지난 포스팅에서 표본추출과정에 대해 개략적으로 살펴보았습니다. 이제는 표본추출방법에 어떤 것들이 있는지 알아보겠습니다.

18. 표본추출의 개요

경영지도사 시장조사론 2차시험 기출문제를 보면 표본추출방법 부분에서 확률표본추출과 비확률표본추출, 확률표본추출법 중 층화추출법이 출제되었습니다. 비확률표본추출의 개념을 확률표본추출과 비교하여 질문하는 문제는 수험생이 표본추출에 대해 정확하게 이해하고 있는지 알 수 있는 좋은 문제이므로 언제라도 다시 출제될 수 있다고 생각합니다.

확률표본추출법 중 가장 일반적으로 활용하고 있는 층화추출법이 이미 출제되었으므로 다음에는 층화추출법과 집락추출법을 비교하는 문제가 나올 수도 있습니다. 층화추출법과 집락추출법의 비교 역시 표본추출 부분을 정확하게 이해하고 있는지 가늠할 수 있는 문제이기 때문입니다.

확률표본추출법 중 계통추출법 혹은 체계적 추출법(systematic sampling)은 일종의 간편법이므로 경영지도사 시장조사론 2차 시험에 출제될 가능성은 낮습니다. 다만, 체계적 추출법(systematic sampling)의 한계를 묻는 문제는 출제될 수 있을 것 같습니다. 왜냐하면 계통추출법이 잘 설계될 경우에는 단순임의추출(simple random sampling)과 유사한 효과를 갖지만 자료 내의 특정 경향성을 배제하지 못하면 모집단의 특성을 전혀 반영하지 못하는 표본을 추출할 가능성이 매우 높기 때문입니다.

표본추출방법에는 크게 확률표본추출과 비확률표본추출의 두 가지 방법이 있고 확률표본추출법에는 단순임의추출법(simple random sampling), 층화임의추출법(stratified random sampling), 집락추출법(cluster sampling), 체계적 추출법(systematic sampling)의 네 가지 방법이 있습니다. 단순임의추출법은 가장 기본적인 방법으로 실제 조사에서 적용되는 경우는 드물다고 하겠습니다. 그 외 세 가지 방법들은 상호배타적으로 활용하는 것이 아니라 조합하여 다양한 표본추출방법의 적용이 가능합니다.

비확률표본추출에는 편의표본추출(convenience sampling), 판단표본추출(purposive sampling) 및 할당표본추출(quota sampling)이 있습니다. 조사설계의 실무에서 외견상 할당표본추출은 층화추출과 유사해 보입니다. 그러나, 실제 표본추출방법은 전혀 다르므로 두 가 지는 준별해야 합니다.

확률표본추출과 비확률표본추출은 ① 모집단 구성원의 명단(프레임)의 유무, ② 추출확률이 사전적으로 정해져 있는지 여부, ③ 표본추출로 인한 오차 추정이 가능한지 여부의 세 가지 측면에서 차이가 있습니다. 확률표본추출에서는 표본추출은 모집단 구성원의 명단이 존재하고 추출확률이 정해져 있고 사전적으로 이를 알 수 있습니다. 또한 확률표본추출에서는 표본크기와 신뢰수준이 주어졌을 때, 표본추출을 반복할 경우 최대허용오차 즉 정도((精度; 오차한계, precision)를 알 수 있습니다.

지난 포스팅에서 설문조사 외주가 불가능한 상황에서 어떻게 하면 설문조사를 진행할지 알아 보았습니다.

13. 오프라인 설문지를 이용한 고객만족도 조사 데이터의 초간단(?) 정리

이번에는 조사결과가 주어진 경우가 아니라 직접 실사를 해야하는 경우까지 포함하여 설문조사 전문 에이전시의 도움 없이 자체적으로 고객만족도 조사 자료를 어떻게 수집하고, 어떻게 입력하는지, 자료 분석은 어떻게 하는지에 대해 조금만 더 자세하게 알아보겠습니다.

내부적으로 고객만족도 조사를 진행하기로 결정했다면 고객만족도 조사 계획을 수립하였다면 조사결과 보고서를 작성하기 위해서는 자료 수집, 자료 입력 및 자료 분석 과정을 거쳐야 합니다. 링크(Linc)사업 기업만족도 조사나 대학 교육만족도 조사, 정책만족도 조사와 같은 교육 및 공공 정책 부문의 고객만족도 조사에서는 전체 고객의 명단(프레임; frame)이 있는 것이 일반적이므로 조사방법 역시 전화조사나 이메일 조사 혹은 이를 기본으로 전화 안내 및 팩스조사를 병행하는 복합조사를 활용합니다. 최근 20대 연령층의 이메일 조사 응답률이 현저히 저하되는 현상이 발생해 불가피하게 모바일 조사도 보조적인 자료수집수단으로 활용하기도 합니다. 교육프로그램과 같이 교육 종료 후에는 고객과의 접촉이 어려운 상황에서는 교육수료 시 설문지를 배포하고 고객이 설문을 직접 작성하게 하는 자기기입식 조사도 활용하고 있습니다.

전화조사와 자기기입식 조사는 분명한 한계가 존재하기 때문에 고객만족도 조사 시 가급적 지양해야할 자료수집수단입니다. 불가피하게 전화조사와 자기기입식 조사로 자료를 수집해야 한다면 설문지의 분량을 20문항 내외로 최대한 가볍게 유지해야 합니다. 자칫 시간은 부족한데 자료수집 자체가 어려운 상황이 발생할 수 있습니다. 또한, 사전에 미리 세밀하게 기획하고 준비를 철저히 해서 후행 자료입력 및 분석 단계에서의 부담을 최소화해야 합니다.

만약 설문조사 전문 에이전시의 도움을 기대할 수 없는 상황이라면 서베이솔루션을 활용해서 조사를 진행하는 것이 편리합니다. 여러 가지 솔루션이 있지만 제가 현재 주로 사용하고 있는 서베이몽키를 위주로 고객만족도 조사를 위한 자료수집방법에 대해 다음 시간부터 차근차근 정리해 보도록 하겠습니다.

서베이몽키는 설문 디자인에서 응답자가 파일을 첨부할 수 있는 파일 업로드 기능을 제공하고 있습니다.

파일 업로드 기능에서는 응답자가 업로드할 수 있는 파일의 유형을 지정해 줄 수 있습니다.

업로드할 수 있는 파일 형식 지정 후 파일 업로드 설문을 완료하면 아래와 같이 설문 응답자로 하여금 파일을 첨부하게 할 수 있습니다.

모바일에서도 파일 업로드 기능을 이용해 설문조사 응답자가 파일을 첨부할 수 있습니다.

서베이몽키 파일 업로드 기능은 구매자 대상 조사에서 제품 구매 여부를 확인하거나 town watching에서 매우 유용하게 활용할 수 있을 것 같습니다.

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

R을 이용해 IPA(Importance Performance Analysis)의 결과를 산점도(scatter diagram)로 만들어 보겠습니다.

아래와 같은 가상의 데이터를 가지고 작업을 시작해 보겠습니다. q1_1은 세부항목별 만족도 중 친절성을, q1_2, q1_3, q1_4, q1_5는 각각 전문성, 청결성, 다양성, 품질을 나타내고 q2는 전반적 만족도라고 해보겠습니다.

산점도를 작성하기 위해 q2와 q1_1, q1_2, q1_3, q1_4, q1-5의 Pearson상관계수를 구하고 각각의 상관계수를 표준화합니다.

R을 이용해 산점도를 작성하기 위해 필요한 패키지를 설치합니다.

산점도를 그리고자 하는 파일을 CSV형태로 저장하고 read.csv명령을 이용해 dataframe 형태도 불려 옵니다.

마지막으로 산점도를 작성합니다. 산점도의 점 모양은 원형으로 지정했고(shape=19), 산점도 값들의 라벨은 f변수로 설정했습니다. 이때 label=“f”로 지정하면 f를 문자로 인식해 라벨이 f로 일괄 지정되므로 쌍따옴표 없이 label=data$f로 지정해 줍니다. ‘데이터명$변수명’의 형식으로 변수를 지정해 주는 이유는 R에서는 변수가 기본적으로 벡터이기 때문입니다. dataframe을 지정해주지 않으면 독립적인 벡터로 인식하여 오류가 발생합니다. 이를 피하기 위해 dataframe을 등록해주는 방법이 있지만, 복잡한 분석이 아니라면 구태여 dataframe을 등록하지 않아도 크게 불편하지 않은 것 같습니다.

궁금하신 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변드리겠습니다!

경영지도사 2차 마케팅 부문을 준비하시는 분이라면 2016년 시장조사론 2차 시험에서 표본조사론 중 층화추출법의 종류를 묻는 문제가 출제된 것을 알고 계실 듯합니다. 표본추출에 대해 이해하는 것은 통계적 사고를 하는데 중요한 출발점이 되므로 앞으로 표본추출과정을 알아보는 시간을 갖고자 합니다.

표본추출은 다음과 같은 과정을 거쳐 진행하게 됩니다.

디지털 사이니지(Digital Signage)는 공공장소나 상업공간에 네트워크를 통한 원격제어가 가능한 디지털 디스플레이를 설치하여 광고와 정보, 엔터테인먼트 등 다양한 콘텐츠를 제공하는 매체입니다. 20대에서 40대 사이의 성인 남녀 94명에게 디지털 사이니지를 어디에 설치하면 좋을지 물어보았습니다.

서베이몽키가 제공하는 텍스트분석을 이용한 분석결과는 아래와 같습니다. 버스정류장과 지하철을 가장 많이 응답해 상식적인 추론과 다르지 않은 결과입니다.

서베이몽키가 교착어인 우리글을 분석하는 데에는 약간의 한계가 있다고 생각해서 R이 제공하는 wordcloud 분석을 실시해 보았습니다. 버스정류장이나 지하철 외에도 화장실, 박물관, 병원, 은행 등 다양한 범위와 종류의 장소를 디지털 사이니지의 설치장소로 언급하고 있음을 알 수 있습니다.

궁금한 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변드리겠습니다!  

R에 대해 아주 조금 알고 나니 R은 기본적으로 데이터 관리보다는 데이터 분석에 집중하는 프로그램이라는 생각이 들었습니다. 연구 및 분석 목적이라면 R이 매우 유용할 것이지만 고객의 구매 관련 데이터와 같이 분석만큼이나 데이터의 가공과 관리가 중요하다면 다른 대안을 고려하는 것도 좋을 것 같습니다.

R을 이해하는데 핵심은 R은 벡터 즉 집합이 데이터 가공 및 분석의 기본단위라는 점입니다. 데이터를 다루다 보면 개별 응답값보다는 변수(컬럼) 단위로 작업할 일이 많은데 이런 점이 R에 반영된 것이라 나름대로 추측해 봅니다.

통계적 추론을 실시하기 전에 데이터의 개략적인 내용을 파악하고 통찰을 얻을 수 있는 테이블(table; 조사결과 집계표)를 R로 작성해 보겠습니다.

다음과 같은 가상의 고객만족도 설문조사를 가정하고 논의를 진행하겠습니다.

위 설문지를 근거로 예시 데이터를 만들어 보았습니다. 예시 데이터는 csv파일 형태로 저장해 두었습니다. 전체 응답값과 연령별 응답값을 합쳐서 조사결과 집계표를 구성하기 위해 기존 변수 외에 X변수를 추가했습니다.

이제 위 데이터를 R에서 로드합니다. 먼저 디렉토리를 설정해 주고 read.csv 명령문으로 준비한 데이터를 로드하여 ex_data라는 dataframe에 저장해 주었습니다. R에서 분석이 가능하기 위해서는 변수의 속성이 vector여야 합니다. 그런데 sq1,sq2,X의 속성이 vector가 아니기 때문에 더 이상의 분석이 불가능합니다.

read.csv 명령문에서 범주형 변수가 있을 경우 아래와 같이 StringsAsFactors=FALSE 구문을 추가해서 문자형 변수를 범주형으로 인식하지 않도록 조치 후 로드해야 문제가 없습니다.구문을 추가한 후 변수의 속성을 점검할 결과 이전과는 달리 sq1이 vector임을 확인할 수 있습니다.

table 명령문을 사용해서 ex_data의 sq1과 sq2의 분할표를 만들어 fre라는 변수에 넣어줍니다. fre는 R의 명령문과는 무관하고 임의로 설정한 변수명입니다. R에서 이렇게 번거롭게 새로운 변수를 생성하는 이유는 당연한 이야기지만 A라는 개념이 동시에 A가 아닌 것이 될 수는 없기 때문입니다. 번거롭더라도 인내심을 가지고 작업해 줍니다.

sq1과 sq2의 빈도보다는 상대적인 비중이 궁금한 것이 일반적이므로 분할표의 빈도를 아래와 같이 비율로 변경합니다.

sq1과 sq2의 주변합도 궁금하므로 다시 주변합을 추가하는 명령을 실행합니다. 최종 분할표만 필요하므로 계속 동일한 변수에 덮어쓰기를 해주었습니다.

이제 등간척도로 만든 설문의 응답결과를 집계표로 만들어 보겠습니다. 척도형 문항인 q1_1과 전체 X변수간의 분할표를 만들고 이를 비율로 변환해 줍니다.

다음으로 q1_1변수의 평균을 구해 줍니다. mean 명령문만을 사용하지 않고 x 변수에 대한 평균을 구한 후 이것을 이미 만들어 둔 table1에 합쳐 줍니다. 행으로 합칠 때는 rbind, 열 방향으로 합칠 때는 cbind 명령을 사용해 주면 됩니다.

연령별 자료를 만들어 주기 위해 척도형 문항 q1_1과 연령별 변수 sq2으로 분할표를 만듭니다.

연령별 평균을 구해 이미 만들어 둔 table2에 행으로 합쳐 줍니다.

마지막으로 연령별 자료 table2를 전체 자료 table1에 열 방향으로 합쳐주면 조사결과 집계표가 완성됩니다.

다소 번거롭기는 하지만 처리해야할 문항수가 많은 상황이라면 R을 이용한 테이블 작업이 엑셀 피벗테이블 기능으로 문항별 데이터 하나 하나를 개별적으로 집계표로 만들어주는 것보다는 효율적인 방법이 될 것 같습니다.

궁금한 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변드리겠습니다!