🔍 분석 기능 활용하기: 목적에 맞게 분석하기 | 실전편

설문조사 결과를 받았을 때 가장 많이 하는 생각은 아마 이런 걸 거예요.

“그래서, 우리는 뭘 하면 되는 거지?”

데이터 자체보다 훨씬 중요한 건, 바로 의사결정에 활용할 수 있는 인사이트입니다.

이번 실전편에서는 데이터스페이스를 활용해 목적에 맞는 빠른 분석부터 보고까지, 효율적으로 진행할 수 있는 ‘지름길’을 알려드립니다.

실습에 사용할 데이터는 데이터스페이스 가입 시 누구나 받을 수 있는 AI 검색 서비스 관련 설문조사 데이터입니다. 아직 회원이 아니라면, 먼저 가입하신 후 함께 따라해 보세요.

🛠 이번에 다룰 데이터와 분석 기법

분석 단계	무엇을 하나요?	어디서 하나요?
⚙️ 분석 기준 설정	분석의 기준점 정하기	변수 탭
📈 데이터 분석	교차분석으로 의미 있는 차이 찾기	교차분석 탭
🔤 주관식 응답 분석	주관식 답변을 수치화해 분석	텍스트 AI 탭
📌 데이터 요약	보고를 위한 핵심 인사이트 정리	보고서 탭

🧩 1단계. 분석 기준을 설정해 주세요!

데이터를 받으면 가장 먼저 해야 할 일은 ‘어떤 기준으로 분석할지’를 정하는 것입니다.

이 기준에 따라, 인사이트의 결이 완전히 달라질 수 있어요.

분석 기준: ‘서로 차이가 있을지 비교해 보고 싶은 항목’
- 예: 성별(남성·여성), 연령대(10대·20대), 주요 구매 브랜드(자사·경쟁사)
- 컨셉이나 만족도처럼 ‘평가 항목’이라면 긍정 평가 그룹과 부정 평가 그룹
분석 대상: 실제로 분석하는 데이터(대체로 설문 데이터 전체)
- 예: 긍정·부정 그룹 간 남녀 비율, 소득, KBF(주요 구매 요인), 정보 탐색 방식 비교

추가로, 분석 기준은 조사 전에 세운 가설이나 의미 있는 차이가 있을 것 같은 항목을 떠올려 정하면 좋습니다.

예를 들어, AI 서비스 이용에 관한 설문을 분석한다고 할 때, 다음과 같은 가설을 세워볼 수 있겠죠.

“🤔사용자들은 서비스별로 주 사용 목적이 다를 것이다.”

이 가설을 검증하기 위해 ‘AI 검색 서비스’를 변수 리코드 기능을 이용해 이렇게 묶어볼 수 있습니다.

포털 사이트: 구글, 네이버, 네이트, 다음, 줌포털, 나무위키
SNS: 에타/블라인드, 유튜브, 인스타그램, 틱톡, 페이스북, 카카오톡, 핀터레스트
생성형 AI: ChatGPT, 기타 생성형 AI 서비스

변수 리코드는 쉽게 말해, 데이터를 ‘다시 묶어주는 도구’입니다.

설문을 만들 때는 응답자가 헷갈리지 않도록, 또 가설에 맞게 정보를 꼼꼼히 모으려고 문항을 세분화하죠. 그런데 막상 분석을 하다 보면, 너무 잘게 나뉜 데이터를 하나로 합치거나 반대로 다시 나눠서 봐야 할 때가 있습니다.

그럴 때 변수 리코드 기능을 쓰면, 필요한 기준에 맞춰 데이터를 깔끔하게 정리할 수 있습니다.

📄참고 문서: 변수 생성 - 리코드 기능 알아보기

사용 방법

변수의 특징에 맞춰 이름과 설명을 입력하세요.
묶고 싶은 데이터를 선택해 그룹핑하여 원하는 기준에 맞게 그룹을 만듭니다.
우측 상단 [변수 생성] 버튼을 클릭해 변수를 완성하세요.

🧚분석 기준 설정 tip

컨셉이나 만족도처럼 ‘평가를 받는 항목’이라면, 긍정적으로 평가한 그룹과 부정적으로 평가한 그룹을 나눠서 비교해 보세요.
U&A 조사나 브랜드 조사의 경우에는 가격대, 집단의 특성, 집단의 크기에 따라 구분하는 것도 좋아요.
(예) ‘해외 브랜드 vs 국내 브랜드’ 또는 ‘고가 브랜드 vs 중저가 브랜드’

🔍 2단계. 교차분석으로 차이가 있는 데이터를 한눈에 살펴보세요!

교차분석은 '특정 그룹이 어떤 행동을 보이는지' 확인하기 위해 두 질문(또는 변수) 간의 응답 결과를 비교·분석하는 방법이에요.

교차분석에서는 크게 3가지 도구를 활용할 수 있습니다.

① 컬러코딩

컬러코딩이란 교차분석표에 표시된 데이터 중 전체 값 대비 통계적으로 유의미하게 높거나 낮은 값을 색으로 보여주는 기능입니다.

사용 방법

교차분석 탭에서 분석 기준은 직접 만든 변수나 성·연령으로, 분석 대상은 설문 전체를 드래그 앤 드롭으로 올려줍니다.
컬러코딩은 특정 집단의 응답 비율과 전체 응답 간 차이를 80% 신뢰 수준을 기본으로 비교합니다.
- 🔴 붉은색: 통계적으로 유의미하게 높은 값
- 🔵 푸른색: 통계적으로 유의미하게 낮은 값
컬러코딩 결과를 바탕으로, 분석 기준에 따라 설문 전체에서 어떤 차이가 나타나는지, 어떤 영향이 있는지 쉽게 파악할 수 있습니다.

설문 전체를 분석 대상으로 먼저 설정하는 이유는, 가설이 있어도 확신하기 어려운 경우가 많기 때문입니다. 전체 데이터를 살펴보면서 예상치 못한 패턴을 발견할 수 있죠.

데이터가 너무 많아 복잡하다면, 일부 보기를 교차분석에서 제외하거나 응답 수 정렬 필터로 간단히 정리해도 좋습니다.

이렇게 실습 데이터를 컬러코딩하여, 사람들이 어떤 상황에서 생성형 AI를 사용하고, 어떤 상황에선 검색 포털을 주로 사용하는지 유추할 수 있습니다.

Q3: 지식 습득이나 업무 목적으로는 생성형 AI 사용 비율이 특히 높게 나타났고,
Q22: 검색 포털을 자주 이용하는 사람들은 ChatGPT 답변을 GPT 사용자만큼 신뢰하지 않는 경향이 있다.

🧚이용 tip

교차분석 저장 (엔터프라이즈 플랜 전용): 중요한 분석 결과를 저장해두고 팀원과 공유할 수 있어요.
우리 브랜드의 U&A 조사에 컬러코딩을 적용해 보면,
- 중요도는 높지만 만족도가 낮은 항목은 우선 개선해야 할 핵심 과제로 검토할 수 있고,
- 중요도와 만족도 모두 높은 항목은 고객 만족도가 높지만 시장에서는 덜 중요하게 여겨지는 분야로, 우리 브랜드만의 차별화 포인트가 될 수 있어요.

② 빠른 필터

빠른 필터는 전체 데이터 중 특정 집단만 골라서 깊이 분석할 수 있는 기능입니다.

예를 들어, 생성형 AI 사용자 중 ‘ChatGPT’만 사용하는 사람을 보고 싶다면 필터를 활용해 보세요.

사용 방법

우측의 [빠른 필터] 버튼을 클릭합니다.
더욱 세밀하게 분석하고 싶은 문항과 보기를 선택합니다.
선택한 보기의 응답자 수를 기준으로 분석 결과가 표시됩니다.

🧚이용 tip

필터에는 2가지 종류가 있어요.

◾응답 필터

전체 집단의 표본 수 자체를 조정합니다.
예: 전체 1000명 중 ‘ChatGPT’ 사용자 N명의 데이터를 기준으로 차이를 보여줍니다.

◾교차분석 내 필터

전체 응답 수는 유지하되, 선택하지 않은 보기(응답)를 숨깁니다.
원하는 응답만 간단히 보고 싶을 때 유용합니다.

③ 텍스트 AI

주관식 응답은 소비자의 생각과 의견을 있는 그대로 들을 수 있는 장점이 있습니다.
하지만 이를 수치화하려면 ‘코딩’ 작업이 필요하고, 시간이 많이 걸리죠.

데이터스페이스의 텍스트 AI 분석을 사용하면, 최대 1,000건의 주관식 응답을 빠르게 수치화해 분석할 수 있습니다.

사용 방법

텍스트 AI 탭에서 [주제 분석]을 클릭합니다.
※ 주제 분석을 사용하려면 텍스트 크레딧이 필요합니다.
AI가 응답 내용을 자동으로 분류해, 각 주제를 수치화된 데이터로 변환합니다.
변환된 데이터는 객관식 문항처럼 교차분석이 가능합니다.
- 버블 차트 화면 우측 상단의 [교차분석] 버튼 클릭
- 변수 리코드로 만든 변수를 분석 기준에 올려서 집단별 주관식 응답 경향 차이를 컬러코딩으로 확인