서베이몽키는 설문조사를 시작하면 실시간으로 데이터를 시각화할 수 있는 분석 기능을 제공하고 있습니다.

서베이몽키가 지원하는 차트는 총 8 가지이며 다양한 옵션을 지정할 수 있습니다. 다음 포스팅부터는 서베이몽키 결과 분석의 옵션과 지원 기능에 대해 상세하게 알아보겠습니다.

궁금하신 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변 드리겠습니다!

오늘 덕성여자대학교 평생교육원 스마트 창작터에서 주관하는 린스타트업 과정 중 '고객검증을 위한 설문지 작성법과 활용법' 교육을 얼떨결에 진행하고 왔습니다. 교육을 시작할 때 제가 조금 심하게 재미없다는 말씀을 드렸는데 처음에는 믿지 않으시던 분들이 교육이 진행될수록 점점 믿음이 깊어지시는 모습을 보게 되어 미묘하게 기쁜 마음이 들었습니다.

언제나처럼 우리는 시장을 통해 소비자와 생산이 분리된 세계에 살고 있으며, 제품의 특성이 소비자의 입장에서 어떤 편익과 연결되는지에 대한 선험적인 지식은 존재하지 않는다는 점을 강조했습니다. 일종의 완곡한 영업이었으나 교육에 참석하신 분들이 눈치채신 것 같지는 않습니다.

시장조사에 대해 본격적인 지식이 아직은 충분하지 않은 분들은 어떻게 하면 설문지를 구성하고 어떻게 분석할지에 대해 궁금해 하시는 경우가 많습니다. 그러나 전문적으로 설문조사를 비즈니스로 삼을 것이 아니라면 시장조사 프로젝트를 관리할 수 있을 정도의 지식이면 충분하고 보다 더 중요한 것은 시장조사를 시작하기에 앞서 정리되어야 할 소비자와 제품에 대한 지식과 경험입니다. 우리는 설문지를 통해 언어로 질문하든 아니면 뇌파를 스캔하든 어떤 방법을 이용하더라도 우리의 마음을 직접 관찰할 수는 없습니다. 우리가 우리의 마음에 대해 가지는 이런 저런 주장이나 가설은 결국 우리의 마음을 엿보는 수단에 의존합니다.

설문지를 이용한 시장조사에서 소비자에 대한 지식은 설문지라는 수단을 통해서만 전달될 수 밖에 없으므로 시장조사의 품질은 설문지에 의존합니다. 설문지의 품질은 설문지를 작성하는 조사기획자의 역량과 함께 시장조사를 진행하는 마케터의 통찰력에 의존합니다. 시시콜콜한 기술을 정확하는 것도 중요하지만 그 기술로 무엇을 할 것인가가에 대한 진지한 성찰이 더더더 중요합니다. 그러니 마케터 분들은 소비자에 대한 통찰력을 갖는데 집중하시고 시장조사와 데이터분석은 데이터테일즈에 맡게 주신다면 좋을 것 같습니다.

데이터테일즈에 설문조사를 의뢰하시려면 아래 버튼을 눌러주세요. 일반 문의도 환영합니다.

신뢰구간을 이용한 추정의 의미를 이해했으므로 본격적인 통계적 의사결정이라고 할 수 있는 검정 과정에 대해 알아보겠습니다. 표본으로부터 얻은 정보를 이용해 미지의 모수에 대한 주장의 옳고 그름을 판단하는 가설검정 과정 역시 모집단 정보의 일부만을 활용하는 표본조사라는 개념과 밀접한 관련이 있습니다. 

 다음 사례를 통해 표본조사를 이용한 가설 검정의 기본원리에 대해 살펴보겠습니다.  가상의 시장에서, 어떤 기업이 지금까지의 경험을 통해 제품 컨셉트에 대한 호감도가 10점 만점 기준 7점 이상이면 해당 컨셉트의 제품을 출시할 경우 성공할 가능성이 매우 높고, 가상의 시장에 속하는 소비자 집단 전체의 호감도 모분산 σ2은 반복되는 선행조사를 통해 대략 4 정도 된다는 점을 알고 있다고 해보겠습니다. 이 제품의 마케팅 담당자는 독립적으로 동일한 분포를 따르는 확률표본 100명을 추출해서 표본의 제품 컨셉트에 대한 평균 호감도 값이 7보다 크면 해당 컨셉트의 신제품 개발에 착수하고 그렇지 않으면 기존 제품의 마케팅 활동을 강화하기로 결심했습니다. 
 확률표본 100명을 기준으로 모평균이 7일 때 확률  에서 가능한 표본평균의 범위를 추정해보면, 표본추출을 반복할 경우 표본평균이 7+Z0.05×(2/10)=7+1.64×(2/10)=7+0.328≑7.33 범위 내에 있을 확률이 95%임을 알 수 있습니다. 만약 표본평균의 값이 7.5점이라면 신뢰수준 95% 하에서는 일어날 확률이 희박한 사건이 발생했다고 볼 수 있고, 모평균이 7점보다 클 가능성이 높다고 보아 신제품 개발에 착수하는 것이 합리적입니다. 그러나 표본평균값이 7.1점이라면 모평균이 7점인 경우에도 충분히 발생 가능한 사건이기 때문에 신제품 개발을 다시 한 번 생각해보야 할 것입니다.

 여기에서 제품 컨셉트에 대한 호감도가 7보다 크다는 주장을 기존 상태에 대립하는 주장이라는 뜻에서 대립가설이라고 하고 제품 컨셉트에 대한 호감도가 7보다 작거나 같다는 주장과 같이 강력한 증거를 통해 가설검정의 직접적 대상이 되는 가설을 귀무가설이라고 합니다. 대범하게 말하면 일반적으로 현재 상태를 옹호하는 주장, 혹은 현재의 상태에서 별도의 조치가 필요없은 주장이 귀무가설이 되는 경우가 많습니다.

그런데 통계적 추정 과정에서는 주어진 표본을 근거로 가장 그럴듯한-발생가능성이 높은 모수의 범위를 추론하므로 비록 모수가 미지이지만 그 미지의 모수에 대한 단 하나의 확률분포만을 생각하면 되지만 가설 검정에서는 가능한 모수의 범위가 거의 무한대에 가깝기 때문에 고려해야할 확률분포 역시 무한대에 가깝습니다. 그러므로 이러한 난점을 고려해 주어진 표본의 정보를 바탕으로 최대한 합리적인 의사결정 준칙을 마련할 필요가 있습니다. 이를 위해서는 제1종 오류(type I error)와 제2종 오류(type II error)에 대해 알아보아야 합니다. 다음 시간에는 제1종 오류와 제2종 오류를 출발점으로 가설 검정에 대해 좀 더 자세하게 알아보겠습니다.