Persona Lab의 표본 설계에서 가장 날카로운 지점은 ‘디지털 리터러시’가 낮은 계층을 실제 인구 비율보다 높게 할당(20% → 25%)한다는 점이다. 이는 단순한 사회적 배려가 아니라, 제품이 시장의 최악의 조건에서도 작동할 수 있는지를 확인하는 ‘품질 보증(QA)’ 관점의 스트레스 테스트로 기능한다.
합성 페르소나 시뮬레이션의 진정한 가치는 ‘가장 스마트한 사용자’가 제품을 얼마나 잘 쓰는지가 아니라, ‘가장 어려움을 겪는 사용자’가 어디서 좌절하는지를 현미경처럼 들여다보는 데 있다. 리터러시 하위 그룹에서의 이탈 패턴을 연산함으로써, 제품은 비로소 보편적인 사용성을 획득하고 ‘서비스 하방 경직성’을 확보하게 된다. 이는 소수 대면 인터뷰에서는 포착하기 힘든 ‘거대한 소외’를 데이터로 가시화하는 작업이다.
근거
Persona Lab은 디지털 리터러시 ‘하’ 수준의 표본을 의도적으로 5%p 확대하여 디지털 소외층의 경험을 증폭시킨다. 이를 통해 50대 이상의 이탈률 급증이나 특정 진입장벽(예: 영문 입력)을 명확하게 식별해낸다.
“디지털 리터러시 보정: 하 수준 일반 비율 20% → 보정 비율 25% (디지털 소외층 의도적 확대)“
연결된 생각
- 20260607-persona-lab — 데이터 기반의 포용적 설계 구현체