[트렌드아티클] 만족도 조사 완료 후 결과 데이터를 분석하는 방법

앞선 2개의 글에서 만족도 조사를 시작하는 방법과 진행 시 꼭 알아야 할 사항이 무엇인지 알아봤다. 이번 글에서는 만족도 조사 설문을 배포하는 방법과 만족도 조사 결과 데이터를 분석하고 활용하는 방법에 대해 알아본다.

오픈서베이 DIY 활용해서 만족도 조사 배포하기

만족도 조사는 자사 고객을 대상으로 진행한다. 이에 설문 응답 수집은 고객에게 폼 설문 참여 링크를 직접 공유해서 응답을 수집한다. 오픈서베이 DIY의 경우, 폼 설문으로 만족도 조사 설문을 만들면 응답 수집 단계로 넘어가는데, 여기서 설문 응답을 수집할 수 있는 링크를 생성할 수 있다.

응답 수집 링크를 생성했다면 이제는 응답 대상자에게 해당 링크를 공유할 단계이다. 오픈서베이 DIY로 만든 폼 설문은 PC/모바일 두 환경에서 모두 참여 가능하다. 이에 아래 예시처럼 참여 안내 문구를 작성해서 카카오톡, 이메일, 문자메시지, 자사 앱/웹사이트 배너 등으로 배포할 수 있다. 잊지 말아야 할 점은 안내 문구를 어떻게 구성하는지가 고객의 설문 응답 참여율에도 영향을 줄 수 있다는 것이다. 따라서 설문 진행 목적 및 참여 시 혜택 등이 잘 드러날 수 있도록 문구를 구성하는 것이 좋다.

오픈서베이 폼 설문은 링크 생성 시점부터 문항 편집이 불가능하기 때문에 최종 버전 여부를 한 번 더 점검한 뒤 링크를 생성해야 한다

만족도 조사 결과 데이터 분석 및 활용하기

설문 응답 수집을 완료한 뒤에는 결과 데이터를 분석하는 단계이다. 문항 구성 방법을 다룬 앞선 글을 보면 알겠지만, 만족도 조사는 객관식·주관식 유형 이외에도 평가형·순위형 등 다양한 문항 유형을 활용한다. 그리고 문항 유형에 따라서 결과 데이터를 분석할 때 유의해야 할 사항도 조금씩 달라진다. 따라서 이번 글에서는 유형별 결과 데이터 해석 시 유의해야 할 사항에 대해 알아본다.

설명은 오픈서베이가 직접 진행한 만족도 조사 예시 설문 결과를 기준으로 진행한다. 아래 링크를 통해 오픈서베이 블로그에 접속한 뒤 결과 페이지에 진입할 수 있으며, 객관식 순위형 문항, 평가형 문항, 주관식 문항 등 다양한 문항 유형의 결과 데이터 예시를 살펴볼 수 있다. 다만 본 예시 결과 링크는 결과 데이터 분석 예시를 위해 임의로 생성한 설문이므로, 체험 이외 용도로는 결과 데이터를 활용할 수 없다는 점을 참고해야 한다.

오픈서베이 블로그 통해 예시 결과 페이지 접속하기

① 객관식 순위형 문항

객관식 순위형 문항은 응답자가 여러 개의 보기를 적합한 순서대로 선택하도록 할 때 활용하는 문항 유형이다. 특정 응답자가 00몰에 대한 만족도가 높다고 할 때, 만족도가 높은 이유는 여러 가지일 수도 있다. 여러 이유 중 좀 더 우선순위가 높은 항목이 있을 수도 있다. 예를 들어 00몰이 할인/프로모션을 많이 한다는 점이 가장 큰 요인이지만, 다양한 리뷰와 편리한 환불/반품 정책도 만족도를 높이는 요소 중 하나일 수 있는 것이다. 이러한 심층적인 정보는 단일형 문항으로는 파악하기 어렵기 때문에 순위형 문항을 활용한다.

위는 예시 결과 링크의 00몰 제품 구매 경험이 만족스럽다는 응답자에게 그 이유를 순위형으로 응답받은 문항이다. 가장 응답률이 높은 보기는 ‘배송’이다(86.8%). 2위와 40%P 넘게 차이가 있을 정도로 압도적인 응답률이다. 배송 다음으로 만족도가 높은 항목은 ‘가격’이다(45.9%). 그런데 이는 3~4위인 ‘다양한 상품’ 혹은 ‘결제 과정’보다 압도적으로 높진 않다(각 31.1%, 28.0%). 따라서 가격·다양한 상품·결제 과정 중 어떤 항목을 더욱 중요하게 봐야 할지 오히려 혼란스러워질 수도 있다.

그럴 때는 위 이미지처럼 순위형 응답인 만큼 표기 기준을 바꿔 보는 게 도움이 되기도 한다. 아래는 같은 문항을 표기 기준만 ‘1순위까지’로 바꾼 결과 화면이다. 여기서는 ‘가격’이 ‘다양한 상품’ 및 ‘결제 과정’과 비교할 때 2배 이상의 격차를 벌리고 있다(각 15.4%, 7.6%, 7.0%). 이러한 차이는 표기 기준을 1~2순위까지 혹은 1~3순위까지로 확대할수록 좁혀진다.

또한, 1순위 기준으로 보면 ‘배송’과 다른 항목 간의 응답률 차이가 더욱 극명하게 나타난다(59.9%). 1순위로 꼽은 항목이 ‘00몰 구매 경험이 만족스러운 가장 큰 이유’에 대한 소비자의 응답이라면, 00몰은 위 결과를 보면서 현재 주력하고 있는 배송 경쟁력이 소비자에게도 잘 와닿고 있다고 생각할 수 있다. 이렇듯 객관식 순위형 응답은 하나의 문항으로 더욱 심층적인 데이터를 수집할 수 있으며, 표기 기준을 바꿔서 다양한 방면으로 데이터를 분석할 수 있다.

② 평가형 문항 (5점 척도)

평가형 문항은 동의하는 정도나 만족하는 정도를 3점, 5점, 7점 등 다양한 척도의 점수로 응답받는 문항 유형이다. ‘00몰 구매 경험은 얼마나 만족스러웠나요?’와 같은 방식으로 태도·선호도·만족도 등을 파악하는 설문에서 자주 쓰인다. 응답 결과를 수치화해서 한눈에 평균 점수를 볼 수 있는 등의 장점 때문이다. 이에 평가형 문항은 설문뿐만 아니라 다양한 영역에서 활용된다. 스마트폰 앱스토어에 있는 5점 척도 별점 리뷰가 대표적인 사례다.

그럼 평가형 문항은 앱스토어에서 앱 리뷰를 보듯 평균 점수만 분석하면 될까? 꼭 그렇진 않다. 위는 00몰 구매 경험 만족도에 대한 5점 척도 평가형 문항이다. 이미지 우측을 보면 TOP 2(4+5점), BOTTOM 2(1+2점)라는 항목이 있다. TOP 2는 4점과 5점을 선택해 만족하는 응답자 비율, BOTTOM 2는 1점과 2점을 선택한 불만족하는 응답자 비율이다. 만족/불만족 응답을 한 눈에 비교할 수 있기 때문에, 평가형 문항 결과를 분석할 때 중요하게 살펴봐야 할 항목이다. TOP 2와 BOTTOM 2를 보면 00몰 구매 경험에 대해 만족스럽게 느끼는 응답자가 압도적으로 많다는 걸 한눈에 알 수 있다(각 84.6%, 2.1%).

이러한 평가형 문항은 교차 분석 기능을 활용할 때 더욱 유용한 인사이트를 얻을 수 있다. 아래는 예시 결과 링크에서 00몰에 대한 추천 의향을 묻는 6번 문항을 응답자의 성·연령 기준으로 분석 단위를 설정해 만든 교차분석표다. 살펴보면 30대 여성에서 ‘매우 추천함(5점)’을 선택한 비율이 상대적으로 높은데, 20대 여성과 40대 남성은 그의 절반 수준으로 낮다(30대 여성: 50.6%, 20대 여성: 25.0%, 40대 남성: 25.0%). 이처럼 교차분석 기능을 활용하면 어떤 집단에서 00몰에 대한 추천 의향이 특히 높거나 낮은지 등 좀 더 구체적인 정보를 파악할 수 있다.

③ 주관식 문항

주관식 문항은 제시된 보기 중 선택해서 응답을 받는 게 아니라 텍스트로 자유롭게 응답할 수 있는 문항 유형이다. 문항 보기 구성 부담이 없고, 단답형·서술형·숫자형 등 다양한 형태로 응답을 받을 수 있어 활용 범위 또한 넓다. 다만, 주관식 문항은 결과 데이터를 정량적으로 분석하기 어렵다. 동일한 성질의 응답이 들어와도 정확히 일치하지 않아 별도의 데이터 코딩 작업이 필요하거나, 질문 의도와 거리가 먼 답변을 할 가능성도 있기 때문이다. 이에 충분히 시간을 들여서 살펴보지 않으면 데이터를 잘 활용하지 못하게 될 수 있다는 단점이 있다. 이에 이전 글에서 꼭 필요한 경우에만 주관식 문항을 추가하는 것을 추천했다.

그런데 오픈서베이 DIY로 만족도 조사를 하면 한결 수월하게 주관식 응답을 분석할 수 있다. 오픈서베이의 데이터 분석 툴 ‘오픈애널리틱스’는 주관식 문항에서 공통 응답 수가 많은 단어를 자동으로 시각화하는 워드클라우드 기능을 제공하기 때문이다. 덕분에 응답 수가 많은 단어일수록 글자가 크게 표시되며, 언급된 빈도수에 따라 글자 컬러가 다르게 나타난다. 이에 주관식 응답 로우 데이터를 하나씩 살펴보며 분석을 해야 하는 수고로움을 한결 덜어낼 수 있다.

아래는 00몰 구매 경험에 만족하는 이유를 주관식 응답으로 받은 문항이다. ‘배송’, ‘급하게’, ‘다음날’ 등 키워드가 보라색으로 컬러 코딩되어 가장 큰 사이즈로 나타난다. ‘가격’, ‘결제’, ‘디양한’, ‘저렴하게’ 등의 키워드도 작은 사이즈로 보인다. 00몰 구매 경험이 만족스러운 가장 큰 이유는 배송이며, 다음으로 ‘가격’, ‘편리한 결제’, ‘제품 다양성’ 등이 언급된다는 걸 알 수 있다. 앞서 살펴본 객관식 순위형 문항 결과와 유사하다. 워드클라우드를 통해 객관식 응답만큼 면밀하게 정량화된 형태까진 아니라도 주관식 응답을 한결 손쉽게 파악할 수 있다.