서베이몽키는 Gold계정에서 주관식 문항의 핵심 키워드를 추출해주는 텍스트분석 기능을 제공하고 있습니다.

그런데, 서베이몽키 텍스트분석은 우리글의 특성을 고려하지 않아 표본수가 증가하게 되면 질문내용과는 무관한 조사와 서술어의 출현빈도가 높아지는 한계가 있습니다. R이 제공하는 word cloud 패키지를 이용하면 이러한 한계를 여느 정도 극복하는 것이 가능합니다.

우선 R에서 word cloud를 생성하기 위해서는 wordcloud 패키지 외에 한국어 관련 작업을 원활하게 하기 위해 KoNLP 패키지를 설치해야 합니다. 설치가 정상적으로 이루어지지 않는다면 JAVA가 최신 버전인지 확인해 보시기 바랍니다.

이제 받고 싶은 선물에 대한 응답을 가지고 word cloud를 만들어 보겠습니다. 디렉토리 지정 후 KoNLP 패키지와 word cloud 패키지를 활성화합니다.

파일을 우선 txt라고 명명한 변수에 넣은 후 명사형 응답만을 선택하여 wish라는 변수에 다시 넣어 주었습니다. Wish 변수를 리스트업 해보면 “나이키”가 “나이”와 “키”로 인식되는 것처럼 의도하지 않은 결과가 나오는 것을 확인할 수 있습니다.

이런 문제가 제거하기 위해 사전에 원하는 명사형을 등록해 줍니다.  

☞ R에서 사용자가 많지 않아 삭제되면서 mergeUserDic(data.frame("명사로 등록할 단어","ncn")) 명령은 더 이상 사용할 수 없습니다.대체 명령어는 buildDictionary(ext_dic = "woorimalsam", user_dic=data.frame("명사로 등록할 단어","ncn"),replace_usr_dic = T)입니다. 그런데 문제는 이 명령어를 적용해도 단어가 등록되지 않는 오류가 발생한다는 점입니다. 아마 버그가 있는 것으로 판단되는데 해결될 때까지는 이 과정은 생략하고 wordcloud를 만들면 됩니다. 당분간 buildDictionary 명령 대신 단어를 수정하는 등의 조치를 취해 wordcloud에 나타날 수 있도록 원본 텍스트 데이터를 수정하는 수고를 하셔야 할 것같습니다.    

단어 등록 후 wish 변수를 다시 나열해본 결과, “나이”와 “키”로 구분되던 나이키가 “나이키” 하나로 인식되는 것을 확인할 수 있습니다.   

무의미한 단어를 제거하기 위해 두 개 이상인 단어만 선택했습니다.

다음으로 그 외 의미 없는 단어들을 변수에서 제거해 주었습니다.

불필요한 단어를 제거한 후에는 word cloud를 생성합니다.

word cloud를 생성한 결과는 아래와 같습니다.

R을 이용해 word cloud를 생성해 본 결과 확실히 우리글에 적합한 결과를 도출할 수 있음을 알 수 있습니다. 그러나, 필요한 단어를 등록하고 불필요한 단어를 제거하는 등, 주관식 문항을 코딩 하는 정도의 수고까지는 아니더라도 데이터를 정제하는 과정은 반드시 필요합니다. 만약 데이터의 표본수, 사례수가 많아진다면 의외로 손이 많이 갈 수도 있을 것 같습니다. 코딩요원을 투입해 주관식 문항을 처리하는 기존 방법을 대체하기 보다는 보완적인 방법으로 R word cloud를 사용할 수 있을 것으로 보입니다.  

인과적 추론의 조건을 시간적 선행성, 공변화 및 경쟁가설의 배제라고 한다면 인과관계를 규명하기 위해서는 통계적 실험-설문조사 역시 인과적 추론의 조건에 맞게 계획해야 합니다.

그런데, 모든 실험이 인과적 추론의 조건을 충족한다는 것은 현실적으로 어렵고, 실험설계는 인과적 추론의 조건 충족 정도에 따라 진실험 설계, 준실험 설계, 비실험설계로 분류하게 됩니다.

시장조사에 빈번하게 이루어지는 횡단면 조사는 실험집단과 통제집단의 동질성을 확보하는데 한계가 있는 준실험설계에 근거해 이루어지는 경우가 일반적입니다. 검정의 대상이 되는 실험처리를 한 집단을 실험집단(experiment group)이라고 하고 실험처리를 하지 않고 실험집단과 비교하는 집단을 통제집단(control group)이라고 합니다.

진실험설계는 현실의 시장조사에 적용하기에는 무리가 따르지만 진실험설계에 대한 이해는 무척 중요합니다. 왜냐하면 실무에서 적용하는 다양한 실험설계의 준거가 되기 때문입니다. 마치 경제학에서 완전경쟁시장이 현실에 존재하지는 않지만 다양한 불완전경쟁시장에서의 자원배분의 성과를 판단하는데 기준이 되는 것과 유사하다고 생각하면 될 것 같습니다.

신제품개발은 기업의 지속적인 성장과 수입확보를 위해 필수적인 활동입니다. 그러나, 미국의 경우 평균 35~40%의 신제품이 실패하고, FMCG군은 거의 90%의 신제품이 실패하는 것으로 나타났습니다. 신제품개발의 주요 실패 원인은 기존제품과 차별화된 소비자 편익을 제안하지 못하기 때문입니다. 차별화된 소비자 편익의 제안은 통찰력 있는 소비자 이해에 기반을 두고 있는데, 소비자 이해의 중요한 수단이 되는 설문 조사가 소비자에 대한 정확한 이해를 제공하지 못하는 경우도 있습니다. 

뇌 과학의 설명에 의하면 인간의 뇌는 인간, 포유류, 그리고 파충류의 영역으로 구분된다고 합니다. 그런데 대부분의 소비재 구매의사결정은 포유류의 영역에서 감성적으로 이루어지는 반면, 언어로 된 설문 조사에 대한 응답은 인간의 뇌 영역에서 처리되므로 설문 조사만으로는  소비자의 구매의사결정을 예측하는 데 한계가 있을 수 밖에 없습니다. 구태여 뇌 과학의 설명이 아니더라도 설문지에 기반을 둔 정량조사는 응답자의 기억과 언어에 의존하기 때문에, 소비자 자신도 구체적으로 인식하지 못하는 잠재욕구를 발굴하는 데에는 어려움이 있습니다. 또한 제한된 시간에 제한된 인원을 대상으로 실시하는 소비자좌담회(Focus Group Interview) 역시 기존 제품이나 광고에 대한 반응을 점검하는 데에는 효과적이지만 소비자의 심층적인 감성과 잠재욕구를 잡아내는 데는 큰 힘을 발휘하지 못하기도 합니다.

기존 설문 조사의 한계를 극복하기 위해 관찰기법, ZMET, 뇌 영상 촬영법 등 새로운 조사기법들을 소비자 조사에 적용하고 있으며 실제로 기존 설문 조사로는 기대하기 어려운 성과를 내고 있습니다.  그런데 위와 같은 방법은 비용이 많이 들고 최종 조사결과를 도출하기까지 오랜 시간이 걸린다는 문제가 있습니다. 이러한 한계 때문인지 우리나라의 경우에 대기업들만 적극적으로 위 방법을 활용하고 있는 실정입니다.

비용과 시간 상의 제약 때문에 새로운 조사기법을 적용하기 어려운 상황에 처해있다면, 기존 설문 조사를 관성적으로 답습할 것이 아니라 기존 설문 조사의 한계를 극복하기 위해 노력을 기울일 필요가 있습니다.

우선 기존 2차 자료를 활용해서 시장과 소비자에 대한 개략적인 이해를 확보해야 합니다. 특히 2차 자료를 찾을 때 잊지 말아야 할 점은 자료를 통해서 얻고자 하는 정보가 무엇인지 명확히 하는 것입니다. 다음 단계의 조사나 의사결정에 필요 없는 2차 자료를 모으는 것은 조사가 아니라는 점을 명심해야 합니다.

만약 담당하고 있는 제품이나 프로젝트에 길이 보이지 않을 때는 현장으로 나가 소비자를 관찰해 보시길 권합니다. 정기적으로 소비자를 관찰하는 기회를 가지면 더욱 좋을 것입니다. 물론 관찰조사는 매우 전문적인 역량이 필요합니다. 그러나, 체계적인 조사설계를 바탕으로 성실하게 관찰하는 것을 반복한다면 뜻 밖의 소비자 통찰력을 얻으실 수 있습니다.

신제품 컨셉트 테스트를 위한 설문의 구성 역시 고민이 필요한 항목입니다. 우선 설문의 초반부에는 제품과 관련한 소비자 문제를 파악하는데 할애해야 합니다. 예를 들어 시내 버스의 움직임과 연동하는 VR 레이싱 게임을 기획하고 있다면 우선 휴대용 게임기 시장에서의 소비자 문제를 점검하는 것에서 설문을 시작하게 될 것입니다. 신제품 컨셉트 테스트를 위한 설문의 초반부에서는 응답자가 질문의 의도를 파악하지 않으면서도 신제품이 해결하려는 소비자 문제를 노출할 수 있도록 설문을 간접적으로 구성하는 것이 중요합니다. 또한, 2차 자료와 선행조사 및 소비자 관찰을 통해 소비자에 대한 높은 이해를 가지고 있어야 할 뿐만 아니라 소비자 언어로 설문을 작성하려고 노력해야 합니다.

신제품 컨셉트 테스트에 활용할 자극물 역시 가급적 실제 제품에 가장 근접한 시제품이나 영상으로 제공하는 것이 좋고 현재의 제품 개발단계에서 그것이 어렵다면 컨셉트 설명문 작성에 많은 주의를 기울여야 합니다. 신제품 컨셉트 테스트를 위한 설문의 후반부에서는 주어진 신제품 컨셉트의 특성이 당면한 소비자 문제 해결에 도움을 주고 있는지 즉, 소비자 편익이 무엇인지 파악해야 하고 더불어 직접적으로 신제품 컨셉트에 대한 수용도를 선호도, 구매의향, 추천의향 등 다양한 시각에서 점검합니다.

또한, 단발성의 신제품 컨셉트 테스트를 지양하고 설문지를 표준화하여 개별 설문 조사 결과의 비교가능성을 높이고, 설문 조사의 결과를 데이터베이스화하여 설문 조사 결과의 해석 및 의사결정의 기준을 지속적으로 정립해 나가야 합니다. 

신제품 컨셉트 테스트 개선을 위한 조직 차원의 지원과 노력을 기대하기 어려운 상황이라고 하더라도 개인적 노력을 지속한다면 개인의 능력개발과 경력관리에 큰 도움이 됩니다.