머신러닝 기반 프롬프트형 검색인터페이스를 활용한 시장분석 범위 선정의 효율성 및 사용성 연구
A Study on the Efficiency and Usability of Market Analysis Scope Selection Using a Machine Learning-based Prompt-driven Search Interface
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
기존의 단계적 검색이나 키워드 기반의 전체 텍스트 검색 인터페이스는 사용자가 명확한 산업 분류나 검색어를 알고 있어야 한다는 전제 하에 설계되어, 정의되지 않은 새로운 시장의 범위를 탐색해야 하는 서비스 기획자에게 높은 인지적 부하와 좌절감을 유발하는 근본적 한계를 가진다. 이러한 문제 인식 하에 본 연구는 자연어 질의를 통해 사용자의 의도를 추론하는 머신러닝 기반 프롬프트형 검색 인터페이스가 시장분석 범위 선정 과업에서 전통적 방식보다 우수한지를 실증적으로 검증하고자 하였다. 본 연구는 과업 효율성(완료 시간), 효과성(정확도)과 같은 객관적 지표와 시스템 사용성(S US), 주관적 인지 부하(NASA-TLX)와 같은 주관적 지표를 함께 측정했다. 분석 결과, 프롬프트형 검색 인터페이스는 모든 지표에서 다른 두 방식에 비해 통계적으로 유의미하게 더 높은 과업 성공률과 정확도, 더 빠른 수행 속도를 보였고, 사용자 경험 측면에서도 압도적인 우수성을 입증했다. 결론적으로, 본 연구 결과는 프롬프트형 인터페이스가 단순한 편의성 개선을 넘어, 사용자의 탐색 행동을 근본적으로 변화시키는 중요한 역할을 함을 시사한다. 이는 불확실성이 높은 초기 기획 단계를 지원하는 차세대 AI 서비스 및 전문가 시스템을 위한 구체적인 UX/UI 디자인 가이드라인을 제공하며, 정보 탐색 과정의 초기 불확실성을 특정 인터페이스가 어떻게 해소하는지를 정량적으로 입증함으로써 인간-컴퓨터 상호작용(HCI)이론적 논의를 확장하는 데 기여한다.
Abstract
Conventional hierarchical or keyword-based full-text search interfaces are designed on the prem ise that users know clear industry categories or specific keywords. This presents a fundamental limi tation for service planners exploring new, undefined markets, causing high cognitive load and frustrat ion. Recognizing this problem, this study empirically verifies whether a machine learning-based, pro mpt-driven search interface, which infers user intent through natural language queries, is superior t o traditional methods for the task of market analysis scope selection. The study measured both obje ctive metrics, such as task efficiency (completion time) and effectiveness (accuracy), and subjective metrics, including system usability (SUS) and subjective workload (NASA-TLX). The analysis revea led that the prompt-driven interface was statistically and significantly superior to the other two met hods across all metrics, demonstrating higher task success rates, greater accuracy, and faster perfor mance, thereby proving its overwhelming superiority in user experience. In conclusion, the findings s uggest that the prompt-driven interface plays a crucial role that goes beyond simple usability impro vements by fundamentally transforming users' exploratory search behavior. This research provides c oncrete UX/UI design guidelines for next-generation AI services and expert systems that support th e highly uncertain initial stages of planning. Furthermore, it contributes to the expansion of theoretic al discussions in Human-Computer Interaction (HCI) by quantitatively demonstrating how a specific i nterface can resolve the uncertainty inherent in the early stages of the information-seeking process.