Journal Archive

2017년 CES(consumer electronics show)에서 선보인 포드의 IVI(in-vehicle infotainment)서비스인 SYNC는 아마존 에코의 음성비서 엔진인 Alexa와 만나 자동차 내부 뿐만 아니라 거실과 안방에서도 자동차를 음성으로 제어할 수 있게 되었다. 해당 서비스에서 제공하는 기능으로 집 안에서 자동차 이용 일정과 전장 세팅을 설정할 수 있다. 또한 집 안에서 자동차 시동을 미리 걸어 Ready-to-go 상태로 대기시키고, 반대로 자동차 안에서 집안의 조명/온도/엔터테인먼트 기능을 명령할 수 있다.

삼성전자와 LG전자는 2016년 굽어 있거나(Curved), 말리거나(Rollable), 투명(Transparent)인 디스플레이를 선보이면서 자동차 내/외부의 사용자와 동승자, 혹은 보행자를 위해 사용될 수 있는 기술을 만들었다. 이러한 디스플레이는 현재 소형 전방표시장치(HUD; head up display)에 적극 사용되고 있으며 미래에는 앞/뒤 유리 및 창문에 유기 반도체를 삽입한 투과형 방식을 통해 선명한 정보를 유저에게 제공할 수 있다.

맥락인식(Context Awareness) 기술은 여러 센서로부터 수집한 데이터를 통해 사용자의 상황을 인지하고, 실시간으로 맥락을 이해하는 데 초점을 맞춘다. 위성 항법 장치(GPS; global positioning system), Wi-fi(wireless fidelity), 무선인식(RFID; radio frequency identification), 모션 센서, 소리 등 여러 신호를 수집해 분석하며, 사용자의 일정, 문자 메시지나 행동 정보 등을 가져와 ‘사용자가 어떤 사람인지’, 그리고 ‘현재 어떤 상황인지’ 등을 추론한다[11]. 현재까지 개발된 맥락 인식 기술로 주행 중인 운전자의 얼굴 랜드마크 감지를 통해 지속적으로 변화하는 값의 조합을 분류 및 학습하여 레이블링 된 사용자 감정을 유추하는 것이 가능하다[12]. 또한 에이전트와 대화하는 사용자의 음성 운율 조합을 통해서도 사용자의 감정 유추가 가능하다[13].

어펙티바(Affectiva)의 자동차 감성지능 플랫폼인 '어펙티바 자동차 AI는 운전자와 승객의 얼굴과 목소리에서 오는 복잡한 감정 상태를 이해하고 기쁨, 분노 및 놀람과 같은 표정과 감정뿐만 아니라 분노의 정도, 웃음의 표현과 하품, 눈가림 및 눈 깜박임 속도, 신체적 산만(제스처)도 감지한다. 이 시스템은 컴퓨터 비전, 머신러닝 및 딥러닝을 사용하여 감정을 분류하는 알고리즘을 학습한다. 또한 감정 데이터베이스는 75 개국에서 약 6 백만 명의 얼굴로 분석되었으며, 5,313,751 개의 얼굴 비디오와 38,944 시간의 데이터를 분석, 현재 약 20 억 개의 얼굴 프레임을 분석하고 나타낸다[14].

서비스 디자인(Service Design)이란, 고객이 서비스를 순차적으로 이용하면서 접하게 되는 접점에서 경험하는 서비스 가치를 모든 이해 관계자가 협력하여 디자인함으로써, 서비스의 내용을 구체화하고 고객에게 더 매력적인 경험을 제공하기 위한 일련의 활동을 나타낸다[15]. 본 연구에서는 자율주행환경에서의 신뢰성 향상을 위한 서비스 발굴을 목표로 하며, 이를 위해 디자인 카운슬(Design Council)의 ‘더블 다이아몬드 디자인 프로세스 모델’(The double diamond design process model)[16] 을 기초로 그림 3과 같이 발견(Discover) > 정의(Define) > 개발(Develop) > 전달(Deliver)의 4단계의 과정을 거친다. 첫 번째 다이아몬드는 Discover와 Define의 단계로 문제를 정의하고 기회를 발견하는 단계이며 두 번째 다이아몬드 Develop과 Deliver는 서비스의 콘셉트를 도출하고 아이디어의 세부 내용을 정리하는 단계이다. 앞의 방법론을 기반으로 Discover 단계에서 심층 인터뷰를, Define 단계에서는 퍼소나 설정을, Develop에서 사용자 시나리오를 작성하였고, Deliver 단계에서는 서비스 콘셉트 및 기능 설명을 통해 서비스를 구체화하였다.

Fig. 3. 
Service Design Process; Double Diamond

사용자들의 여행 행태 및 니즈(needs)를 파악하여 자율주행 서비스로 제공해야 할 여행의 모습을 찾고자 여행을 즐기는 20-30대 대학생, 직장인 등 남녀 20명을 대상으로 2018년 07월 10일 ~ 2018년 07월 17일까지 7일에 걸쳐 심층 인터뷰를 진행하였다.

총 6개의 항목에 대해 약 30분에서 1시간가량 인터뷰하였다. 질문은 여행 전, 중, 후 3단계로 나누어 인터뷰 대상자의 각 단계 별 행동과 경험에 대한 세부질문으로 구성하였다. 인터뷰 대상자의 답변에 따라 추가적인 질문을 통해 대상자들의 여행 경험에 대한 심도 깊은 이해를 하고자 하였다. 그리고 난 후 이를 통해 사용자 인사이트를 도출하였다. 심층 인터뷰의 질문 가이드라인은 표 1의 항목을 따랐다.

심층 인터뷰 결과, 인터뷰 대상자들은 공통적으로 여행 준비 단계에서 정보의 과잉으로 원하는 정보를 찾는데 어려움을 겪었고, 선택에 혼란을 주는 정보로 인해 스트레스를 받았다. 반면에 여행을 준비하면서 자신이 몰랐던 새로운 곳을 발견했을 때 설레며 일부는 여행 자체가 주는 기대감과 설렘이 크다고 답변했다. 인터뷰 대상자들은 자신의 개인 사회관계망 서비스(SNS)에 여행관련 사진, 정보 등을 공유하며, 공유하지 않는 경우에는 개인용 클라우드나 기타 저장매체에 기록한다고 답했다. 여행 중 가장 힘든 점은 계획이 추가, 변경, 취소 등 수정되었을 때 새롭게 루트를 짜기 위한 과정이라고 하였으며, 계획한 곳은 아니지만 여행 도중 눈에 띄는 곳이 있다면 멈춰 서서 구경해 본 적이 있다고 답변하였다. 인터뷰 대상자들이 여행 중 가장 많이 이용하는 엔터테인먼트 요소는 음악으로 나타났다. 여행 후 지난 여행이 생각날 때는 저장해둔 사진을 보았고, 재방문을 계획한 답변자도 있었다.

심층 인터뷰를 통해 발견한 인사이트는 다음과 같다. 첫 번째, 사용자들은 구체적으로 세워진 계획에 의한 여행보다 떠나는 시간 자체에 몰입하는 여행을 원한다. 두 번째, 여행지에서 의도치 않았던 뜻밖의 장소를 발견하거나 사용자만의 감성 장소를 발견하였을 때 여행에 대한 만족감이 높아진다. 세 번째, 여행 관련 정보 과잉으로 오는 피로는 사용자들을 계획 없이 떠나는 즉흥 여행, 목적지에 임의성을 부여하는 랜덤 여행 등을 하도록 만든다.

퍼소나란 디자이너로 하여금 제품 혹은 서비스를 이용할 사람들에 대한 이해를 돕기 위해 개발된 가상의 인물을 뜻하며[17] 1999년 앨런 쿠퍼(Alan Cooper)가 본인의 저서 ‘정신병원에서 뛰쳐나온 디자인’에서 처음 소개한 개념이다. 퍼소나를 설정하는 이유는 퍼소나를 통해 그들이 어떤 가치를 필요로 하는지, 니즈는 무엇인지를 그들 입장에서 생각해 볼 수 있으며 특정한 상황 속에서 퍼소나가 어떻게 행동할 것인가, 어떻게 느낄 것인가를 예측해 볼 수 있는 기회가 되기 때문이다.

그림 4와 5는 심층 인터뷰를 통해 발견한 인사이트를 토대로 도출한 퍼소나이다. 이들은 차량을 보유하였으며 일상 속에서 여행에 대한 욕구를 가지고 있다. 퍼소나A는 20-30대의 젊은이들을 대표하는 퍼소나로 홀로 떠나는 여행을 두려워하지 않으며 새로운 곳을 발견하는 것에서 희열을 느낀다. 하지만 바쁜 일상으로 인해 여행을 위한 계획을 설정하고 시간을 내는 것이 쉽지 않으며 누군가 기분전환을 시켜줄 뜻밖의 장소로 이끌어 주길 바란다. 퍼소나B는 자녀를 둔 40-50대를 대표하는 퍼소나로 주말을 이용해 자녀들과 교외로 나가 시간을 보내고 싶으나, 장시간 운전에 대한 부담과 운전으로 인해 자녀와의 대화 및 여정에 온전히 집중하기 어려운 상황이 불편한 것이 항상 고민이다.

Fig. 4. 
Persona A; Young adults

Fig. 5. 
Persona B; Mid-age adults

도출한 퍼소나와 심층 인터뷰 결과를 바탕으로 여행의 단계 별로 사용자 여정 지도(User Journey Map)를 그림 6과 같이 정리하였다. 사용자 여정 지도는 사용자의 경험을 시각화 하여 보여주기 때문에 여정의 흐름에 따라 사용자가 가지는 브레이크 포인트(Break Point)를 보다 정밀하게 분석할 수 있으며, 이를 통해 사용자가 느끼는 감정과 생각들을 이해할 수 있다.

Fig. 6. 
User Journey Map

여행 전 단계에서 사용자들은 여행 자체에 대한 기대감을 갖지만 여행을 떠나기 위해 양질의 정보를 찾는 것에 피로를 느꼈다. 또한 현재와 같은 수동 운전 환경에서는 운전에 집중해야 하는 상황으로 인해 여행에 100%를 집중하기 어려워했으며, 장시간 운전을 해야 하는 여행에 대해 부담감을 가지고 있었다. 이는 자율 주행 환경에서는 자연스럽게 해결될 문제이다. 따라서 이러한 브레이크 포인트가 해소된다면 사용자들의 만족도가 크게 증가할 수 있을 것이다.

여행 중 단계에서 사용자들은 기존에 세운 여행 계획에서 벗어나게 될 경우에 불안을 느끼게 되며, 계획을 수정하기 위해 제한된 시간 내 정보를 찾는 것에 스트레스를 받았다. 반면에 기대하지 못했던 뜻밖의 장소를 발견하거나, 뜻밖의 즐거움을 얻게 될 경우 여행에 대한 만족도가 상승했다. 사용자들이 여행을 즐기며 하는 공통된 행위로, 여행을 즐기기 위해 음악과 같은 엔터테인먼트 요소를 추가한다는 사실을 발견하였다.

여행 후 단계에서는 많은 사용자들이 여행을 정리하고 기록하는 것에 니즈를 갖고 있었지만 이를 관리하는 것에 어려움을 겪었으며, 지난 여행 정보를 적시적기에 찾는 것에서 불편함을 드러냈다. 이는 쌓이는 정보를 효율적으로 관리할 수 있는 수단자체가 없거나 있더라도 이를 관리하는데 이차적인 수고가 들어가기 때문으로 보였다.

사용자 시나리오란 사용자가 겪을 수 있는 다양한 상황을 예측하고 설계하여 그들에게 어떤 사용자 경험을 제공할 것인가를 디자인하는 단계로, UX 디자인 설계의 모든 과정에 반드시 필요한 절차이다[18]. 심층 인터뷰, 퍼소나를 종합하여 자율주행 환경에서의 두 가지 사용자 시나리오를 다음과 같이 작성하였다.

첫 번째 시나리오는 차량 내 AI 에이전트가 바쁜 일상에 지친 사용자A의 상태를 파악하고 기분 전환을 위한 랜덤 여정을 추천한다. AI 에이전트의 추천 여정을 받아들인 A에게 AI 에이전트는 여정을 더 즐겁게 만들기 위한 동승자를 추천하고 동승자에게 여정 동의 메시지를 보낸다. 이를 수락한 동승자를 픽업하고 여정은 시작된다. 여정 목적지로 떠나는 중간, 사용자와 동승자의 대화 맥락을 파악한 AI 에이전트는 유동적으로 여정 목적지를 변경해 주고 사용자 맞춤형 여정을 꾸려 나간다. 여정이 끝난 후 사용자A가 동승자에게 여정동안 기록한 사진을 공유한다. 그림 7은 AI 에이전트가 사용자의 상태를 파악하고, 사용자의 현 상태를 반영한 여정지를 추천해주는 모습, 즉 서비스제안의 순간을 보여준다. 그림 8에서는 여정 중에 사용자를 더욱 즐겁게 만들어 주기 위한 동승자를 추천하고, 동승자의 현 위치를 파악하여 픽업루트를 설정하는 과정이다. 그림 9는 AI 에이전트가 이동 중 함께 즐길만한 엔터테인먼트 요소를 추천해주는 모습과 여정 종료 후 동승했던 각 사용자에게 여정을 공유하는 모습을 보여준다.

Fig. 7. 
User Status Identification and Journey Recommendation Scenario

Fig. 8. 
Fellow Passenger Recommendation and Pick-up Service Scenario

Fig. 9. 
Music Recommendation and Journey Sharing Scenario

두 번째 시나리오는 앞선 시나리오와 마찬가지로, 차량 내 AI 에이전트가 사용자B와 그의 자녀C간에 나누는 어색한 대화 및 상황을 판단하여 여정을 제안한다. 여정을 수락한 B와 C는 지정한 날짜에 여정을 출발하고 AI 에이전트는 B와 C의 대화가 어색해지려는 찰나 음악을 추천하거나 대화를 유도하는 등 사용자의 여정 시간을 풍부하게 만들어 준다. 또한 여정이 끝난 후 여정을 기록해 주어 사용자가 추억을 간직할 수 있도록 도움을 준다. 그림 10은 여정 중 음성 탐지를 통해 대화가 없는 탑승자 간에 대화를 유발하기 위해 AI 에이전트가 먼저 발화를 하여 주의를 환기시키는 모습이고, 그림 11은 사용자가 여정동안 생성된 사진을 선택하면 AI 에이전트가 선택된 사진을 종합하여 여정을 기록해 주는 모습이다.

Fig. 10. 
Inter-Passenger Conversation Inducing Scenario

Fig. 11. 
Photo Selection and Journey Recording Scenario

감정 교감을 통한 개인 맞춤형 케어 서비스는 첫 번째, 사용자의 감정 및 상황 맥락에 맞춰 랜덤으로 사용자에게 여정을 추천한다. 사용자가 자동차에 탑승한 순간부터 Eye Tracking, 맥박 센서, 체열 감지 등의 기능을 이용하여 사용자의 피로도와 스트레스 추이를 주기적으로 수집 및 분석한다. 이를 통해 사용자의 감정을 파악하고 기록한다. 또한 사용자의 음성 및 대화 내용에서 추출한 상황 맥락 키워드는 자동차가 사용자를 이해하는데 쓰이는 중요한 데이터로 사용자와 자동차 사이 교감의 기반이 된다. 두 번째, 기록된 여정 데이터 및 사용자의 감정 변화 데이터를 기반으로 사용자 맞춤 동승자를 추천한다. 동승자를 추천하는 방식은 2가지로, 비슷한 랜덤 여정을 함께 했던 동승자 데이터 기반과, 사용자와 동승자가 함께 있을 때의 감정 변화 추이 데이터를 기반으로 한 방식이 있다. 세 번째, 사용자가 여정 중일 때 사용자의 감정과 상황 맥락을 항상 감지하고 이를 기반으로 사용자 감정을 주제로 대화를 시도한다. 누적 분석된 사용자의 대화 맥락과 동승자 인터렉션에서 발생되는 감정 분석 결과는 차후 랜덤여정과 동승자 추천 등 잠재적 서비스 제공 기회를 물색하는데 사용한다.

맥락변화에 따른 주행환경 모드 및 여정 속성 자동 변환 기능은 첫 번째, 사용자와 동승자의 상황 및 대화 맥락 모두를 고려하여 실시간으로 여정을 추천 및 업데이트한다. 탑승자의 신체적/심리적 변화에 따라 함께 변화하는 ‘뜻밖의 여정’은 놀라움을 주면서 지속적인 기대감을 제공한다. 두 번째, 고려된 사용자의 맥락에 따라 운전 모드가 자동으로 전환된다. 예를 들어, 천천히 오래 즐겨야 하는 여정의 경우 서행 모드를 제공하고, 사용자의 흥분도가 높은 경우, 부드럽고 안정감을 느낄 수 있는 모드로 전환한다. 이는 실내 무드 전환으로도 사용될 수 있는데, 날씨 및 외부 환경 변화 및 랜덤 여정 전반의 분위기 맥락에 따라 숙면을 위한 취침모드, 학습을 위한 스탠드모드, 엔터테인먼트 요소를 위한 미러볼 모드 등으로 전환된다. 여정과 탑승자 상태에 따라 변화하는 자동차의 내외부적 반응은 여정의 ‘새로움’을 공감각적으로 느끼게 해줄 뿐 아니라, 감정 교류를 극대화시키는데 기여한다.

여정 몰입감을 위한 엔터테인먼트 기능은 첫 번째, 차 안에서 이루어지는 대화 맥락 및 감정 변화를 감지하고 적시적기에 음악 추천 및 즉각적인 대응으로 사용자들에게 즐거움을 제공해 준다. 이를 통해 사용자에게 AI 에이전트가 항상 사용자의 상태를 살피고 사용자를 최우선으로 하고 있음을 알리고 사용자의 여정에 대한 몰입감을 상승시킨다. 두 번째, 사용자의 풍부한 랜덤 여정 경험을 위해 사용자 위치를 기반으로 목적지 혹은 근처 명소에 대한 역사, 지리, 문화적 설명을 제공하는 도슨트 기능을 제공한다. 또한 랜덤 목적지 도착 후에도 관련 정보를 사용자 스마트폰으로 전송하여 차 이외의 공간에서도 연속성 있는 여정을 즐길 수 있도록 해준다.

사용자의 지속사용을 위한 여정 기록 공유 플랫폼 제공 기능은 자동차에 저장된 모든 데이터를 모바일 및 웹 환경 뿐 아니라 다양한 소셜 플랫폼으로 공유할 수 있도록 한다. 사용자의 여정 기록은 자체 서버로 전송되어 다른 사용자와 공유되며 공유 기능 활성 및 비활성화는 사용자의 선택에 따라 조절 가능하다. 여정 플랫폼은 사용자의 소중한 순간들을 기록해줌으로써 사용자가 여정 동안 느꼈던 다양한 감정과 설렘을 여정이 끝난 후까지 지속적으로 연결하여 여운을 느낄 수 있도록 해준다. 이러한 공유 플랫폼은 사용자들간 유대감을 형성하는데 기여하며, 축적된 데이터는 감정/맥락 기반의 추천 알고리즘을 더욱 강화시키고 이를 통해 사용자는 맞춤화 된 서비스를 이용하게 된다. 이러한 공유 플랫폼은 결과적으로 사용자와 서비스의 UX 접점의 순환을 강화시킴으로써 서비스 Lock-in효과를 나타낼 수 있도록 해준다.