2nd/10_Wiki/Topics/Thinking & Reasoning/User Research.md

id, title, category, status, verification_status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, review_reason, merge_history, tags, raw_sources, applied_in, github_commit

id	title	category	status	verification_status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	created_at	updated_at	review_reason	merge_history	tags	raw_sources	applied_in	github_commit
user-research	User Research	10_Wiki/Topics	draft	conceptual		Empathy Work User Insights Discovery Phase		B	0.85	2026-05-23	2026-05-23			research design thinking empathy human-centered-design	NotebookLM Synthesis	Case: Indian Private Bank Loan Process Case: Pillpack Pharmacy Service Case: Innova Schools Case: Nurse Knowledge Exchange (NKE+)

User Research

🎯 한 줄 통찰 (One-line insight)

사용자 연구는 단순한 데이터 수집을 넘어 사용자의 행동, 물리적·정서적 니즈, 가치관에 대한 깊은 공감을 통해 해결해야 할 '진짜 문제'를 발견하고 정의하는 핵심 수단이다 [1-3].

🧠 핵심 개념 (Core concepts)

• 공감(Empathy): 인간 중심 설계의 핵심으로, 사용자가 세상을 바라보는 방식과 그들에게 의미 있는 것이 무엇인지 이해하려는 노력이다 [1, 4].
• 관찰(Observe): 사용자의 행동과 환경 내 상호작용을 지켜봄으로써 그들이 생각하고 느끼는 것, 그리고 필요한 것에 대한 단서를 얻는 과정이다 [5, 6].
• 관여(Engage): 인터뷰와 대화를 통해 사용자의 가치관을 확인하고, 그들이 들려주는 이야기를 통해 심층적인 신념을 포착하는 것이다 [7, 8].
• 합성(Synthesis): 관찰과 대화에서 얻은 파편화된 정보를 연결하고 패턴을 찾아내어 실행 가능한 통찰(Insight)로 변환하는 작업이다 [9, 10].

🧩 추출된 패턴 (Extracted patterns)

• 말과 행동의 불일치(Say-Do Disconnect): 사용자가 말하는 내용과 실제 행동 사이의 격차를 포착할 때 가장 강력한 깨달음(Realization)이 발생한다 [8, 11].
• 임시방편 우회로(Work-around): 사용자가 문제를 해결하기 위해 스스로 고안한 보조 수단이나 변칙적인 사용법은 기성 솔루션의 결함과 새로운 기회를 드러낸다 [8].
• 비선형적 루프(Non-linear Looping): 연구는 프로세스의 시작뿐만 아니라 프로토타입 테스트 이후 새로운 유스케이스가 발견될 때 언제든 다시 수행되는 반복적 특성을 가진다 [12-14].

📖 세부 내용 (Details)

사용자 연구는 디자인 사고의 '공감(Empathize)' 단계에서 시작되어 전체 프로세스를 관통한다.

• 조사 기법:

  • 관찰 및 시연: 사용자의 삶의 맥락 속에서 그들의 행동을 관찰하며, 특히 특정 과업을 수행할 때 생각나는 것을 소리 내어 말하게(Vocalize) 유도한다 [8, 15, 16].
  • 심층 인터뷰: 미리 준비된 질문에 얽매이지 않고 대화 형식으로 진행하며, "왜(Why)?"라는 질문을 반복하여 깊은 의미를 파헤친다 [8, 17].
  • 몰입(Immersion): 설계자가 직접 사용자의 일상 속으로 들어가 그들의 경험을 몸소 느끼는 방식이다 [18, 19].

• 데이터 처리 및 분석:

  • Unpacking: 조사에서 보고 들은 모든 정보(사진, 인용구, 여정 지도 등)를 벽에 시각적으로 게시하여 팀원과 공유하고 연결고리를 찾는다 [20, 21].
  • 공감 지도(Empathy Maps): 사용자가 무엇을 말하고(Say), 하고(Do), 생각하고(Think), 느끼는지(Feel)를 분류하여 시각화함으로써 팀의 이해를 일치시킨다 [22].

• 2026년 기준 현대적 접근:

  • AI 협업: 대규모 인터뷰 데이터나 글로벌 트렌드에서 패턴을 분석할 때 AI를 활용하지만, 어떤 데이터가 의미 있는지를 결정하는 최종 판단은 여전히 인간 팀의 몫이다 [23-25].
  • 하이브리드 테스트: 실제 사용자 상호작용과 데이터 기반 시뮬레이션을 결합하여 장기적인 사용자 행동을 예측하기도 한다 [26, 27].

⚖️ 모순 및 업데이트 (Contradictions & updates)

• 과거 데이터 vs 실제 열망: 전통적 연구가 과거 데이터나 통계적 가이드라인에 의존하는 반면, 디자인 사고 기반의 사용자 연구는 사용자가 진정으로 원하는 것(Desirability)과 인간적 맥락에 우선순위를 둔다 [28, 29].
• 방법론의 유연성: 이론적으로는 선형적인 단계로 설명되지만, 실제 현장에서는 테스트 결과가 연구 단계의 오류를 드러낼 경우 즉시 초기 단계로 돌아가는 유연한 적용이 강조된다 [30, 31].

🛠️ 적용 사례 (Applied in summary)

• 인도 대형 개인 은행 (Loan Drop-off 사례): 모바일 대출 신청 중도 포기 원인을 UX 문제가 아닌 '신용 점수 하락에 대한 고객의 불신'이라는 심층적 인식 문제임을 인터뷰를 통해 발견하고 해결함 [32-34].
• Pillpack: 사용자가 약국과 상호작용하는 방식을 재정의하기 위해 심층적인 사용자 연구를 바탕으로 서비스를 설계함 [35].
• 간호사 지식 교환 (NKE+): 간호사들의 업무 교대 시 정보 전달 방식을 개선하기 위해 6개월간의 현장 관찰과 인터뷰를 거쳐 시스템을 구축하고 125개 병동에 확산함 [36, 37].
• 헬스케어 연구 리뷰: 유방암 생존자 교육, 폐 이식 환자 자가 관리 등 24개 이상의 의료 분야 연구에서 사용자 연구 기반의 개입이 전통적 방식보다 높은 만족도와 효과를 보임을 증명함 [29, 38-47].

✅ 검증 상태 및 신뢰도

• 상태: draft
• 검증 단계: conceptual (인도 은행 및 NKE+ 등 실무 적용 사례가 소스에서 명확히 확인됨)
• 출처 신뢰도: B (Official Documentation / Primary Source via NotebookLM - d.school, NN/G, IDEO U, Voltage Control 자료 합성)
• 중복 검사 결과: 신규 생성 (New discovery)

📝 변경 이력 (Change history)

• 2026-05-23: Initial draft generated via Datacollector_MAC P-Reinforce engine.