조직에서 업무를 처리하다 보면 업무상 불가피하게 설문조사를 진행해야 할 일이 있습니다. 예산을 배정받았다면 설문조사 전문기관에 외주를 주는 방식으로 문제를 해결할 수 있지만, 설문조사의 길이도 상대적으로 짧고 처리해야할 표본의 수도 많지 않아 설문조사 예산을 확보하지 못했다면 본인이 직접 설문조사의 전 과정을 처리해야 합니다.

서베이몽키와 같은 서비스를 이용해 직접 종이 설문지를 입력하는 방법을 사용하면 비교적 간단하게 문제를 해결할 수 있습니다. 일단 설문조사의 결과를 입력하기만 하면 차트는 자동으로 생성할 수 있고 교차분석까지 가능합니다. 서베이몽키의 월간이용 서비스(PLUS)의 가격이 39,000원 정도이니 비용 측면을 고려하더라도 서베이몽키 이용이 가장 합리적인 해결책입니다.

서베이몽키에서는 종이 설문지를 하나씩 개별 입력해 주어야 하기 때문에 표본크기가 많을 때에는, 다른 업무에 차질을 줄 정도로 너무 많은 시간이 소요될 수 있다는 점에 주의해야 합니다. 또한, 설문지의 분량이 많고 복잡하다면 웹 설문 제작 과정 역시 시간을 소요하는 일이 될 수도 있습니다.

서베이몽키와 같은 서비스를 이용한 것 역시 여의치 않은 상황이라면 부득이 직접 데이터를 입력하고 분석한 후 결과 보고를 해야 합니다. 지금부터는 설문조사의 실사과정은 완료하여 응답자들이 기입한 종이 설문지는 확보한 상태에서 최소한의 추가 지식만으로 실사 과정 이후 데이터 처리를 어떻게 해야 할지 알아보겠습니다. 보통 이런 경우는 외부 잠재고객보다는 기존 서비스 이용고객들의 만족도를 점검하는 것이 일반적이므로 고객만족도 조사를 기준으로 이야기해보겠습니다.

우선 아래와 같은 설문지를 가지고 설문조사를 진행해서 대상 고객들로부터 100개의 응답을 받았다고 가정해 보겠습니다. 

오프라인에서 종이로 작성한 설문지를 수령하면 우선 설문지 별로 ID를 부여하는 것으로 작업을 시작합니다. ID 부여 작업을 통해 표본크기를 확인하고 추후 분석 단계에서 설문지를 확인할 필요가 있을 때 설문지를 추적할 수 있게 됩니다.

ID 부여 작업이 끝나고 나면 설문지의 응답에 수치를 할당하는 코딩작업과 논리적인 모순과 오류를 점검하는 에디팅 작업을 실시합니다. 코딩 및 에디팅 작업을 실시하고 나면 데이터를 입력하고 본격적인 통계분석 전에 다시 한번 데이터에 문제가 없는지 확인합니다. 위 예시 설문지를 기준으로 가상의 데이터를 입력해보면 아래와 같습니다. 마지막 열의 X변수는 빈도를 표시하기 위해 추가한 것입니다.

이제 엑셀의 피벗 테이블 기능을 이용해 빈도표를 만들어 보겠습니다. 엑셀 삽입 메뉴에서 피벗 테이블을 선택 후 ‘열 레이블’에는 비교하고 싶은 집단의 변수를 넣고 ‘행 레이블’은 결과를 보고 싶은 변수를 넣은 후 값에는 빈도를 보기 위해 모든 값이 1인 변수 X를 넣습니다. 사례에서는 ‘열 레이블’에 성별, ‘행 레이블’에는 담당직원의 친절성 변수를 넣었습니다.

통계 프로그램을 사용할 수 있는 상황이 아니라면 하나하나 수작업을 해야 하므로 설문지 분량이 많다면 섣불리 엑셀을 이용한 빈도표 작업은 시작하면 안 됩니다. 엑셀의 피섭 테이블 기능을 이용해 만든 빈도표를 정리하면 아래와 같습니다.

고객만족도조사의 일차적 목적은 고객만족도의 수준을 파악하는 것입니다. 그러나 단순히 만족도 수준을 파악할 뿐만 아니라 만족도 수준을 관리하기 위해서는 개선이 필요한 요소가 무엇인지 점검할 수 있어야 합니다.

우선, 통계 프로그램의 도움을 받지 않고 최소한의 엑셀 지식만으로 개선 요소가 무엇인지 점검해 보겠습니다. 사례에서 엑셀의 필터 기능을 이용해 전반적인 만족도 수준 5점 이상(긍정 응답)과 4점 이하 응답(부정 응답)의 요소별 적합도를 비교해 보겠습니다.

전반적 만족도 긍정응답자의 요소별 적합도에서 부정응답자의 요소별 적합도를 차감한 후 긍정응답자의 요소별 적합도로 나눈 결과, Q1_3 청결성, Q1_4 다양성, Q1_5 품질의 비중이 낮은 것으로 나타나 인적 요소보다는 매장환경과 품질에 대한 개선이 요구됨을 알 수 있습니다.

이제 R을 최소한만 사용해서 좀 더 자세하게 개선방향 도출을 위한 분석을 실시해 보겠습니다. 우선 데이터를 저장한 위치로 작업 디렉토리를 변경해 줍니다.

분석할 데이터를 읽어 드립니다.  

요소별 적합도와 전반적 만족도간의 상관계수를 구합니다. R에서 default는 Pearson의 상관계수입니다.

이제 상관계수 값과 요소별 적합도 점수를 이용해 새로운 데이터 파일을 만들어 줍니다.

새롭게 만든 데이터를 R에서 읽어드린 후 상관계수와 요소별 적합도를 표준화합니다.

위 결과를 가지고 산점도를 그려보겠습니다. R에서 산점도를 작성할 수도 있지만 R에 익숙하지 않다면 고민하지 말고 엑셀의 차트기능을 이용해 산점도를 그리면 됩니다. R의 결과물 역시 어떻게 export할지 고민하지 말고 복사해서 엑셀에 붙여넣기 하여 텍스트 나누기 기능을 이용해 원하는 형태로 잘라냅니다.

엑셀에서의 산점도는 x축은 표준화한 적합도값, Y축은 표준화한 상관계수값이 되도록 그렸습니다. 그런데 데이터 레이블이 각 요소의 이름이 아니라 데이터 값이 됨을 알 수 있습니다. 해당 수치를 클릭하여 각 요소의 이름으로 변경해 줍니다.

최종적으로 도출한 산점도를 살펴 보면 전문성과 친절성은 전반적 만족도에 대한 기여도도 높고 적합도 수준 역시 높아 계속 유지·발전시켜야 할 요소인 반면, 다양성과 청결성은 전반적 만족도에 대한 기여도도 낮지만, 적합도 수준 역시 낮아 장기적으로 개선이 필요합니다. 품질 요소의 적합도 수준은 상대적으로 높지만 전반적 만족도에 대한 기여도는 상대적으로 낮아 선택적으로만 고려하면 될 것입니다.