설문조사 데이터를 가장 쉽게 분석하는 시각화 방법
설문조사 데이터 분석에서 가장 효과적으로 활용할 수 있는 시각화 차트
오늘은 데이터 시각화와 뗄레야 뗄 수 없는 분야, ‘설문조사 분석’에 관해 이야기해 보려고 합니다. 설문조사 분석은 설문조사를 통해 수집된 수백 개의 답변에서 인사이트를 도출하는 일이죠! 따라서 데이터 시각화를 활용하면 더 직관적으로 조사 결과 데이터를 해석할 수 있어, 많은 기관과 기업에서 설문조사 분석 시 시각화 차트를 자주 활용합니다.
하지만 매번 어떤 문항을 어떻게 시각화할지 고민하는 게 보통 까다로운 일이 아닙니다. 모든 문항에 막대 차트만 쓰자니 천편일률적인 보고서가 밋밋해 보이고, 그렇다고 제각기 다른 차트를 쓰자니 이렇게 활용하는 게 맞는 건지 고민이 되는데요. 오늘은 가상의 인물 ‘김젤리’씨의 요구 사항을 사례로 들어 설문조사 데이터 분석에서 활용할 수 있는 시각화 방법을 소개해 보겠습니다.
▶ 설문조사 데이터 시각화를 요청한 ‘김젤리’씨의 요구 사항
김젤리 씨는 한 인터넷 쇼핑몰의 CS 담당자입니다. 김젤리 씨의 CS팀에서는 고객 상담이 종료될 때마다 만족도 조사를 실시하며, 분기에 한 번씩 조사 결과를 분석해 서비스를 개선합니다. 만족도 조사는 위와 같이 총 3개의 문항이며, 응답자가 ‘매우 불만족’부터 ‘매우 만족’까지 5개의 답변 중 하나를 선택할 수 있는 5점 리커트 척도*로 구성되었습니다. 김젤리 씨는 이 설문조사 결과로 3가지를 알고 싶다고 요청했는데요. 첫 번째는 ‘답변별 응답 수’, 두 번째는 ‘문항별 답변 분포’, 마지막으로는 ‘긍정/부정 비율’을 분석하고 싶다고 했습니다. 각각의 정보마다 어떤 시각화 유형을 활용하면 좋을까요?
* 리커트 척도 : 설문 문항들에 대해 찬성 또는 반대하는 정도를 나타내는 응답 범주, 보통의 경우 5점 척도를 사용함
1. 어떤 답변의 응답 수가 가장 많을까?
먼저 설문조사 결과 분석의 기본, ‘답변별 응답 수’를 시각화하는 방법을 알아보겠습니다. 문항마다 어떤 답변의 응답 수가 가장 높은지 알고 싶을 때는 먼저 막대 차트를 그려 보는 것이 좋아요!
문항별 답변의 응답 수를 나타낸 막대 차트 (출처 : Anathan Huong-Parrain, 각색: 뉴스젤리)위 그림은 Q1부터 Q3 문항별로 답변의 응답 수를 나타낸 막대 차트입니다. 문항별로 고객의 만족도가 얼마나 높은지 짐작해 볼 수 있는데요. 모든 문항에서 ‘조금 만족’ 답변의 막대 길이가 가장 긴 것을 알 수 있습니다. 전반적으로 서비스에 ‘조금 만족’하는 고객의 비율이 높다고 해석할 수 있어요. 전반적인 서비스 만족도를 직관적으로 파악할 수 있도록, 답변 유형별로 막대를 묶어 보겠습니다!
답변별X문항별 응답 수 막대 차트 (출처 : Anathan Huong-Parrain, 각색: 뉴스젤리)‘매우 불만족’부터 ‘매우 만족’까지 답변별X문항별 응답 수를 나타낸 막대 차트를 그려 보았는데요! 이 차트에서도 역시 ‘조금 만족’ 답변의 응답 수가 두드러지는 가운데, Q3(상담원이 친절하게 응대했습니까?) 문항은 다른 문항에 비해 ‘매우 불만족’, ‘조금 불만족’의 응답 수가 가장 높은 것을 빨간색 막대의 길이로 확인할 수 있었습니다. 또, Q3의 ‘매우 만족’의 응답 수가 세 문항 중 가장 낮았는데요. ‘상담원의 친절도’가 상대적으로 낮은 평가를 받고 있기 때문에 서비스 개선을 위해서는 상담원을 대상으로 친절한 고객 응대 교육을 진행해야겠다는 전략을 세워 볼 수 있을 것 같아요!
2. 문항별 답변의 비율을 더 잘 볼 수 있는 방법은 없을까?
막대 차트로 단순 응답 수를 비교해 보았다면, 이번에는 문항별로 답변의 비율을 보기에 적합한 시각화 유형을 소개하겠습니다.
답변별 응답 수를 점의 개수로 표현한 유닛 차트 (출처 : Anathan Huong-Parrain, 각색: 뉴스젤리)첫 번째로 유닛 차트를 활용할 수 있습니다. 유닛 차트는 크기와 모양이 같은 기호로 데이터 하나, 하나를 표현하는 시각화 유형으로, 개별 기호의 개수로 데이터의 크기를 비교할 수 있는 차트입니다. 앞서 보았던 막대 차트 못지않게 직관적이어서 쉽게 해석할 수 있는데요. 기호가 뭉쳐 있는 모양새가 항목별 데이터의 크기에 따라 눈에 띄게 차이 나기 때문에 데이터의 비율을 비교하기에 유리합니다. 단, 유닛 차트는 개별 데이터를 하나씩 그려야 하기 때문에 데이터의 크기가 너무 클 경우에는 활용하기가 어려울 수 있다는 점을 유념해 주세요!
문항별 답변의 분포를 나타낸 트리맵 차트 (출처 : Anathan Huong-Parrain, 각색: 뉴스젤리)두 번째로 트리맵(Treemap)을 활용할 수 있습니다. 트리맵(Treemap)은 전체 데이터를 하나의 사각형으로 표현하고, 항목별 데이터의 크기에 따라 사각형을 네모 조각으로 나누어 표현하는 시각화 유형입니다. 조각의 크기가 클수록 전체 중 특정 항목이 차지하는 비중이 크다는 것을 의미하는데요! 위 트리맵에서는 조각마다 답변별 비율을 수치로 기재해서 차트 해석을 도운 것이 인상적입니다.
이렇게 보니 Q3(상담원이 친절하게 응대했습니까?) 문항의 중립, 부정적 답변 비율이 다른 문항보다 높은 것이 눈에 띄는데요. ‘보통’ 답변의 응답 비율이 22%, ‘조금 불만족’ 답변의 응답 비율이 18%, ‘매우 불만족’ 답변의 응답 비율이 5%로 다른 문항에서 각각의 답변이 차지하는 조각보다 큰 조각을 차지하는 것을 확인할 수 있습니다.
3. 문항별 긍정/부정 비율은 어떻게 다를까?
마지막으로 문항별로 긍정적인 답변과 부정적인 답변의 비율을 비교 분석 하고 싶을 때 활용하기 좋은 시각화 유형을 소개하려고 합니다. 설문조사 답변을 구성할 때 ‘만족과 불만족’, ‘동의와 비동의’, ‘추천과 비추천’ 등 긍정과 부정으로 분류하는 경우가 많은데요. 이렇게 문항별로 긍정, 부정 중 어떤 답변의 비율이 높았는지를 확인하고 싶을 때는 어떻게 할 수 있을까요?
중립 답변을 중앙에 놓고 긍·부정 비율을 비교하는 양방향 막대 차트 (출처 : Anathan Huong-Parrain, 각색: 뉴스젤리)위 차트는 중립 답변을 중앙에 놓고 찬반 비율을 비교하는 양방향 막대 차트입니다. 답변 중 ‘보통’ 항목을 중심으로 선을 긋고, 왼쪽에는 부정적인 답변(매우 불만족, 조금 불만족), 오른쪽에는 긍정적인 답변(조금 만족, 매우 만족)을 막대로 표현했어요. 중앙의 선을 기준으로 좌우 막대 길이를 비교하여 어떤 쪽의 답변 비율이 높은지, 문항별로 긍·부정 비율은 어떻게 다른지 비교할 수 있죠!
또한, 부정적인 답변(매우 불만족, 조금 불만족)은 붉은 계열인 분홍색과 진한 빨간색으로 표현하고, 긍정적인 답변(매우 만족, 조금 만족)은 파란 계열인 하늘색과 짙은 파란색으로 표현했는데요. 이렇게 긍·부정에 따라 같은 계열의 색을 활용하면 더욱 쉬운 차트 해석이 가능해집니다.
하지만, 위 차트는 중앙의 중립 답변(‘보통’ 답변) 비율이 문항별로 제각기 달라 좌우 막대의 출발점이 문항별로 달라질 수 있다는 단점이 있습니다. 따라서 막대의 길이를 정확하게 비교하기가 어려워질 수 있는데요. 이럴 때는 중앙의 중립 답변을 분리해서 시각화해 볼 수 있습니다.
중립 답변과 긍·부정 답변을 분리하여 시각화한 양방향 막대 차트 (출처 : Anathan Huong-Parrain, 각색: 뉴스젤리)앞서 중앙에 위치했던 ‘보통’ 항목을 오른쪽에 별개의 차트로 분리해 보았습니다. 이렇게 하니 중립 답변의 응답 비율을 문항마다 비교할 수도 있고, 문항별 긍·부정 비율을 더욱 직관적으로 비교할 수 있죠!
에디터의 한마디
지금까지 다양한 시각화 유형을 기반으로 설문조사 결과를 시각화하는 3가지 방법에 대해 알아보았습니다. 오늘의 콘텐츠에서는 태블로 퍼블릭(Tableau public) 사용자 Anathan Huong-Parrain의 Visualizing Survey Data & Customer Satisfaction 대시보드를 활용하여 각색했는데요. 설문 결과를 통해 얻고 싶은 정보에 따라 활용할 수 있는 시각화 유형이 여러 갈래로 나뉜다는 점이 인상 깊었습니다. 이렇게 시각화 분석을 진행할 때는 반드시 시각화의 목적을 먼저 생각해야 한다는 점을 기억한다면, 이 글을 보시는 여러분도 쉽게 데이터 시각화를 활용하실 수 있을 거예요! 소개해 드린 시각화 유형을 참고해서 설문조사 데이터를 분석할 때, 혹은 누군가에게 설문조사 결과를 공유해야 할 때 직접 데이터 시각화에 도전해 보시기를 바랍니다.
⦁ 참고 자료
- 김광민, 2011, 「Likert 척도」, 대한가정의학회지 1월호 Vol.32
뉴스젤리의 뉴스레터를 구독해 보세요!
데이터 시각화 전문 콘텐츠를 가장 먼저 여러분의 메일함으로 전해 드립니다. :)
