지난 편에서 어피니티 다이어그램이 가장 효과적인 순간을 살펴봤어요. 이번 편에서는 어피니티 다이어그램이 무엇으로 구성되어 있는지, 그리고 어떻게 작성해야 하는지 실제 사례와 함께 알아볼게요.
1. 어피니티 다이어그램의 구성 요소
어피니티 다이어그램을 만드는 단계를 따라가기 전에, 그것이 실제로 무엇으로 이루어져 있는지 이해하는 것이 도움이 돼요. 많은 팀이 단계를 건너뛰어서가 아니라, 구성 요소 자체를 잘 이해하지 못 하고 넘어가서 어려움을 겪거든요.
효과적인 어피니티 다이어그램은 세 가지 구별되는 계층으로 구성돼요. 각 계층은 날것의 리서치 데이터를 팀이 함께 추론할 수 있는 것으로 전환하는 데에 서로 다른 역할을 해요.
이번 편에서는 그 중 원시 데이터와 외부화를 다룰게요.
1) 원시 정성 데이터: 가장 작은 의미 단위
(1) 정의
모든 것은 원시 데이터(Raw Data)에서 시작해요.
원시 데이터란 리서치 중에 포착한 가장 구체적인 정보 조각을 말해요.
- 직접 인용
- 관찰된 행동
- 주목할 만한 멈춤이나 망설임
- 우회 방법이나 실수
- 특정 순간에 연결된 감정적 반응
유용한 판단 기준이 있어요.
여전히 해석처럼 느껴진다면, 아직 원시 데이터가 아니에요.
예를 들면 이래요.
| 너무 추상적 | 더 나은 원시 데이터 |
|---|---|
| “사용자가 온보딩을 혼란스러워했다” | “사용자가 ‘다음’ 버튼을 누르기 전에 같은 안내 문구를 세 번 다시 읽었다” |
| “사람들이 시스템을 신뢰하지 않는다” | “사용자가 ‘이게 내 기존 데이터를 덮어쓸까 봐 걱정돼요’라고 말했다” |
원시 데이터를 세밀하게 유지하는 것이 중요한 이유는, 그룹핑이 입력 데이터가 비교 가능할 때만 작동하기 때문이에요.
(2) 사례: 클라우드 기반 문서 협업 도구
프로덕트 팀이 클라우드 기반 문서 협업 도구의 첫 사용 온보딩을 연구하고 있어요. 많은 신규 사용자가 계정을 만들지만 첫날에 문서를 생성하거나 공유하지 않는 이유를 이해하고 싶은 거예요.
팀은 사용 첫 10분 동안의 세 가지 데이터 소스에 집중하기로 했어요.
- 감독형 사용성 테스트(Moderated Usability Test) 녹화 (화면 + 음성)
- 온보딩 도중 이탈한 신규 사용자의 세션 리플레이
- 세션 후 인터뷰
두 명의 리서처가 독립적으로 녹화와 트랜스크립트를 검토했어요.
특정 행동, 망설임, 또는 구두 반응을 볼 때마다 멈추고, 원문 그대로 작업 문서에 복사했어요.
녹화와 트랜스크립트에서 직접 추출한 예시들이에요.
- “사용자가 ‘워크스페이스 만들기’ 화면에서 8초간 마우스 이동을 멈춤”
- “사용자가 말함: ‘이 이름 나중에 바꿀 수 있나요?’”
- “사용자가 새 탭을 열고 ‘워크스페이스 이름 나중에 변경’을 검색함”
- “사용자가 ‘팀원 초대’ 필드 위에 마우스를 올렸다가 ‘건너뛰기’를 클릭함”
- “사용자가 조용히 말함: ‘이거 잘못 건드리면 안 되는데’”
- “사용자가 기본 문서가 열리자마자 3초 만에 삭제함”
- “사용자가 ‘설정 완료’를 클릭한 후 크게 숨을 내쉬며 뒤로 기대앉음”
아무것도 재작성하거나 요약하지 않았어요. 각 항목이 데이터에서 관찰된 단일 순간들을 나타하고 있어요.
2) 외부화: 데이터를 머릿속에서 꺼내기
(1) 정의
문서나 녹화에 있는 원시 데이터는 여전히 숨겨진 맥락을 갖고 있어요. 어피니티 다이어그래밍은 외부화(Externalization)를 필요로 하죠.
- 카드나 노트 하나에 관찰 하나
- 여러 아이디어를 하나로 요약하지 않는다
- 표현에 해석을 최소화한다
물리적 포스트잇을 사용하든 디지털 도구를 사용하든, 목표는 같아요. 각 데이터 조각이 이런 상태가 되어야 해요.
- 이동 가능하다
- 눈에 보인다
- 포스트잇 하나는 동등한 위계를 가진다
이 상태가 초기에 패턴을 왜곡하는 것을 방지해줘요.
(2) 사례: 클라우드 기반 문서 협업 도구
팀이 추출한 원시 데이터를 디지털 화이트보드의 개별 노트로 변환했어요.
- 노트 하나에 관찰 하나
- 원문 표현 유지
- 결합하거나 설명하지 않기
각 노트가 위의 원칙을 통해 각각의 외부화된 객체가 되었어요.
- 노트 1: “‘워크스페이스 만들기’ 화면에서 8초간 멈춤”
- 노트 2: “말함: ‘이거 나중에 바꿀 수 있나요?’”
- 노트 3: “구글 검색: ‘워크스페이스 이름 나중에 변경’”
- 노트 4: “‘팀원 초대’ 위에 마우스 올림 → ‘건너뛰기’ 클릭”
- 노트 5: “말함: ‘이거 잘못 건드리면 안 되는데’”
- 노트 6: “기본 문서를 즉시 삭제”
- 노트 7: “‘설정 완료’ 클릭 후 한숨 쉬며 뒤로 기대앉음”
이 시점에서 모든 노트는 보드에 무작위로 배치되었어요.
아직 아무것도 그룹핑하거나 라벨을 붙이지 않았죠.
3) 클러스터링: 유사성에 따라 묶기
(1) 정의
원시 데이터가 외부화되면, 클러스터(Cluster)를 형성하기 시작해요.
클러스터란 관련되어 있다고 느껴지는 관찰들의 묶음이에요. 이유가 아직 완전히 명확하지 않아도 괜찮아요. 이 단계에서는 이래요.
- “정답” 그룹핑은 없다
- 직관이 허용된다
- 토론은 의도적으로 최소화한다
침묵 속에서 그룹핑하는 것이 크게 도움이 될 거예요. 이렇게 하면 특정 의견에 매몰되는 앵커링(Anchoring)이 줄어들고, 논쟁 대신 행동을 통해 여러 관점이 표면화되거든요.
클러스터는 아직 정해진 주제가 아니에요. 진행 중인 가설이에요.
(2) 사례: 클라우드 기반 문서 협업 도구
팀이 유사성에 따라 노트를 조용히 가까이 옮기기 시작했어요.
몇몇 노트가 결정적 행동 전의 망설임이라는 공통점을 가진 것을 발견했어요.
- “‘워크스페이스 만들기’ 화면에서 8초간 멈춤”
- “말함: ‘이거 나중에 바꿀 수 있나요?’”
- “구글 검색: ‘워크스페이스 이름 나중에 변경’”
- “말함: ‘이거 잘못 건드리면 안 되는데’”
이것들이 함께 묶인 이유는, 모두 결정적 행동 직전에 발생했고, 되돌릴 수 없음에 대한 불확실성을 포함하고 있었기 때문이에요.
또 다른 그룹이 눈에 보이거나 공유되는 행동을 회피하는 패턴으로 형성되기 시작했어요.
- “‘팀원 초대’ 위에 마우스 올림 → ‘건너뛰기’ 클릭”
- “기본 문서를 즉시 삭제”
- “‘설정 완료’ 클릭 후 한숨 쉬며 뒤로 기대앉음”
이 행동들은 설정 이후에 발생했지만, 더 깊이 관여하는 것에 대한 꺼림칙함을 보여주고 있었어요.
노트가 이동하면서 클러스터가 약간씩 조정되었지만, 아직 이에 대한 이름과 설명은 붙이지 않았어요.
4) 테마: 클러스터의 진짜 의미에 이름 붙이기
(1) 정의
테마(Theme)에서 해석이 명시적으로 나타나요. 강한 테마는 이런 특성을 가져요.
- 이 항목들이 왜 함께 속하는지 설명한다
- 짧고 명확한 문장으로 표현된다
- 사용자의 의도, 긴장, 또는 맥락을 반영한다
두 가지 테마 이름을 비교해볼게요.
| 약한 테마 | 강한 테마 |
|---|---|
| “온보딩 이슈” | “초기 설정이 되돌릴 수 없는 실수에 대한 두려움을 만든다” |
| “성능 문제” | “느린 피드백이 사용자의 진행 감각을 깨뜨린다” |
강한 테마는 팀에게 토론하고 행동할 수 있는 무언가를 제공해요.
(2) 사례: 클라우드 기반 문서 협업 도구
팀이 각 클러스터를 검토하며, 그룹핑된 행동들의 공통점이 무엇인지 물었어요.
첫 번째 클러스터에 대해 이렇게 테마 카드를 작성했어요.
“초기 설정 결정이 되돌릴 수 없다고 느껴진다”
이 테마가 연결한 것들이에요.
- 망설임
- 안심을 구하는 행동
- 프로덕트를 떠나 외부에서 확인하는 행동
두 번째 클러스터에는 또 다른 테마를 만들었어요.
“사용자가 너무 이른 시점에 남에게 보이는 행동을 피한다”
이 테마가 연결한 것들이에요.
- 초대 건너뛰기
- 기본 콘텐츠 삭제
- 설정 완료 후 감정적 해방
각 테마는 전체 보드가 아니라, 하나의 클러스터에 명시적으로 연결되었어요.
5) 인사이트: 클러스터에서 인사이트 문장으로
(1) 정의
테마를 검증하는 유용한 방법은 이것을 문장으로 만들어보는 거예요.
“___이기 때문에, 사용자는 ___하는 경향이 있고, 이것이 ___로 이어진다.”
이 문장이 모호하거나 억지스럽게 느껴진다면, 테마가 아직 너무 추상적일 수 있어요.
이 단계에서 어피니티 다이어그래밍이 의사결정과 연결되기 시작해요. 무작정 해결책을 만드는 데에 뛰어들지 않으면서요.
(2) 사례: 클라우드 기반 문서 협업 도구
팀이 각 테마를 인사이트 문장으로 전환했어요.
“초기 설정 결정이 되돌릴 수 없다고 느껴진다”에서:
워크스페이스 생성이 영구적으로 보이기 때문에, 사용자는 멈추거나, 안심을 구하거나, 안전을 확인하기 위해 프로덕트를 떠나는 경향이 있고, 이것이 온보딩 플로우의 중단으로 이어진다.
“사용자가 너무 이른 시점에 남에게 보이는 행동을 피한다”에서:
초기 행동이 사회적으로 노출된다고 느껴지기 때문에, 사용자는 다른 사람을 초대하거나 콘텐츠를 만드는 것을 미루는 경향이 있고, 이것이 첫날 참여도 약화로 이어진다.
이 인사이트들은 원본 노트와 대조하여 여전히 유효한지 검토되었어요.
다른 센스메이킹(Sensemaking) 프레임워크에 익숙하다면, 유사점을 느낄 수 있을 거예요.
| 어피니티 다이어그램 레이어 | 비교 가능한 개념 |
|---|---|
| 원시 데이터 | 관찰 / 노트 |
| 클러스터 | 개념(Concept) |
| 테마 | 명제(Proposition) 또는 상위 수준의 의미 |
이 유사성은 우연이 아니에요. 많은 센스메이킹 방법이 디테일에서 의미로 이동하는 패턴을 따르거든요. 어피니티 다이어그래밍은 그 패턴의 가장 접근하기 쉬운 버전 중 하나예요.
지난 편에서 클러스터링, 테마 명명, 인사이트 문장 전환까지의 과정을 살펴봤어요. 이번 편에서는 좋은 어피니티 다이어그램과 나쁜 어피니티 다이어그램의 차이, 그리고 품질을 평가하고 유지하는 방법을 알아볼게요.
2. 좋은 어피니티 다이어그램 vs 나쁜 어피니티 다이어그램
팀이 어피니티 다이어그래밍을 마칠 즈음이면, 벽(또는 보드)이 꽤 인상적으로 보이곤 해요. 하지만 시각적 밀도가 인사이트를 보장하지는 않아요.
1) 나쁜 어피니티 다이어그램의 특징과 실패 원인
“나쁜” 어피니티 다이어그램은 보통 조용히 실패해요. 그 순간에는 잘못된 느낌이 들지 않지만, 이후에 활용할 수 있는 게 거의 없죠.
흔한 증상이 있어요.
- 모호한 명사로 라벨이 붙은 클러스터
- 문제 영역을 재진술하는 수준의 테마
- 데이터까지 추적할 수 없는 인사이트
- 일주일 후에 아무도 참조하지 않는 다이어그램
구체적인 예시를 볼게요.
| 패턴 | 왜 무너지는가 |
|---|---|
| 키워드 목록 (“네비게이션”, “성능”) | 의미가 아니라 영역을 설명할 뿐 |
| 지나치게 넓은 테마 (“UX 이슈”) | 차이를 설명하지 않고 숨겨버림 |
| 성급한 결론 (“사용자가 X를 싫어한다”) | 제한된 근거를 과잉 해석 |
| 장식적 다이어그램 | 깔끔해 보이지만 의사결정을 안내하지 못 함 |
이런 다이어그램은 죽은 산출물이 되기 쉬워요. 문서화되고, 곧 잊히죠.
약한 어피니티 다이어그램이 만들어지는 원인은 게으름이 아닌 경우가 대부분이에요. 보통 이런 이유 때문에 발생하죠.
- 빠르게 진행해야 한다는 압박을 느낀다
- 합의를 너무 일찍 원한다
- 기존 멘탈 모델로 기본값이 돌아간다
- 라벨 붙이기를 이해와 혼동한다
클러스터에 이름 붙이기가 불편할 때, 팀은 안전하고 포괄적인 용어에 손을 뻗곤 해요. 불행히도 그런 용어들이 다이어그램의 설명력을 빼앗아가죠.
2) 좋은 어피니티 다이어그램의 특징과 품질 평가법
좋은 어피니티 다이어그램은 사고의 발판(Thinking Scaffold)처럼 작동해요. 세션이 끝난 후에도 팀이 더 명확하게 추론할 수 있도록 도와주죠.
보통 이런 특성으로 알아볼 수 있어요.
- 테마가 설명 가능한 문장으로 표현된다
- 클러스터가 행동, 의도, 또는 긴장을 반영한다
- 불일치가 보이고 기록된다
- 원시 데이터가 여전히 부착되어 참조 가능하다
강한 어피니티 다이어그램은 대화를 촉진시켜요.
품질을 평가하는 가장 신뢰할 수 있는 테스트 중 하나가 있어요.
리서치 세션에 참석하지 않은 팀원이 이 다이어그램을 보고 무슨 의미인지 이해할 수 있는가?
답이 “아니오”라면, 다이어그램에 고도화 필요해요.
강한 어피니티 다이어그램은 특별한 설명 없이도 이해될 수 있어요. 왜냐하면 다음과 같은 조건이 충족되기 때문이에요.
- 언어가 의미를 담고 있다
- 예시가 추상성을 구체화한다
- 구조가 인사이트가 도출된 과정을 반영한다
3) 인사이트를 잃지 않는 문서화
또 다른 흔한 실패는 과도한 문서화예요.
팀이 다이어그램을 너무 일찍 고정시키면, 다음과 같은 기회를 잃게 되거든요.
- 테마 언어를 정제하기
- 클러스터를 분할하거나 합치기
- 새로운 데이터가 도착할 때 가정을 재검토하기
더 건강한 접근법은 다이어그램을 버전이 있는 사고(Versioned Thinking)로 대하는 거예요.
사용자 리서치를 진행하면서 새로운 데이터를 포착하고, 인사이트를 재활용하고, 발전시켜 나가며 다이어그램을 살아있게 만드는 거예요.
다음 편에서는 어피니티 다이어그램이 디자이너를 넘어 전략, 엔지니어링, 크로스펑셔널 정렬에 어떻게 기여하는지, 그리고 시리즈를 마무리할게요.
어피니티 다이어그램 시리즈
(1) UX 리서치 데이터가 인사이트로 이어지지 않는 이유