평가형 데이터는 제시된 질문에 대해 얼마나 긍정/부정 혹은 동의/비동의하는지 묻고 싶을 때 사용하는 문항입니다. 이외에도 제품 및 브랜드의 호감도를 묻고 싶을 때도 자주 활용됩니다. 다만, 이러한 평가형 문항은 평균 점수만 높으면 되는지 등 데이터 해석 과정에서 어려움을 많이 겪습니다.

이번 글에서는 오픈애널리틱스에서 평가형 데이터를 처음 분석할 때 툴의 다양한 기능을 활용해서 분석을 시작하는 방법에 대해 알아보겠습니다.

평가형 데이터를 분석할 때는 주로 평균 점수를 먼저 살펴봅니다. 이는 가장 쉽고 효과적인 접근 방법이기도 합니다. 하지만 평가형 문항의 척도를 함께 살펴봐야 합니다. 데이터 해석 기준이 달라질 수 있기 때문입니다.

예를 들어 평가형 문항은 5점 척도가 가장 많이 쓰이지만, 3점·7점·10점 등 다양한 유형을 선택할 수 있습니다. 이때 3점·5점·7점 등 홀수 평가형이라면 ‘보통’을 기준으로 부정과 긍정 점수가 대칭을 이루는 반면, 4점·6점·8점 등 짝수 평가형은 중간값 없이 부정과 긍정 점수로만 나뉩니다. 단순히 평균 점수만 본다면 자칫 데이터의 의미를 잘못 해석할 수 있습니다.

TOP·BOTTOM은 평가형 문항에서 긍정과 부정 응답 비율의 경향을 확인할 때 보는 지표입니다.

가장 자주 활용되는 5점 평가형 문항의 경우 TOP2와 BOTTOM2를 봅니다. 긍정에 해당하는 보기 2개를 선택한 비율과 부정에 해당하는 보기 2개를 선택한 비율을 비교해 보는 겁니다. 오픈애널리틱스의 경우 우측의 지표 영역에 자동으로 계산되어 나타납니다.

척도에 따라 살펴보는 기준도 조금씩 달라집니다. 예를 들어 4점·5점·6점 평가형은 주로 TOP2·BOTTOM2를, 7점·9점·10점 평가형은 TOP3·BOTTOM3 지표의 값을 참고합니다.

평가형 데이터 응답 결과를 정확하게 해석하려면 보기별 응답 분포를 함께 살펴봐야 합니다. 평균 점수와 TOP2 등 주요 지표는 큰 차이가 없지만 응답 분포가 완전히 다른 경우도 있기 때문입니다.

아래 예시를 함께 살펴보겠습니다. 컨셉 P와 컨셉 Q의 호감도에 대한 5점 평가형 문항의 응답 결과 데이터입니다. 둘 다 평균 점수와 TOP2는 비슷한 수치로 보이지만, 응답 분포를 보면 컨셉 Q가 P 대비 5점 비율이 매우 높습니다(각 30.7%, 2.2%). 이 경우 컨셉 Q로 신제품을 출시할 때 시장에 더 큰 호감을 주고 제품 사용을 적극적으로 유도할 수 있다고 해석할 수 있습니다.

NPS는 Net Promoter Score의 약자로, 우리말로는 ‘순수 추천 지수’라고 번역할 수 있습니다. 제품/브랜드/서비스에 대한 추천 의향을 측정할 수 있는 만족도 조사 지표 중 하나입니다. “A를 주변에 얼마나 추천하고 싶은가요?”라는 질문에 대해 0~10점 중 선택하는 11점 평가형 문항으로, 최근에는 국내에서도 많이 활용되는 지표입니다.

오픈서베이는 문항 편집 시 11점 평가형을 골라서 NPS 문항을 생성할 수 있으며, 오픈애널리틱스에서도 NPS 맞춤 결과 화면을 보여줍니다. 이에 NPS 결과 화면 구성과 데이터 해석 시 주의사항에 대해 살펴보겠습니다.

NPS는 추천 고객 비율에서 비추천 고객 비율을 뺀 값입니다. 보통은 NPS가 0점을 넘으면 긍정적인 점수라고 해석할 수 있습니다. 하지만 NPS를 정확히 파악하기 위해서는 경쟁 브랜드의 NPS를 함께 보거나 주기적으로 데이터를 트래킹할 필요가 있습니다.

이외 NPS와 관련한 더욱 구체적인 사항은 아래 아티클을 통해 살펴보실 수 있습니다.