변수 관리 탭의 변수 조합 기능 알아보기

변수 관리 탭의 변수 조합 기능이 어떻게 구성되어 있는지 살펴봅니다.

1주 전에 업데이트함

변수 조합이란?

변수 조합이란 기존 변수를 분석하기 편한 형태로 재조합해서 새로운 변수를 생성할 수 있는 기능입니다. 세부적으로는 변수 리코드, 조합, 수식, VTL, 가중치 작업을 할 수 있습니다. 단, 변수 조합 기능은 데이터스페이스 Analyze 플랜에서 Add-on 아이템을 추가 구매해야만 사용할 수 있습니다.

변수 조합 화면은 변수 관리 탭에서 오른쪽 상단의 [변수 조합] 버튼을 누르면 진입할 수 있습니다. 변수 조합 화면에 진입하면 리코드 기능 화면이 기본으로 나타나며, 왼쪽 상단의 리코드·조합·수식·VTL·가중치 메뉴를 눌러서 다른 기능 화면으로 이동할 수 있습니다.

📌 꼭 알아두세요!

  • 변수 조합은 Analyze 플랜을 구독하더라도 Add-on 아이템을 추가 구매해야만 이용할 수 있습니다. 링크를 통해 Add-on 아이템 추가 구매 문의를 할 수 있습니다.

변수 조합에서 제공하는 기능 알아보기

변수 조합은 기존 변수를 분석하기 편한 형태로 재조합해서 새로운 변수를 생성하는 기능입니다. 예를 들어 기존 변수의 라벨 및 보기 텍스트를 변경하거나, 여러 변수를 재조합하거나, 수식을 통해 주관식·평가형 문항 결과를 다른 단위로 환산하거나, 데이터에 가중치를 적용할 수 있습니다. 이러한 세부 기능은 리코드·조합·수식 등 다양한 이름으로 구현되어 있습니다. 아래에서 변수 조합에서 제공하는 세부 기능에 대해 알아봅니다.

① 리코드

1개의 변수를 불러와서 라벨(질문지)·보기 텍스트를 변경하거나, 원하는 기준에 따라 여러 보기를 묶어서 보고 싶을 때 활용하는 기능입니다. 예를 들어 거주 지역을 묻는 문항에 ‘서울’ ‘경기도’ ‘인천’ 보기가 각각 있을 때, 이를 ‘수도권’이라는 하나의 보기로 묶을 수 있습니다.

② 조합

2개 이상의 변수를 조합해서 새로운 변수를 생성할 때 활용하는 기능입니다. 예를 들어 가구 구성을 묻는 문항과 자녀 유무를 묻는 문항과 결혼 여부를 묻는 문항의 응답 결과를 조합해서 자녀가 있는 3인 이상 기혼 가구’와 같이 종합적인 라이프스테이지를 파악할 수 있는 하나의 통합 변수를 생성할 수 있습니다.

③ 수식

주관식 숫자형·평가형 등 숫자 형태의 응답 결과를 사칙연산 (+,-, *,/)이나 함수(sum, min, max, mean 등)를 활용해서 새로운 변수로 생성하는 기능입니다. 예를 들어 평소 장을 볼 때 쓰는 금액을 만원 단위의 주관식 숫자형으로 응답을 받았다면, ‘1만원’을 ‘10,000원’으로 변경해서 새로운 변수를 만들 수 있습니다. 그럼 추후 데이터를 더욱 편리하게 분석할 수 있습니다.

또한, 복수형·순위형 등 여러 보기를 선택하는 객관식 문항의 응답 결과를 count 함수를 활용해 응답자별로 선택한 보기가 총 몇 개인지를 기준으로 주관식 숫자형 문항 변수로 변경할 수도 있습니다. 그럼 사용하는 화장품 종류를 모두 선택해달라는 객관식 문항 결과를 토대로 응답자들이 평균적으로 사용하는 화장품 개수가 몇 개인지 파악할 수 있습니다.

④ VTL

VTL은 Variable Transform Language의 약자로, 오픈서베이가 변수를 조합하는 작업을 처리하기 위해 활용하는 언어 체계입니다. 리코드·조합·수식 등 다양한 변수 조합 작업을 마우스로 버튼을 클릭하는 GUI 기반으로 진행하면 많은 양의 작업을 빠르게 처리하기 어려운데, 이런 경우 VTL을 직접 입력하는 방식으로 새로운 변수를 생성하거나 조합할 수 있습니다.

⑤ 가중치

설문 응답자 구성이 실제 시장 현황과 다를 때 시장 현황에 맞춰 특정 그룹의 응답 결과에 가중치를 반영하는 기능입니다.

예를 들어 자사 서비스 이용 고객을 대상으로 하는 설문 응답을 20대 125명, 30대 125명, 40대 125명, 50대 125명으로 총 500명에게 받았다고 해봅시다. 그런데 우리 서비스 실제 이용 고객 분포는 20~30대가 40~50대보다 훨씬 많다면, 더 많은 비율을 차지하는 20~30대의 응답이 과소 반영된 결과를 얻게 되는 겁니다. 이런 경우에는 20~30대 응답에 가중치를 적용해서 더욱 실제 고객 현황에 알맞은 분석을 할 수 있습니다.

답변이 도움되었나요?