객관식 변수는 여러 보기 중 하나를 선택하는 단일형 변수만 떠올리는 경우가 많은데, 실은 여러 보기를 선택할 수 있는 중복형 변수와 보기를 선택한 순서에 따라 응답 순위를 매기는 순위형 변수도 있습니다. 변수 유형이 다른 만큼 데이터를 분석할 때 주의해야 하는 사항도 다르죠.
이번 글에서는 분석의 결과 탭에서 다양한 유형의 객관식 변수 응답 데이터를 분석할 때 주의해야 할 사항에 대해 알아보겠습니다.
객관식 단일형·중복형·순위형 결과 화면 얼마나 다를까?
① 객관식 단일형
가장 기본적인 객관식 변수 유형입니다. 한 사람당 하나의 보기만 선택할 수 있어서 데이터 영역의 모든 보기 비율을 합하면 100%가 나옵니다.
가로막대형 차트를 기본으로 보여주며, 이외 원형·도넛형·세로막대형 차트로 시각화 방법을 바꿀 수 있습니다.
② 객관식 중복형
응답자가 보기를 여러 개 선택할 수 있는 변수 유형입니다. 한 사람당 여러 보기를 선택할 수 있어서 데이터 영역의 모든 보기 비율을 합하면 100% 넘는 경우가 많습니다.
가로막대형 차트를 기본으로 보여주며, 이외 세로막대형 차트로 시각화 방법을 바꿀 수 있습니다.
③ 객관식 순위형
응답자가 여러 보기를 선택하는 순서에 따라 응답별 순위를 파악할 수 있는 변수 유형입니다. 한 사람당 여러 보기를 선택할 수 있어 데이터 영역의 모든 보기 비율을 합하면 100%가 넘는 경우가 많습니다.
응답 순위별로 데이터 표기 기준을 변경할 수 있습니다. 각 응답자의 1순위 응답만 골라보거나, 1~2순위·1~3순위 등으로 표기 기준을 변경할 수 있습니다. 적용된 표기 기준에 따라서 데이터 영역에 나타나는 차트가 달라집니다.
가로막대형 차트를 기본으로 보여주며, 이외 세로막대형 차트로 시각화 방법을 변경할 수 있습니다.
객관식 변수 데이터 해석 시 주의사항
① 기타 응답 비율이 10% 이상일 때 데이터 해석 방법
객관식 변수 데이터를 볼 때 ‘기타’ 응답을 주의 깊게 살펴봐야 합니다. 만약 보기가 잘 구성되었다면 일반적으로 기타 응답 선택 비율은 10% 이내가 됩니다. 만약 기타 응답 선택 비율이 10% 이상이라면 아래와 같은 상황일 수 있습니다.
제품이나 브랜드명을 묻는 변수의 경우: 여기서 기타 응답 비율이 10%가 넘으면, 보기 구성 당시 시장 현황을 충분히 반영하지 못했을 수 있습니다. 이때는 기타 응답 가운데 공통적으로 많이 언급된 제품/브랜드가 있는지 먼저 살펴보는 게 좋습니다. 전체 응답 수의 3% 이상인 응답이 있다면, 보기화해서 결과를 해석하는 게 좋습니다.
선택이나 선호하는 이유를 묻는 변수의 경우: 여기서 기타 응답 비율이 10%가 넘으면, 응답자 시각에서 중요한 이유를 사전에 파악하지 못한 채 보기를 구성했을 가능성이 있습니다. 이때는 기타 의견을 살펴보며 빠진 보기가 무엇인지 살펴본 뒤 해당 변수에 대해서만 재응답을 받아보는 게 정확한 결과를 얻는 데 큰 도움이 됩니다.
② 순위형 변수 결과 해석 시 주의사항
객관식 순위형 변수는 1~N 순위의 누적 결과를 서로 비교해 보면 어느 보기에 유의미한 포인트가 있는지 더욱 쉽게 발견할 수 있습니다. 이에 처음 순위형 데이터를 분석한다면 표기 기준을 1순위까지 혹은 1~2순위까지 등으로 변경하면서 경향성을 파악하는 것이 좋습니다.
아래 예시를 함께 살펴보겠습니다. ‘무선 이어폰 구매 시 중요하게 고려하는 사항을 최대 3순위까지 선택’할 수 있는 변수의 응답 결과입니다. 1순위 응답만 볼 때는 음질, 가격, 휴대폰과의 무선 연결이 압도적으로 높은 응답률을 보여주고 있습니다. 그런데 1~3순위로 표기 기준을 변경하면 배터리 용량에 대한 응답도 매우 많다는 걸 알 수 있습니다.
이를 통해 알 수 있는 점은 무엇일까요? 1순위 기준으로 가장 응답률이 높은 보기는 소비자가 생각하는 무선 이어폰의 핵심 기능으로 이미 모든 브랜드가 잘 갖추고 있거나 시장을 선도하는 브랜드의 주요 경쟁력일 수 있습니다. 이에 무선 이어폰 시장의 후발주자로서 위 데이터를 해석한다면, 배터리 용량을 제품 차별화 포인트로 가져가는 것을 고려해 볼 수 있습니다.