AI 서비스 기획 03 - Mental Models

16 Mar 2023 in 서비스 기획 on ⁃ 기획, AI

안녕하세요, Daisy 입니다 ☺️

구글의 AI 서비스 R&D 조직 PAIR에서 제작한 “People + AI Guidebook”의 6단계의 가이드라인 중 Chapter 3에 대해 다뤄보도록 하겠습니다.

User Needs + Defining Success (사용자 니즈와 성공의 정의)
Data Collection + Evaluation (데이터 수집과 평가)
Mental Models
Explainability + Trust (설명 가능성과 신뢰)
Feedback + Control (피드백과 제어)
Error + Graceful Failure (오류와 정상적인 실패)

Chapter 3. Mental model

Chapter 3. Mental model

Intro

Chapter 3에서는 다음 주제를 바탕으로 이야기합니다.

사용자에게 AI의 어떤 측면을 설명해야 할까?
사용자에게 초기 시점 및 그 이후의 시점에도 AI를 어떻게 소개해야 할까?
마치 인간과 같은 AI를 도입하는 것의 장단점은 무엇일까?

Mental model은 현실세계에서 어떤 것이 어떻게 작동하는지, 그리고 어떻게 영향을 미치는지에 대한 사고 과정을 의미합니다. 사람들은 Product, 장소 및 사람 등을 포함하여 상호 작용하는 모든 것에 대한 Mental model을 형성합니다. 이러한 Mental model은 Product가 할 수 있는 것과 할 수 없는 것, 그리고 Product에서 얻을 수 있는 가치에 대한 기대치를 설정하는 데 도움이 되며, 경험들 간의 일종의 다리 역할을 할 수도 있습니다. 예를 들어, 자전거를 조종하는 방법을 알고 있다면 오토바이를 조종하는 방법에 대해서도 어느 정도 알고 있는 것과 같죠.

그러나 사용자의 Mental model은 Product가 실제로 수행할 수 있는 것과 항상 일치하지 않을 수 있습니다. 일치하지 않는 Mental model은 충족되지 않은 기대로 인한 좌절, 오용 및 Product에 대한 실망, 포기로 이어질 수 있습니다. 종종 Product 기획자는 Product에 대한 초기 UX를 고려하지 않거나 제품 작동 방식을 제대로 설명하지 않아 의도하지 않게 사용자에게 잘못된 Mental model을 설정할 수 있으므로 다음과 같이 4가지를 고려해야 합니다.

적응에 대한 기대치 설정 : AI는 시스템이 사용자에게 적응, 최적화 및 개인화할 수 있도록 하며, 확률 기반 (probability-based) UX는 시간이 지남에 따라 더욱 보편화 됨. 기존 Mental model의 친숙함을 기반으로 시스템을 구축하면 사용자는 편안함을 느낄 수 있음
단계별 온보드 : 사용자에게 AI 기반 Product를 소개할 때 할 수 있는 것과 할 수 없는 것, 어떻게 변할 수 있는지, 개선할 수 있는 방법을 확실히 설명해야 함
공동 학습 계획 : 사용자는 AI 기반 Product에 피드백을 제공함으로써, 모델을 조정하거나 상호 작용 방식을 변경하여 모델을 변화시킬 것이며, 사용자의 Mental model 또한 유사하게 변화할 것임
상호작용에 대한 사용자 기대치 고려 : 사람들은 인간과 같은 기능을 가지고 있다고 가정하는 Product에 대해 과도한 기대를 가질 수 있으므로, 현실적으로 사용자 기대치를 설정하여 의도하지 않은 실망을 방지하기 위해 Product의 알고리즘 특성과 한계를 전달하는 것이 중요함

1. 적응에 대한 기대치 설정

대부분의 Product는 매우 정적입니다. 간단한 예로 오늘 구입한 망치가 내일도 같은 망치라고 장담할 수 있죠. 오랜 기간 동안 반응성이 뛰어난 Product는 사용자의 입력에 따라 반응 방식을 조정할 수 있는 Product 입니다. 이러한 시스템은 결과가 유용했는지 여부를 추적하고 향후 응답 방식을 업데이트합니다. 예를 들어 스트리밍 미디어 서비스는 이전 항목과의 상호 작용을 기반으로 권장 사항을 조정한다면, 사용자 상호 작용을 기반으로 Product가 적응해나갈 것이라고 기대할 수 있습니다.

Product와 경험에서 AI가 보편화 됨에 따라 사용자의 응답에 따라 경험이 변화하는 것을 더 많이 볼 수 있습니다. AI 기반 Product의 효과적인 Mental model을 생성할 수 있는 가장 큰 기회 중 하나는 기존 모델을 기반으로 하는 동시에 사용자에게 입력과 Product의 결과 간의 동적인 관계를 학습시키는 것입니다.

1-1. 기존 Mental model 식별

Product가 AI를 사용하여 해결할 문제가 있다면, 사람들이 이 문제를 어떻게 해결하는지 생각해봅시다. 기존 솔루션은 Product에 대한 초기 Mental model을 알려줄 가능성이 큽니다. 예를 들어, 사람들이 현재 이메일에 수동으로 Label을 지정한다고 하면, AI를 탑재한 이메일 Product가 사용자와 동일한 프로세스를 따른다고 가정할 수 있습니다. 이 경우 사람은 이메일을 읽은 후 의미, 컨텍스트 및 중요성에 대해 생각해보고 그에 따라 Label을 지정하겠죠. 반면, 모델은 다른 요인 (메시지가 전송된 시간 또는 이메일 길이)을 사용하여 Label을 결정할 수 있고, 사용자는 이 사실을 통해 놀라움을 느끼게 될 것입니다.

사용자와 AI 기반 Product의 관계에 대한 컨텍스트를 이해하려면 아래 질문에 대해 생각해보세요.
Q. 사용자가 무엇을 하려고 하는지?
Q. Product에 어떤 Mental model을 적용할 수 있는지?
Q.초보 사용자가 현 작업을 수행하기 위해 사용하는 단계별 프로세스는 무엇인지?
Q. 해당 프로세스가 서로 다른 사용자 간에 얼마나 통일 돼 있는지?

2. 단계별 온보드

온보딩 (Onboarding)은 새로운 사용자나 고객이 Product나 서비스를 알 수 있도록 지원하는 프로세스입니다. 온보딩 경험은 사용자가 Product를 구매 또는 다운로드하거나 웹 사이트를 방문하기 전에 시작되며 무기한 지속됩니다. 모든 Product와 마찬가지로 AI 도입의 여러 단계와 그 과정에서 Mental model이 형성되고 변화하는지 고려하는 것이 중요합니다.

2-1. AI에 대한 기대치의 소개와 설정

사용자의 기존 Mental model을 확인한 후 마케팅 메시지, 광고 또는 설명서 등 Produc와의 첫 상호 작용 전에 사용자가 받은 정보가 사용자의 기대치를 어떻게 형성했는지 생각해봅시다. 이 때, 마케팅 팀과 긴밀히 협력하여 적절하고 일관된 메시지를 개발해야 할 것입니다.

많은 Product들은 AI가 사람들의 작업을 수행하는 데 도움을 줄 것으로 약속하여 사용자를 실망하게 만듭니다. 그 이유는 이러한 종류의 메시지들이 Product가 실제로 할 수 있는 것을 과대평가하는 Mental model이 확립되도록 하기 때문이죠.

또한 Product 개발자가 Product의 복잡성으로부터 사용자를 보호하려고 Product의 작동 방식을 숨겼던 결정이 사용자가 혼란을 겪게 하고 신뢰를 저하시키는 결과로 이어질 수 있습니다. 이처럼 지나치게 기술적이고 지루할 수 있는 특정 Product의 기능을 설명하는 것과 AI 기반 Product의 높은 수준의 Mental model을 제공하는 것 사이에서 균형을 맞추는 것은 어렵습니다.

앱이 사용자에게 어떻게 도움이 되는지 강조
기본 기술을 강조하지 말 것

다음은 제품에 대한 올바른 기대치를 설정하기 위한 몇 가지 메시지 가이드라인입니다.

사용자가 Product와 처음 상호 작용할 때 Product가 할 수 있는 것과 할 수 없는 것에 대해 솔직하게 설명
Product의 가치를 명확히 하는 작동 방식의 예 제공
시간이 지남에 따라 개선하려면 피드백이 필요할 수 있음을 사람들에게 미리 알릴 것
사람들이 자신에게 주는 가치에 초점을 맞춰 계속 피드백을 제공해야 하는 이유를 전달할 것

2-2. 기술이 아닌 이점에 대해 설명

종종 Product 기획자는 Product와 경험을 가능하게 하는 기본 기술에 매료될 수 있습니다. 특히, 어려운 기술적 문제를 처음으로 해결한 경우 그럴 수 있죠. 그러나 사용자의 좋은 Mental model을 구축하는 데 어떤 세부 정보가 필요한지 평가해야 합니다. 고객이 Product의 기본 기술을 이해하는 데 관심이 있는 경우 툴팁 및 점진적인 공개를 통해 언제든지 더 자세한 정보를 제공할 수 있습니다. AI에 대해 이야기하는 경우, AI가 구체적으로 어떻게 경험의 일부를 더 좋게 개선하거나 새로운 가치를 제공하는지 집중해야 할 것입니다.

2-3. 필요한 경우에만 새로운 기능 도입

사용자가 Product을 탐색할 때 관련성 있고 실행 가능한 인보딩 (Inboarding) 메시지를 사용하여 도움을 얻습니다. 사용자가 관련 없는 작업을 수행하는 것에 집중할 때는 새로운 기능을 소개하지 않도록 하는 것이 좋으며, 이는 기능이나 UX 변경을 목적인 새로운 AI 기능으로 기존 Product를 업데이트할 때 특히 중요합니다. 그 이유는 사람들은 짧고 명시적인 정보가 필요하고 이것이 바로 나타날 때 더 잘 학습하기 때문입니다. 아래는 Run 앱에 AI 기능을 소개하는 두 가지에 대한 예시 입니다.

사용자와 관련된 시점에 AI 기능 소개한 경우
아래와 같이 기능 소개 목록의 일부로 AI 기능을 소개하지 말 것

2-4. 테스트를 위한 설계

많은 사람들은 직접 새로운 경험을 통해 가장 잘 학습하며, 때때로 시스템 사용을 바로 시작하고 싶은 사용자는 온보딩 단계를 건너뛰고 몇 개의 화면만 읽어도 방해처럼 느낄 수 있습니다. 따라서 온보딩을 짧게 유지하여 사용자가 즉시 시도할 수 있는 위험도를 낮추거나 되돌릴 수 있는 작업을 제안하는 것이 좋습니다.

사용자는 종종 AI 기반 기능이나 Product가 어떻게 작동할지 궁금해하므로 초기 작은 테스트 경험을 권장하는 것이 좋습니다. 예를 들어 모바일 서비스에서 사진 필터를 적용하는 것은 탭으로 쉽게 테스트하고 취소할 수 있죠.

한 가지 주의할 점은 사용자가 실험에 시간을 할애할 의향이나 능력은 Product 사용 목적에 따라 다르다는 것 입니다. 예를 들어 새 스마트 스피커를 구입하는 일반 소비자는 다양한 명령과 기능 테스트를 하는 시간을 보내는 것을 즐길 수 있습니다. 반대로 바쁜 기업 사용자는 명령 및 기능 테스트를 하나의 잡일로 간주할 수 있습니다.

목표와 관계없이 사용자가 Product를 빠르게 이해하고 이점을 얻을 수 있도록 해야 합니다. 그렇지 않으면 시스템이 응답할 준비가 되지 않은 방식으로 테스트함으로써 시스템의 경계를 찾을 수 있고, 이로 인해 오류, 장애 상태가 발생하고 잠재적으로 Product에 대한 신뢰 저하가 발생할 수 있습니다.

테스트를 장려하고 이것이 미래의 경험을 좌우하지 않는다는 것을 사용자에게 확신시켜야 함
사용자가 AI를 처음 사용할 때부터 학습을 시작하기를 원한다고 가정하지 말아야 함

온보딩은 사용자와 Product 간의 상호 작용 관계를 설정하는 것으로, 다음은 간단한 메시징 프레임워크입니다.
→ 이것은 { 귀하의 Product 또는 기능 } 입니다.
→ { 핵심 기능 }으로 도움이 될 것입니다.
→ 현 시점에서는 { AI의 주요 한계 } 를 설정할 수 없습니다.
→ 시간이 지남에 따라, 당신과 더 관련이 깊어질 것입니다.
→ {시스템을 가르치기 위한 사용자 조치}를 통해 시스템이 향상될 수 있습니다.

3. 공동 학습 계획

AI 기반 Product는 시간이 지남에 따라 적응하고 개선되기 때문에 UX가 바뀔 수 있습니다. 사용자는 이에 대비하고 필요에 따라 자신의 Mental model을 조정할 필요가 있습니다.

3-1. 피드백을 개인화와 연결

온보딩에서는 사용자가 제공하는 피드백을 통해 AI가 자신의 경험을 개인화하는 데 어떻게 도움이 되는지 알립니다. 이를 사용자의 이익과 연계하여 “받은 제안에 대한 피드백을 제공하여 경험을 개선할 수 있습니다”와 같은 의미의 문구를 사용하여 피드백을 수행할 위치와 방법을 알릴 수 있습니다.

피드백을 수집하는 방법에는 두 가지가 있습니다.

1. 암시적 피드백 : Product를 사용하는 동안 사람들의 행동이 시간이 지남에 따라 AI를 개선하는 데 도움이 되는 경우, 사용자의 신호가 어떤 목적으로 사용되고 있는지 볼 수 있는 위치가 Product에 있어야 하며 이는 서비스 약관에 공개되어야 함. 예를 들어, 음악 앱에서 다음 추천 곡을 듣도록 선택하면 해당 곡이 자신과 관련이 있다는 모델의 예측이 확인할 수 있다면, 이 사실은 앱 작동 방식의 정의, 사용자 이점 및 용어의 일부가 되어야 함

2. 명시적 피드백 : 사람들이 관심 있는 음악 카테고리를 선택하는 것과 같이 AI 모델을 개선하기 위해 의도적으로 피드백을 제공하는 것으로, 이러한 종류의 피드백은 사용자가 Product를 더 잘 제어할 수 있도록 도와줌. 가능하다면 피드백이 AI에 어떤 영향을 미치고 언제 적용되는지 정확하게 설명하고, 시스템이 피드백을 수집할 때 시스템을 지속적으로 가르치는 것이 사용자에게 어떤 이점이 있는지, AI가 학습하는 데 어떤 정보가 도움이 되고 Product의 결과를 어떻게 개선할 것인지에 대해 명확해야 함

3-2.정상적인 장애 (고장)

시스템이 처음으로 기대치를 충족하지 못하면 사용자는 실망할 것입니다. 그러나 Mental model에 시스템이 시간이 지남에 따라 학습하고 올바른 입력으로 더 잘 학습한다는 아이디어가 포함되면 장애 (고장), 특히 사용자가 직면하는 첫 번째 장애 (고장)는 피드백 관계를 설정할 수 있는 기회가 됩니다. 이 관계가 설정되면 사용자는 각 장애 (고장)를 더 쉽게 용서할 수 있을 뿐만 아니라 수정하는 데 도움이 될 수 있는 것으로 볼 수 있습니다. 이러한 동의는 공동 학습의 Mental model을 강화하는 데 도움이 될 수 있습니다.

시스템이 확실하지 않거나 요청을 완료할 수 없는 경우 AI에 의존하지 않는 기본 UX가 있는지 확인하세요. 그렇게 하면 AI를 교육해야 하는 부담이 사용자가 작업을 수행하는 것을 막지 않습니다. 제품이 정상적으로 장애 (고장)이 발생했을 때 사용자에게 방해가 되지 않으며, 고객은 피드백을 현재 Product를 사용할 수 있는 상태에서 시간이 지남에 따라 더 쉽게 목표를 달성할 수 있는 방법으로 간주합니다.

사용자에게 장애가 발생했음을 알리고 작업을 수동으로 완료할 수 있는 방법 제공
이러한 대응은 시스템의 한계에 대한 사용자의 Mental model을 형성할 기회를 놓치는 요소가 됨

3-3. 상기 (Remind), 강화 및 조정

Product는 사용자의 일상의 일부가 되어 지속적인 사용에 의해 Mental model이 형성되고 강화됩니다. 하지만 일부 Product는 가끔만 사용하기도 하죠. 이러한 Product는 시간이 지남에 따라 Mental model이 잠식될 수 있으므로 이를 강화하거나 사용자에게 기본을 상기시키는 방법을 고려하는 것이 도움이 됩니다.

Product는 피드백을 통해 AI 개선의 사용자 이점에 대한 일관된 메시지를 유지함으로써 AI Product 전반에서 Mental model을 강화하는 데 도움을 줄 수 있습니다. 시간이 지남에 따라 사용자는 AI 솔루션과 그 장단점을 인식하는 공통 Mental model을 채택하여 얻을 수 있는 것과 경험을 형성하는 방법에 더 익숙해질 수 있습니다. 이런 일이 발생할 가능성을 높이기 위해 할 수 있는 몇 가지 일이 있습니다.

3-4. 사용자 니즈 추적

Product가 어떻게 사용되고 있는지 모니터링하고 로그를 검토하면 사용자 혼란이나 불만을 나타내는 행동이나 사용 추세를 확인할 수 있고, 이는 사용자가 Mental model을 재구성하거나 조정하는 시기를 결정하는 데 도움이 될 수 있습니다. Product가 짧은 시간 동안만 사용되거나 특정 목표를 달성하기 위한 것이라면 Mental model을 강화하거나 업데이트하는 빈도가 결정됩니다.

3-5. 진화하는 사용자 여정에 적응

사용자가 알아차릴 수 있을 정도로 기능 작동 방식이 대폭 변경되거나 개선되면 사용자가 새로운 환경의 리보딩 여부를 고려해야 합니다. 리보딩은 새로운 기능을 추가하거나 시스템이 기존 기능에 대해 새롭거나 다른 데이터를 사용하기 시작하는 경우에도 유용합니다.

시스템이 단순하고 Mental model이 명확하고 기억하기 쉬운 경우 약간의 보강만 필요할 수 있습니다. 이전에 Product를 사용한 적이 있지만 한 달간 사용하지 않은 사람들을 대상으로 한 간단한 사용자 조사를 통해 어떤 종류의 넛지 (Nudge)가 가장 도움이 될 수 있는지 알 수 있습니다.

4. 상호작용에 대한 사용자 기대치 고려

최근 몇 년 동안 Cortana, Alexa, Google Assistant 또는 Siri와 같이 의인화되거나 인간과 유사하도록 설계된 많은 Product가 출시되었습니다. 이 선택에는 장점과 단점이 있어 신중하게 평가해야 합니다. 사람들이 음성 인터페이스로부터 반사적으로 인간의 특성을 추론하는 경향이 있고, 대화 인터페이스와 같은 일부 상호 작용은 본질적으로 인간과 유사하다는 것은 사실입니다. 그러나 이러한 Product의 알고리즘 특성과 한계가 명확하게 전달되지 않으면 비현실적인 기대치를 설정하고 결국 사용자의 실망 또는 기만으로 이어질 수 있습니다.

사용자가 AI를 인간과 혼동할 때 다른 문제보다 때때로 더 많은 정보를 공개하거나 시스템에 더 많이 의존할 수 있습니다. 따라서 이러한 종류의 인터페이스의 알고리즘 기반 특성을 공개하는 것은 중요한 온보딩 단계입니다. 특히 메시지는 Product가 인간이 아니라는 점을 연령, 기술 이해력, 교육 수준 또는 신체 능력에 관계없이 모든 사용자가 접근할 수 있는 방식으로 매우 명확하게 해야 합니다.

4-1. AI 한계 및 기능을 명확하게 전달

이러한 시스템이 작업을 실행하는 방식이 사람의 방식과 본질적으로 다르기 때문에 사람들은 의인화된 AI 기반 Product의 정확하거나 유용한 Mental model을 형성하는 데 어려움을 겪을 수 있습니다. 표면적으로 AI 기반 기능은 수동 방법과 유사해 보일 수 있지만 Mental model은 정확하게 매핑되지 않을 수 있습니다.

예를 들어 “사진 태그 자동 지정”은 도구가 사람이 하는 것과 같은 방식으로 사진에 자동으로 태그를 지정하는 것처럼 들립니다. 누군가 이전에 이 도구를 사용해 본 적이 없다면 이 프로세스의 Mental model은 기본적으로 인간의 것입니다. 앱은 사람처럼 특정 친구의 모든 사진을 찾아 태그를 지정할 수 있지만 뒷모습 사진은 놓칠 수 있습니다. 대부분의 사람들은 여러 각도에서 친구를 알아볼 수 있지만 이 도구는 그렇지 않죠.

이와 같은 경우 Product 자체나 Mental model이 손상되었음을 의미하지는 않습니다. 모든 인간이 동일한 능력을 가지고 있는 것은 아나며, 시각과 청각이 주어진 것이 아닙니다. Product는 여전히 인간이 할 수 없는 놀라운 작업, 예를 들면 수천 장의 사진을 스캔하고, 피사체를 식별하고, Label을 지정합니다. 핵심은 초인적인 능력에 대한 기대를 만들거나 지지하지 않는 방식으로 시스템의 한계와 기능을 전달하는 것입니다.

종종 일반화된 “도우미 AI”라는 개념은 이해하기 쉽고 사용자에게 매력적이지만 시스템의 한계가 명확하지 않으면 불신의 위험이 높아집니다. 사용자가 시스템의 기능을 정확하게 매핑할 수 없으면 잘못된 시기에 시스템을 과도하게 신뢰하거나 가장 큰 부가가치, 즉 당연한 작업을 효율적으로 수행할 수 있는 방법을 놓칠 수 있습니다. AI의 기능이 인간의 능력에 대한 사용자의 인식과 얼마나 잘 부합하는지에 따라 인간화 수준을 선택합니다.

AI가 할 수 있는 일에 대한 올바른 기대치를 설정하면서 사람들이 개선하도록 돕는 측면에서 AI 기능 설명
AI가 실제로 사람보다 훨씬 적은 일을 할 수 있는데도 AI를 인간처럼 제시하여 비현실적인 기대를 하도록 하지 말 것

4-2. 올바른 상호 작용 신호

인간의 특성을 활용하여 Mental model을 구축하는 것은 Product 상호 작용이 대화와 같이 뚜렷하게 인간의 행동에 의존하는 경우에 특히 유용합니다. 예를 들어 챗봇 및 음성 상호 작용에서 1인칭을 사용하면 사람들이 시스템 사용 방법을 직관적으로 이해하는 데 도움이 되며, 대화 방식으로 대화할 수 있다는 것을 사용자가 훨씬 더 쉽게 이해할 수 있습니다.

그러나 이 방법에는 위험이 있습니다. 특히 대화형 AI가 자신을 “나”라고 부르는 경우 해당 사용자의 Mental model에는 거의 완벽한 자연어 처리 (NLP)가 포함되어 있으며, AI는 아직 이를 수행하지 못할 수 있습니다.

올바른 Mental model을 위해 AI가 이해할 수 있는 종류의 명령에 대한 기대치 설정
인간에 비해 AI가 무엇을 할 수 있는지에 대해 비현실적인 기대를 하지 말 것

5. Conclusion

지금까지 세 번째 가이드라인, Mental model을 정리해보았습니다. AI 기반 Product에 대한 Mental model은 유사한 기능 또는 기존 Mental model, 팀의 마케팅 메시지, 온보딩 및 기대치 설정, Product의 피드백 관계 등 여러 요소의 영향을 받습니다. 사용자가 AI에 적합한 Mental model을 구성할 때 다음을 고려해야 합니다.

적응에 대한 기대치 설정 : 기존 Mental model을 식별하고 구축하여 사람들이 새로운 AI 사용을 최대한 활용할 수 있도록 지원, “사용자가 무엇을 하려고 하는지?, 어떤 Mental model이 적용되었는지?, 이 Product의 원인과 결과의 직관적인 패턴을 깨뜨리는지?”와 같은 질문을 해볼 것
단계별 온보드 : 현실적인 기대치를 미리 설정하고 기술이 아닌 사용자 이점을 설명, 처음에는 핵심 가치를 설명하되 사용하면서 새로운 기능을 소개하고, 사용자가 Product에서 AI를 쉽게 테스트할 수 있도록 함
공동 학습 계획 : 피드백을 개인화 및 적응에 연결하여 사용자 작업과 AI 출력 간의 관계 설정
상호 작용에 대한 사용자 기대치 고려 : Product의 알고리즘 특성과 한계를 명확하게 전달하여 현실적인 사용자 기대치를 설정하고 의도하지 않은 사용자의 실망 방지

다음은 Chapter 4 “Explainability + Trust (설명 가능성과 신뢰)”를 정리해보겠습니다.

Next series Mental Models

소통은 제가 공부하고 공유하는 원동력이 됩니다.
해당 글이 도움이 되셨다면 소중한 격려와 응원 부탁드립니다 ☺️