← 홈으로

Brainmate

자동 분류 및 맞춤 콘텐츠 추천을 통해 사용자가 효율적으로 자료를 관리할 수 있는 지능형 아카이빙 서비스

개요

Brainmate는 AI 기반 분류 및 추천을 통해 사용자가 효율적으로 자료를 탐색하고 정리할 수 있도록 돕는 지능형 아카이빙 서비스입니다. 이 프로젝트는 정보 과부하 문제를 해결하고, 사용자에게 개인화된 아카이빙 경험을 제공하는 것을 목표로 합니다.

Role

프로젝트 목표 설정 주도

WBS 기반 작업회의 주도

In-Depth Interview 진행

HMW, Crazy8 세션 진행

스크린디자인 제작

Duration

개인 작업 : 2025.01 - 2025.05

팀 작업: 2024.09 - 2024.10

Tools

Figma
Chat GPT
Perplexity

문제 정의

정보 과부하 시대에 사용자들이 디지털 환경에서 콘텐츠 탐색 피로와 자료 정리 및 분류의 어려움을 겪고 있었습니다.

마켓 및 유저 리서치

경쟁사 조사를 통한 포지셔닝 맵 작성부터 175명 대상 서베이, 5명과의 심층 인터뷰까지 체계적인 리서치를 통해 사용자의 아카이빙 페인포인트와 니즈를 검증했습니다.

경쟁사 조사

아카이빙 및 자료 탐색 서비스의 경쟁사를 비교분석하고 다양한 축 특성을 적용하여 포지셔닝맵을 작성했습니다.

경쟁사 비교 분석 - Notion, Obsidian, RemNote 등 자료 정리 서비스 리서치

아카이빙 및 자료 탐색 서비스 경쟁사 비교분석 (연주님 작성)

가설 설계

데스크 리서치를 바탕으로 아카이빙 서비스에 대한 1차 가설을 설계했습니다.

리서치 메소드 선정

설정한 가설을 검증하기 위해 최적의 유저 리서치 방법을 선정했습니다.

서베이

질문지 작성 및 구조화부터 파일럿 테스트를 거쳐 정식 서베이를 진행하여 175명의 응답을 확보했습니다.

서베이 진행하여 175명 응답 확보 — 서베이를 통해 175명 응답 확보

심층 인터뷰

인터뷰지 작성부터 파일럿 테스트, 질문지 수정을 거쳐 5명의 참가자와 퍼소나 모델링을 거친 AI로 IDI를 진행했습니다.

질문지 작성 후 파일럿 테스트 진행 — 인터뷰지 작성 후 파일럿 테스트 진행

파일럿 테스트를 기반으로 IDI 질문지 수정 — 파일럿 테스트를 기반으로 IDI 인터뷰지 수정

UX 모델링

IDI 답변을 5개 항목으로 체계적 분류 및 그룹핑하여 Affinity Diagram을 진행하고, 사용자 특성을 반영한 퍼소나와 User Journey Map을 통해 핵심 인사이트를 도출했습니다.

Data Modeling

IDI 답변을 Pain Point, Needs, Behavior, Fact, Feeling 5개 항목으로 분류하고 각 항목별로 체계적인 그룹핑을 진행했습니다.

Pain Point, Needs, Behavior, Fact, Feeling 5개 항목으로 IDI 답변을 분류하고 각 항목별로 그룹핑했습니다.

첫번째 참가자 답변에서 사용한 데이터클렌징과 같이,IDI 참여자 6명의 답변에서 각각 5개 항목을 추출하여 항목별로 그룹핑했습니다.

Affinity Diagram

Pain Point와 Needs를 그룹핑하여 대표 Header를 선출하고 인사이트를 도출했으며, Behavior 항목도 같은 방법으로 사용자 행동 패턴을 추출했습니다.

Behavior 항목도 같은 방법으로 Affinity Diagram을 진행했습니다. 이 과정을 통해 구두로 진행한 인터뷰 답변으로부터 관련 서비스를 사용할 때 사용자들의 어떻게 행동하는지 추출할 수 있었습니다.

Persona

사용자들의 객관적 특성을 반영한 User Profile 작성을 거쳐 자료 탐색 성향 등을 바탕으로 최종 2개의 퍼소나 그룹을 생성했습니다.

Affinity Diagram을 통해 사용자들의 객관적인 특성을 반영하여 User Profile을 작성했습니다. 처음엔 Primary, Secondary, Tertiary를 작성했지만 타겟유저로서 Tertiary는 회의 끝에 삭제하고 Primary, Secondary로만 페르소나를 구성했습니다.

자료 탐색 성향 등의 특징 range를 양 극단에 표기하고 6명의 성향에 맞게 위치시켰습니다. 모여있는 유저를 그룹핑하여 최종적으로 2개의 퍼소나 그룹을 얻었습니다.

User Journey Map

퍼소나의 자료 정리 경향, 특징, 행동, 니즈와 페인포인트를 정리하여 각각 User Journey Map을 작성했으며, Primary와 Secondary 간 큰 차이가 없어 2개 퍼소나를 통합했습니다.

퍼소나의 자료 정리 경향, 특징, 행동, 니즈와 페인포인트를 작성했습니다.

생성된 퍼소나 2개를 바탕으로 User Journey Map을 각각 작성했습니다. 이 과정에서 Primary와 Secondary의 Journey Map에 큰 차이가 보이지 않았기 때문에 2개의 퍼소나를 통합하게 되었습니다.

UX 전략 도출

HMW 세션을 통해 17개의 핵심 질문을 추출하고 Crazy8으로 다양한 솔루션을 발산한 후, User Needs, Technical Capability, Business Value를 종합 고려하여 최종 UX Strategy를 도출했습니다.

HMW(How Might We)세션을 주도하여 서비스에 대한 질문을 발산하고 그룹핑하여 Header 질문 17개를 추출했습니다.

HMW에 이어 Crazy8 세션을 진행했습니다. HMW에서 발산한 각 질문에 대해 팀원 모두가 8개의 솔루션을 작성했습니다. — HMW에 이어 Crazy8 세션을 주도해 진행했습니다. HMW에서 발산한 각 질문에 대해 팀원 모두가 8개의 솔루션을 작성했습니다.

최종 UX 전략 - 사용자 니즈, 기술적 역량, 비즈니스 가치 종합 고려

끝없는 그룹핑과 치열한 토론과 쳐내는 과정을 거쳐 User Needs, Technical Capability, Business Value를 다각적으로 고려하여 최종적으로 UX Strategy를 도출했습니다.

솔루션

AI 기반 자동 분류, 지능형 태깅, 맥락적 검색을 핵심으로 하는 BrainMate 서비스를 설계하여 사용자 행동 학습을 통한 개인화된 아카이빙 경험을 제공하는 최종 솔루션을 완성했습니다.

BrainMate 서비스 솔루션 2 - 맥락적 검색 및 개인화 추천 시스템

BrainMate 서비스 솔루션 3 - 사용자 행동 학습 및 전체 서비스 구조

BrainMate 서비스 솔루션 4 - 인터페이스 디자인 및 사용자 경험 디자인

Learnings

팀원들의 회의적 반응에도 불구하고 HMW와 Crazy8 세션을 제안하고 진행하여 데이터에 매몰된 팀의 시각을 객관적으로 전환하는 계기를 만들었으며, 적절한 타이밍의 프로세스 전환이 팀 사고의 유연성을 높인다는 것을 배웠습니다. 62명 대상 투표를 통해 선정된 제 아이디어로 6명의 팀을 빌딩했으나, 초기 포괄적 목표 설정의 한계를 인지하고 Golden Circle 세션을 제안하여 서비스 목표를 재정립함으로써 명확한 UX 전략을 수립할 수 있었습니다. 데이터 기반의 직설적 피드백 문화와 명확한 소통 구조를 통해 불필요한 시간을 최소화하고 핵심 작업에 집중하여 프로젝트의 질적 완성도를 높였습니다.