설문조사 결과를 분석하는 7가지 방법

설문조사 결과 분석 방법

설문조사 결과 분석은 어떻게 해야될까?

"설문조사(Survey)란 미리 구조화되어 있는 설문지나 면접을 통하여 사회현상에 관한 자료를 수집하고 분석하는 연구 방법이다. 서베이의 목적은 어떤 모집단을 대표할 것이라고 추정되는 대규모 응답자들을 통하여 정보를 구하는데 있다."

출처 : 위키백과

설문조사, 왜 필요할까?

설문조사는 '이유'를 밝혀주기 때문에 필요합니다.

요즘은 누구나 ‘빅데이터’에 대해 이야기해요. 하지만 이 빅데이터에는 큰 한계가 있어요. 이 용어는 대부분 암시적인 데이터 또는 온라인이나 다른 곳에서 관찰하고 분석한 사람들의 행동 양상으로부터 추출된 데이터를 가리켜요.

빅데이터에 대한 요구는 점점 증가되고 있지만 이에 따른 단점도 있어요! Amazon 권장 엔진에 대해 생각해 보세요. 어느 사용자가 비디오 게임을 구매했을 때, 다른 사람을 위한 선물용이었는지 아니면 사용자 자신을 위한 구매였는지를 구분할 수 없기 때문에 이에 관련된 유사한 비디오 게임으로 권장 목록을 가득 채우게 돼요.

이 사용자가 왜 비디오 게임을 구매했는지 알아보려면 Amazon의 알고리즘이 나타내는 사항을 보완하기 위해 명시적 데이터가 하겠죠. 명시적 데이터는 애매모호함 없이 완전히 노출되어 있고 명료한 정보를 뜻해요.

명시적 데이터는 일반적으로 설문조사 방법론을 사용하여 개개인들로부터 직접적으로 확보한 통찰력이에요. 이러한 데이터는 행동 뒤에 숨은 동기를 이해하는 데 있어 특성상 더욱 신뢰할 수 있어요. Amazon이 "이 제품을 선물용으로 구매하시나요?"와 같은 간단한 질문을 함으로써 명시적 데이터를 수집한다면 고객들에게 도움이 되지 않는 권장 사항을 제공하는 일을 방지할 수 있어요.

설문조사의 결과를 분석하는 7가지 방법

❶ 분석 목표 설정

설문조사의 숙련자가 아닌 경우에는 설문조사로 하여금 묻고 싶은 질문이 한 가지의 틀안에 있어야 해요. 그 한 가지를 명확하게 파악하기 위해 어떤 질문리스트가 필요한지 신중하게 결정하는 것부터 시작하세요.

❷ 불완전하거나 신뢰할 수 없는 데이터 제거

설문조사에서 질문한 사항 중, 응답자가 응답을 하지 않았던 부분은 과감히 분석 단계에서 제거 해야 합니다. 응답자의 답변이 어떻게 다른지 비교하려는 경우에 불완전한 응답으로 인해 결과가 왜곡 될 수 있어요.

❸ 정량적 데이터의 추세 확인

주관식 답변이 가능한 항목을 제외하고 정량적 데이터부터 살펴보세요. 예를들어, SaaS 서비스에서 무료 평가판 사용을 완료한 후, 왜 유료 플랜에 가입하지 않았는지 알아보기 위해 설문을 진행했다고 가정해볼게요. 여기서 결과가 70%의 답변이 제품이 굉장히 유용했다. 라는 답을 했다면 분석은, 무료 평가판 사용자가 유료로 전환하지 않는 이유는 제품성이 아니다.라고 결론을 낼 수 있겠죠. 이런 방식으로 명확한 정략적 데이터를 먼저 분석하면 문제를 파악하는게 확실해져요.

❹ 결과가 통계적으로 유효한지 판단

아무리 정량적 데이터가 나왔다고 해도, 의미있는 확실한 결론을 도출하는 것은 쉽지 않아요. 설문 과정에서 실수로 인한 노이즈가 존재할 수 있기 때문이에요. 만약, 응답율이 낮다면, 정확한 결론을 도출하는 것이 더 어려워지죠. 보유한 데이터가 적으면 결과가 통계적으로 유효할 가능성이 낮아져요.

Hotjar에서 제공하는 Sample size calculator를 사용해서 우리가 진행한 설문조사의 데이터를 신뢰하기 위해서는 어느정도의 응답이 필요한지 예측해보세요.

❺ 비교군 준비

우리가 얻고 싶은 답을 알기 위해서는 같은 질문의 맥락으로 여러번의 설문조사를 진행하고 그 결과를 비교 분석하면서 결과를 도출해야해요. 단 한번의 설문조사가 말하는 것을 맹신하지 마세요. 위에서 들었던 예시로 다시 돌아가서, 무료 평가판 사용자에게 유료 플랜으로 전환하지 않은 이유에 대한 설문조사를 비교해볼게요.

2020년에 제품이 더 유용했다고 나왔지만 유료 가입은 여전히 증가하지 않았다고 가정했어요. 이는 제품을 추가로 개발하는 것에 집중하는 것보다 고객 경험 측면 or 가격 등 다른 요소를 최적화하는 데 집중해야 함을 나타낼 수 있어요.

제품성의 제외한 어떤것들이 개선되면 좋겠는지에 대한 설문조사를 추가로 진행할수도 있겠죠.

❻ 정성적 데이터는 정량적 데이터를 뒷받침하기 위해 사용

정량적 데이터와 정성적 데이터를 함께 사용하면 현재 상황 및 고객이 기업에게 원하는게 무엇인지 파악하는 것에 대한 그림을 그리기 수월해져요.

정량적 데이터가 동향과 선호도를 나타낸다면, 정성적 데이터는 그 이유를 보여줍니다.

70%의 SaaS 서비스의 무료 평가판이 유용했다고 답했습니다. 여기서 설문이 끝나면 이유를 알 수 없게 됩니다. 정량적 답이 필요한 질문 뒤에는 그와 관련된 정성적 질문이 나와야겠죠. -> "제품이 유용했음에도, 유료 플랜 가입을 하지 않은 이유가 무엇인가요?"

❼ 결과는 반드시 공유

설문조사의 결과는 꼭 팀과 공유하세요. 발견하지 못한 인사이트를 얻을 수 있고 우리 고객이 어떤 생각을 갖고 있는지 팀 모두가 인지하는 것은 매우 중요해요. 다만, 결과에 대해 빠르게 이해할 수 있도록 차트, 그래픽, 인포그래픽과 같이 시각화를 한 뒤 간결하게 보여주는 것이 좋아요.

응답률이 낮은 질문이거나 유효하지 않다고 판단한 항목의 분석은 제외하고 공유해도 됩니다. 의미가 없기 때문이죠.

가장 중요한 것은, 왜 이 설문조사를 했는지, 이 설문조사로 어떤것을 알고싶었는지가 중요합니다.

여기까지, 설문조사 결과를 분석하는 7가지 방법에 대해 알아봤어요. 우리는 설문조사의 결과를 분석할 때, 상관관계와 인과관계의 오류를 인지하고 분석을 해야해요.

• 제품에 대한 고객 만족도가 전년도 대비 감소함

• 회사에서 작년에 제품 기능을 업데이트함

따라서, 작년 업데이트로 인해 고객 만족도가 하락함

이것은 오류입니다!

하나의 발견이 어떤 문제의 원인이라고 단정 지을 수 없어요. 설문조사는 정확한 원인 도출이 아니라, 추세에 대한 '정보'를 얻는 것이라는 것을 잊지마세요!

출처1 : surveymonkey

출처2 : hatjar blog