 클래스 분석 (이 설문은 일반적으로 수집 한 범주 데이터에서 잘 작동하고 불완전한 데이터를 잘 처리 함), 요인 분석 또는 K- 평균 군집화 와 같은 통계 군집화 기법을 사용하여 설문 조사 데이터의 패턴을 찾습니다.

주의 : 이러한 종류의 분석에서 종종 나타나는 패턴은 설계자에게 특히 의미가 없을 수 있으며 이러한 분석을 기반으로 사용자를 분류하는 데 사용되는 기준을 말로 표현하기가 어려울 수 있습니다.

 

통계 페르소나의 장점

통계 페르소나가 다른 방법보다 유리한 이유는 세 가지입니다.

 

•큰 표본을 사용하면 특이 치가 자신의 개인에 과도하게 표현되지 않는다고 확신 할 수 있습니다 (예 : 다른 사람과 공유하지 않은 특이한 사고 방식을 가진 사람은 결과를 크게 흔들지 않았 음)

 

•각 페르소나가 나타내는 총 사용자 기반의 몇 퍼센트를 알 수 있으며, 이는 페르소나 의사 결정에 도움이 될 수 있습니다

 

•판별 분석을 사용하여 페르소나 클러스터링을 리버스 엔지니어링하여 어떤 설문 조사 질문이 어떤 페르소나가 클러스터링되었는지를 가장 정확하게 예측할 수 있습니다. 그런 다음 해당 질문을 사용하여 향후 연구에서 사용자를 모집하여 모든 연구에서 모든 개인 정보를 잘 표현할 수 있습니다

 

통계 페르소나의 단점

통계 개인 분류는 비용이 많이 들고 시간이 많이 걸리며 통계 분석에 대한 전문 지식이 필요합니다. 통계학 자나 데이터 과학자에게 접근 할 수 없다면이 방법은 유익하지 않으며 권장되지 않습니다.

또한, 올바르게 수행되면 전체 정 성적 개인 연구를 실행하고 모든 통계 분석도 수행해야합니다. 또한 팀이 모든 통계 작업을 수행하고 동일한 질적 연구 데이터를 기반으로 순수한 질적 인 인물과 매우 유사한 인물로 끝나는 것은 드문 일이 아닙니다.

여러 가지면에서이 기술은 유압 프레스를 사용하여 호두를 깨는 것과 같습니다. 그렇습니다. 호두 껍질이 완전히 갈라지는 것을 확신 할 수 있지만 대부분의 상황에서 막대한 과잉 행위이며 신중하게 수행하지 않으면 혼란을 초래할 수 있습니다.

 

대부분의 팀에는 개인에 대한 정성적인 접근 방식이 적합합니다. 이는 사용자가 누구인지, 원하는 것이 무엇인지, 비용 효율적이며 비교적 빠르다는 확실한 데이터 기반 이해를 제공하기 때문입니다. 프로토 페르소나는 매우 린 팀을위한 옵션이며 사용자에 대한 팀 구성원의 가정을 조정하는 역할을합니다. 다른 방식으로 페르소나 (또는 ​​사용자 리서치)를 전혀 사용하지 않고 추가 리서치의 관문이 될 수있는 팀에 적합합니다. 통계 인력은 상당한 자원을 가진 팀에게는 옵션이지만 시간, 노력, 통계적 전문 지식 및 팀이 질적 연구로 시작하여 효과적으로 노력을 복제해야하는 시간이 필요합니다.