1차 데이터 수집을 위한 AI 및 구글설문지 활용 방법

[파트2. 데이터 수집 및 전처리]

May 1. 2025

<생각해 볼 문제>

“고객이 정말 원하는 게 뭔지 모르겠어요.”

마케팅 현장에서 자주 듣게 되는 말입니다. 빅데이터 시대라고는 하지만, 정작 ‘우리 브랜드의 고객이 왜 구매를 결정했는지’, ‘어떤 니즈가 충족되지 않았는지’, 또는 ‘어떤 요소 때문에 이탈했는지’를 명확히 알기란 쉽지 않습니다. 데이터는 넘쳐나지만, 우리가 실제로 사용할 수 있는 데이터는 제한적이며, 무엇보다 우리 브랜드의 ‘진짜 고객’에 대한 구체적인 정보는 외부 데이터만으로는 결코 완전하게 확보할 수 없습니다.

웹로그, 리뷰, SNS 등 외부 데이터는 유용한 힌트를 제공하지만, 고객의 니즈나 기대, 만족감, 불만족 요인과 같은 정성적인 통찰을 확보하려면 결국 ‘1차 데이터’를 직접 수집해야 합니다. 고객의 목소리를 직접 듣는 설문조사는 그 시작이자 핵심입니다. 설문은 단순한 질문지를 넘어 고객과 브랜드 사이의 커뮤니케이션 채널이며, 그 결과는 곧 마케팅 전략과 제품 개선, 서비스 디자인 전반에 영향을 미치는 핵심 자원이 됩니다.

실무에서 가장 널리 쓰이는 ‘구글 설문지’를 중심으로, 설문조사를 어떻게 설계하고, 어떤 질문을 구성하며, 생성형 AI와 함께 어떻게 자동화할 수 있는지를 실제 사례와 함께 소개하겠습니다.

1차 데이터가 필요한 이유: 고객의 ‘진짜 이유’를 듣기 위한 유일한 방법

1차 데이터(Primary Data)는 기업이 고객이나 잠재고객에게 직접 질문하거나 행동을 관찰해 수집한 데이터입니다. 이는 대부분의 외부 데이터가 제공하지 못하는 ‘고객의 진심’을 담고 있으며, 기존 데이터 분석으로는 파악하기 어려운 인지·감정·태도 같은 심층 정보를 제공해 줍니다.

예시 1: 무료배송 정책 개선 사례

A 브랜드는 웹 분석을 통해 ‘이탈률이 높다’는 사실을 파악했지만, 왜 이탈했는지에 대한 원인을 명확히 알 수 없었습니다.

설문조사를 실시한 결과, 다수의 고객이 “장바구니에 담은 후 배송비를 확인하고 나서 결제를 포기했다”는 응답을 반복적으로 했고, 이를 바탕으로 ‘3만 원 이상 무료배송 정책’을 도입했습니다.

그 결과 구매 전환율이 눈에 띄게 향상되었으며, 고객의 만족도 역시 함께 높아졌습니다.

예시 2: 브랜드 이미지 개선

B 기업은 신규 고객 유입이 정체되자 설문을 통해 브랜드에 대한 인식을 조사했습니다.

응답자 다수가 “전문성은 있지만 가격이 비싸 보인다”는 이미지를 가지고 있었고, 이를 바탕으로 가격대별 상품 구성과 커뮤니케이션 톤을 조정했습니다.

이처럼 1차 데이터는 우리가 설정한 가설을 검증하거나, 기존 데이터에서 보이지 않던 ‘의미의 공백’을 메우는 역할을 합니다. 특히 고객의 언어 그대로 데이터를 수집할 수 있다는 점에서 ‘감정 기반 전략’ 수립에 매우 효과적입니다.

설문조사의 기본 원칙: 무엇을 묻고, 누구에게, 어떻게 물을 것인가?

설문조사는 단순히 질문을 나열하는 작업이 아닙니다. 그것은 고객의 마음속을 탐색하는 하나의 인터페이스이자, 브랜드가 고객을 어떻게 이해하고 있는지를 반영하는 정교한 설계 행위입니다. 특히 설문은 고객의 시간과 주의를 빌려 얻는 귀한 데이터이므로, 다음과 같은 기본 원칙을 반드시 따라야 합니다.

목적 중심 설계

설문은 반드시 ‘이 설문을 통해 무엇을 알고 싶은가?’라는 질문에서 시작되어야 합니다.

예: “신제품 출시 전 고객의 기능 선호도를 파악하고 싶다” → 핵심 질문: 어떤 기능이 가장 필요하다고 느끼는가?

목적이 불분명한 설문은 응답률도 낮고, 데이터 활용성도 떨어지므로 반드시 초기에 설계 목적을 명확히 해야 합니다.

타깃 응답자 정의

응답자의 범위를 구체화하지 않으면, 데이터는 분산되고 해석은 모호해집니다.

가능하면 ‘최근 3개월 내 구매자’, ‘20~40대 여성 중 온라인 구매 경험자’ 등으로 세분화하여 설문을 배포해야 합니다.

응답 피로도 최소화

설문은 5~10분 내외로 응답할 수 있는 분량을 유지하고, 간결하고 명확한 표현을 사용해야 합니다.

중복된 질문은 피하고, 응답 소요 시간을 처음부터 명시해 심리적 부담을 줄이는 것이 좋습니다.

분석 가능한 구조로 설계

객관식, 5점 또는 7점 척도 기반 질문을 주로 구성하고, 주관식은 1~2문항 이내로 제한합니다.

응답 결과를 구조화해 분석할 수 있도록 미리 의도한 카테고리를 설계해 두는 것이 중요합니다.

구글 설문지 실전 활용법: 설계 → 배포 → 분석까지 하나의 흐름으로 만들기

1차 데이터를 수집하는 데 있어 가장 널리 사용되는 도구 중 하나는 바로 구글 설문지(Google Forms)입니다. 무료로 제공되며, 누구나 쉽게 사용할 수 있고, 실시간 응답 수집과 기본 분석 기능까지 제공되어 비전문가도 빠르게 설문을 만들고 결과를 확인할 수 있습니다.

온라인 설문도구 비교

설문 구성의 핵심 절차

1단계: 기본 정보 세팅

- 설문 제목: 프로젝트 명 또는 문제 인식 중심

- 설명란: 설문 목적과 소요 시간, 개인정보 활용 범위 명시

2단계: 프로파일링 문항 설정

- 성별, 연령, 거주 지역, 구매 이력 등 기본 정보

- 설문 결과를 세그먼트 분석하려면 이 부분이 필수입니다

3단계: 본문 문항 설계

- 5점 또는 7점 척도 사용 (만족도, 선호도, 재구매 의향 등)

- 선택형, 다중 응답형, 드롭다운 등 질문 유형 혼합 사용

- 1~2개의 개방형 주관식 문항 포함 (심층 인사이트 확보)

4단계: 응답 후 메시지 설정 및 링크 배포

- 응답자에게 감사 메시지 제공

- 링크 또는 QR 코드로 공유, 타깃별 채널 설정 (SMS, 이메일, SNS 등)

실제 마케터들이 활용한 설문 예시

사례 1 - 지역 기반 카페 브랜드

- 목적: 신규 고객 확보를 위한 입소문 마케팅 전략 수립

- 설문 문항: 카페 이용 빈도, 브랜드 인지도, 음료 만족도, 재방문 의향, 경쟁 브랜드와의 차별점

- 결과 활용: 충성고객 대상 추천 이벤트 실시, 음료 라인업 개편

사례 2 - 온라인 교육 플랫폼

- 목적: 수강 이탈 원인 파악 및 개선 전략 수립

- 설문 문항: 수강 중단 이유, 콘텐츠 난이도, 피드백 시스템 만족도, UI 편의성

- 결과 활용: 콘텐츠 재편성, 피드백 기능 추가

생성형 AI와의 결합: 설문 설계부터 분석까지 자동화 가능

최근에는 ChatGPT를 비롯한 생성형 AI 도구와 구글 설문지를 연계해 활용하는 사례도 급증하고 있습니다. 특히 설문 문항 작성, 요약 분석, 키워드 추출, 시각화까지 지원함으로써 비전문가도 빠르게 고품질 데이터를 활용할 수 있게 되었습니다.

프롬프트 기반 설문 문항 생성 예시

“30~40대 직장인 여성을 대상으로 건강기능식품 구매 행태를 알아보기 위한 설문지를 작성해 줘. 객관식 중심, 중복 선택 포함, 최대 8문항.”

- 결과: 성별, 구매 빈도, 기능별 관심도, 구매 채널, 가격 민감도, 브랜드 충성도 등 자동 구성

응답 데이터 분석 예시

1. 구글 스프레드시트 연동

2. 수집된 데이터 csv 또는 xlsx 파일로 저장 후 ChatGPT에 업로드

3. 프롬프트:

“이 설문 데이터를 분석해서, 브랜드 인지도별 만족도 차이와, 제품 재구매 의향과의 상관관계를 알려줘. 표와 차트로 보여줘.”

4. 결과: 텍스트 요약 + 시각적 분석까지 도출 가능

마케터용 반복 프롬프트 템플릿

- “설문 데이터를 바탕으로 연령대별 트렌드 분석해 줘.”

- “가장 많이 언급된 불만 키워드 5가지를 추출해 줘.”

- “긍정 응답률이 높은 항목 중심으로 인사이트 요약해 줘.”

이처럼 생성형 AI를 통해 설문 설계부터 분석까지 전 과정을 반복 가능한 프로세스로 만들 수 있으며, 마케팅 기획자와 실무자 모두에게 ‘데이터 리터러시’를 높이는 기반이 됩니다.

설문 설계 시 자주 발생하는 문제점과 그 해결 방안

설문은 잘 설계하면 고객 인사이트의 금광이 되지만, 잘못 설계하면 쓸모없는 숫자와 텍스트 덩어리만 양산됩니다. 실무 현장에서는 특히 시간에 쫓기거나 경험 부족으로 인해 다음과 같은 실수를 반복하는 경우가 많습니다. 여기서는 실제 사례를 바탕으로 자주 발생하는 오류와 해결책을 구체적으로 제시합니다.

흔한 설계 실수 vs 개선 방안

유도형 질문

특정 응답을 유도하는 방식으로 질문 설계

중립적 표현 사용 (예: “이 제품은 만족스러우셨나요?” → “이 제품에 대한 전반적인 만족도를 평가해 주세요.”)

이중질문

하나의 질문에 두 개 이상의 항목이 포함됨

하나의 핵심 주제만 다루도록 분리 (예: “가격과 품질이 만족스러웠나요?” → 각각 질문으로 나눔)

피로 유발

질문 수가 너무 많거나, 유사 질문 반복

10문항 이하로 요약, 유사 질문 통합, 직관적 UI 사용

주관식 남발

모든 질문에 자유 서술식 응답 요구

주관식은 1~2문항 제한, 핵심 질문에만 활용

응답지 편향

선택지 균형 없이 긍정 응답만 강조

5점/7점 척도 사용, ‘모름/해당 없음’ 포함

설문 전 파일럿 테스트를 꼭 해야 하나?

3~5명에게 테스트 설문을 배포하고, 응답 시간과 이해도, 피드백을 받는 것이 실제 시행 전 오류를 줄이는 가장 효과적인 방법입니다.

파일럿 데이터는 AI 분석용으로도 활용 가능하며, 이후 본 설문과 비교해 품질 차이를 체크하는 기준이 됩니다.

설문은 단순한 자료 수집을 넘어 마케팅 전략의 기반

설문은 단순히 문항을 나열하는 작업이 아니라, 고객의 언어를 수집하는 기획 행위입니다. 그리고 이 언어는 곧 ‘데이터’로 구조화되어 전략으로 바뀌게 됩니다. 특히 생성형 AI의 등장으로 설문 설계, 응답 수집, 분석, 시각화까지의 전 과정을 단일 흐름으로 자동화할 수 있는 시대가 되었습니다.