통합 요약노트
Ch.3 시장 조사와 데이터 분석
정량/정성 리서치, 설문 설계, A/B 테스트
이 챕터의 내용
리서치 프로세스와 방법론
체계적인 리서치 없이 내린 결정은 도박이다. 리서치는 불확실성을 줄이는 유일한 도구다
'감이 좋다'는 말은 비즈니스에서 가장 위험한 말입니다. 코카콜라의 New Coke, 삼성의 갤럭시 노트7 — 리서치를 무시한 결정은 재앙이 됩니다.
마케팅 리서치 = 의사결정의 불확실성을 줄이기 위해 체계적으로 데이터를 수집·분석하는 과정
5단계 중 가장 중요한 것은 1단계 문제 정의입니다. 잘못된 질문에 대한 정확한 답은 아무 의미가 없습니다. '매출이 떨어진다'가 아니라 '왜 20대 여성 고객의 재구매율이 지난 분기 대비 15% 하락했는가'처럼 구체적으로 정의해야 합니다.
- 마케팅 리서치는 의사결정의 불확실성을 줄이는 체계적 과정이다
- 5단계: 문제 정의 → 조사 설계 → 데이터 수집 → 분석 → 보고
- 가장 중요한 단계는 '문제 정의' — 올바른 질문이 올바른 답을 만든다
- 정성(왜?) → 정량(얼마나?) 순서로 활용하는 것이 효과적이다
- 리서치 없는 의사결정은 도박과 같다
설문 설계와 데이터 수집
설문의 품질은 질문의 품질이 결정한다. 나쁜 질문은 나쁜 데이터를, 나쁜 데이터는 나쁜 결정을 만든다
구글에서는 설문 하나를 설계하는 데 평균 3주가 걸립니다. 질문 하나하나를 5~6번 검토하고, 파일럿 테스트를 2회 이상 진행합니다. 설문은 '질문지'가 아니라 측정 도구입니다.
설문 설계 3원칙: 이중질문 금지 · 유도질문 금지 · 척도 일관성
설문 문항 수는 15~25개 이내가 최적입니다. 그 이상이면 응답 피로도가 급격히 올라가 데이터 품질이 떨어집니다. 평균 완료 시간은 5~7분을 넘지 않도록 합니다.
- 좋은 설문은 한 번에 하나만, 중립적으로, 구체적으로 묻는다
- 이중질문과 유도질문은 데이터 품질을 오염시키는 주범이다
- 온라인 설문(양), 심층 인터뷰(질), FGD(집단 역학)를 목적에 맞게 조합한다
- 넷플릭스는 데이터 기반 의사결정의 교과서 — 직감이 아닌 데이터가 콘텐츠를 만든다
- 설문 15~25문항, 완료 시간 5~7분이 최적이다
A/B 테스트 실습
A/B 테스트는 우연과 인과를 구분하는 과학적 방법이다. 직감이 맞는지 데이터로 증명해보자
2008년, 오바마 대선 캠페인 팀은 기부 페이지의 버튼 문구를 A/B 테스트했습니다. 'Sign Up' 대신 'Learn More'로 바꾸자 전환율이 40.6% 상승 — 추가 기부금 6,000만 달러를 모았습니다.
A/B 테스트 = 두 가지 버전(A, B)을 무작위 집단에 노출시켜 어느 쪽이 더 나은지 데이터로 판단하는 실험
핵심 개념은 통계적 유의성입니다. p-value가 0.05 미만이면 '이 차이가 우연일 확률이 5% 미만'이라는 뜻입니다. 즉, 95% 이상 확신할 수 있을 때 '유의하다'고 판단합니다.
- A/B 테스트는 우연과 인과를 구분하는 과학적 실험 방법이다
- 5단계: 가설 수립 → 변수 설정 → 실험 실행 → 분석 → 결론
- p-value < 0.05 = 이 차이가 우연일 확률이 5% 미만 (유의하다)
- 한 번에 하나의 변수만 변경해야 인과관계를 확인할 수 있다
- Booking.com: 연 25,000건 실험, 1% 개선의 반복이 수백억 매출을 만든다
Google Analytics 핵심 지표
중요한 것은 숫자의 양이 아니라 올바른 지표를 선택하는 것이다. 핵심 지표 5개만 제대로 보면 된다
Google Analytics 4(GA4)는 구글이 2020년에 출시한 차세대 웹 분석 도구입니다. 이전 버전(UA)과 달리 이벤트 기반으로 모든 사용자 행동을 추적합니다. 하지만 수백 개의 지표 중 정말 중요한 것은 5가지입니다.
GA4 5대 핵심 지표: 사용자 · 세션 · 전환 · 이탈률 · 세션당 페이지수
이 5가지 지표만 정기적으로 모니터링해도 사이트의 건강 상태를 80% 이상 파악할 수 있습니다. 나머지 수백 개 지표는 특정 문제를 심층 분석할 때 사용합니다.
- 리서치 5단계: 문제 정의 → 설계 → 수집 → 분석 → 보고 (가장 중요한 것은 문제 정의)
- 정성(왜?) → 정량(얼마나?) 순서로 가설을 발견하고 검증한다
- 좋은 설문은 한 번에 하나만, 중립적으로, 구체적으로 묻는다
- A/B 테스트: p-value < 0.05면 유의, 한 번에 하나의 변수만 변경
- 허영 지표가 아닌 핵심 지표(전환율, LTV, DAU/MAU)에 집중하라
비교 정리
| 항목 | 정성 리서치 | 정량 리서치 |
|---|---|---|
| 질문 유형 | 왜? 어떻게? (탐색적) | 얼마나? 몇 %? (확인적) |
| 표본 크기 | 소규모 (10~30명) | 대규모 (100~10,000명+) |
| 방법 | 심층 인터뷰, FGD, 관찰 | 설문조사, 실험, 패널 데이터 |
| 결과물 | 인사이트, 가설, 스토리 | 통계, 그래프, 수치 |
| 비용 | 인당 단가 높음, 총비용 낮음 | 인당 단가 낮음, 총비용 높음 |
| 항목 | 온라인 설문 | 심층 인터뷰 |
|---|---|---|
| 표본 크기 | 100~10,000명+ | 10~30명 |
| 소요 시간 | 1~2주 (배포+회수) | 2~4주 (섭외+진행+분석) |
| 데이터 깊이 | 표면적 (수치 중심) | 심층적 (맥락 + 감정) |
| 비용 | 건당 100~500원 | 인당 10~50만원 |
| 항목 | 허영 지표 | 핵심 지표 |
|---|---|---|
| 정의 | 보기엔 좋지만 의사결정에 도움 안 됨 | 구체적 행동을 유도하는 지표 |
| 예시 | 총 페이지뷰, 앱 다운로드 수, 팔로워 수 | 전환율, 재구매율, LTV, DAU/MAU |
| 위험성 | 성과를 과대평가, 자기 기만 | 없음 — 냉정한 현실 반영 |
| 대안 | 페이지뷰 → 세션당 페이지수 | 이미 핵심 지표 (대안 불필요) |
| 판단 기준 | '보고서에 쓰면 뿌듯한' 숫자 | '이걸 보고 뭘 바꿀 수 있는가'에 답하는 숫자 |
퀴즈와 인터랙션으로 더 깊이 학습하세요
play_circle인터랙티브 코스 시작하기