[픽플리] '설문'을 통해 잠재적 유저/고객 데이터를 수집할 때의 Do&Don't (2) - 변수 설정

안녕하세요!
데이터 수집 플랫폼, 픽플리를 만들고 있는 R2C 컴퍼니의 김동호입니다.

지난 메이커로그로 작성한 1편에 이어 저희 파트너분들께 무료로 제공해드리고 있는 <픽플리 리서치 세미나>의 내용 중 일부의 내용을 공유합니다!

Check 1. 내가 다룰 수 있는/ 감당할 수 있는 데이터 모으기

첫 번째 제안. 5분짜리 설문 1번하는 것보다 1분짜리 설문 5번 하는 게 낫다

두 번째 제안. 종속 변수보다 독립 변수에 신경을 조금 더 써보자

지난 메이커로그에서는 첫 번째 제안에 대해서 말씀을 드렸기에,
이번에는 두 번째 제안에 대한 내용을 간단하게 정리하고자 합니다.

비단 설문조사뿐만 아니라 인터뷰, 더 나아가 빅데이터를 활용한 의사결정에 이르기까지,
생각보다 우리는 독립 변수의 중요성에 대해 간과하게 되는 것 같습니다.

먼저, 처음 듣는 분들도 있으실테니 간단하게 설명드리면

• 독립 변수 = 원인

• 종속 변수 = 결과

라고 할 수 있습니다.

(빠른 이해에 도움이 되고자 최대한 간단한 말로 대치한 것이며, 정확한 표현은 아닌 점 양지 부탁드립니다.)

즉, 지금 말씀드리는 두 번째 제안에 대한 핵심은 많은 분들이 설문과 인터뷰 등으로 데이터를 수집할 때

알고 싶어하는 내용(=결과)에 너무 집중한 나머지

그 결과가 발생하는 이유(=원인)를 알아내야 한다는 생각을 순간적으로 못한 채 데이터를 수집하여

그 결과를 인위적으로 만들어내거나 반복 생산할 수 있도록 하는 통찰력(=인사이트)을 얻지 못한다는 것

입니다.

그렇다면 우리는 어떤 독립 변수를 수집해야 될까요?

이는 전문적으로 접근했을 때는 적지 않은 공부와 훈련이 필요한 영역이기는 합니다만,
자신이 갖고 있는 경험과 도메인 지식, 그리고 문제에 대한 이해도를 지니고 있는 메이커분들이라면
위에서 설명드린 간단한 개념만으로도 독립변수와 종속변수를 설정하는 데 큰 어려움은 없으실 텐데요.

그렇지만 간단한 예시를 전달드리면 더 큰 도움이 될 것이라 생각하여

• 기본적으로 수집하면 무조건 좋은 몇 가지 대표적인 독립 변수와

• 독립 변수와 종속 변수를 바라보는 관점을 넓힐 수 있는 한 가지 첨언

으로 글을 마무리해보려고 합니다!

1. 기본적으로 수집하면 무조건 좋은 대표적인 독립 변수

거창하게 말은 했지만 특별할 건 없습니다 ㅎㅎ

대표적으로는 인구통계학 정보라고도 불리는 것들인데요.
성별, 연령, 직업, 거주 지역, 가구 형태 와 같은 것들입니다.

이렇게 말씀드렸을 때는 너무 당연하게 고개가 끄덕여지고, 다 아는 내용이라고 생각이 들테지만,
정작 직접 데이터를 수집할 때가 되면 정말 많은 분들이 이 정보와 데이터들을 누락한 채로 설문을 배포하고 인터뷰를 진행하게 됩니다!

그러니 데이터를 수집하시기 전 잠시 멈춰서 결과를 효과적으로 분석하고, 최소한의 상관성을 알아내기 위해 필요한
소비자에 대한 객관적인 정보는 무엇이 있을까에 대해 한 번 더 생각해보시면 좋습니다. =)

여기에 이 메이커로그를 읽어주신 분들을 위해 한 가지 꿀팁을 적어봅니다!

우리가 사는 지금 이 시대에 과거에는 중요했던 성별, 연령, 직업 등의 기본 인구통계학 정보는 생각만큼 강력한 파워를 지니지 못합니다

그런 것들보다는 소득 수준, 스스로가 속해 있다고 생각하는 준거 집단, 향유하는 문화와 같이
라이프스타일을 파악할 수 있는 데이터를 모으는 것이 중요합니다

메이커분들, 특히 사업을 하시는 분들이라면 한 번쯤은 들어봤을 '타겟 유저/고객'에 대한 질문에 있어서
과거에는 20대 남성 또는 대학생 과 같은 것들이 유효했다고 한다면,
우리가 사는 이 시대는 다양성이 중요해지고 너무나 세분화되어 이러한 정의는 '아마추어' 취급을 받을 수 있는 것이죠.

2. 독립 변수와 종속 변수를 바라보는 관점에 대한 제안

앞선 문단의 마지막 문장과 이어지게 되는 내용일 것 같습니다.

그런데 일단은 그 내용에 앞서 전체적인 틀을 먼저 말씀드리고 시작하겠습니다.

하나의 종속 변수는 다른 관점에서는 독립 변수가 될 수 있다

이 내용은 설명을 중심으로 말씀드리기 보다는 앞의 내용들과 함께 하나의 예시를 통해 풀어보겠습니다.

*본 예시는 이해를 돕기 위해 임의로 구성한 것이지, 정확한 정보가 아닙니다.

우리는 앱 프로덕트(이하 A 앱)를 만들려고 합니다.
그리고 그 A 앱이 필요한 타겟 유저를 알아보기 위해 설문조사를 진행하게 되었는데요.

설문조사 결과, 우리의 A 앱은 '20대 여성'들에게 니즈가 가장 큰 것으로 파악이 되었습니다.
그래서 앱을 만들 때 '20대 여성을 위한 앱'으로 브랜딩을 잡고 디자인도 20대 여성의 취향에 맞게 작업을 했죠.

그리고 드디어 앱을 론칭했습니다!
그런데 유입되는 유저들을 보니 남성의 비중이 적지 않았고,
브랜딩과 디자인이 여성 중심이다 보니 남성분들은 다운로드를 받은 직후 앱을 삭제하고 나가게 됩니다.

알고 보니, A 앱은 아이폰 유저들이 불편했던 특정 기능을 보완해줄 수 있는 프로덕트였고,
아이폰을 가장 많이 쓰는 집단이 20대 여성이었기 때문에 설문조사 결과가 그렇게 나왔던 것이죠.

위 예시를 통해서 우리는 두 가지의 관계를 알 수가 있습니다.

1. 20대 여성(독립 변수)은 아이폰을 많이 쓴다(종속 변수)

2. 아이폰 유저(독립 변수)는 A 앱에 대한 니즈가 크다(종속 변수)

그리고 보시는 바와 같이, 1번에서의 종속 변수가 2번에서는 독립 변수가 될 수 있다는 것을 확인할 수가 있습니다.

정리하자면,

• 인구 통계학 정보는 좋은 독립 변수이지만, 독립 변수는 인구 통계학 정보에 국한되지 않는다

• 종속 변수는 독립 변수의 결과이긴 하지만, 결코 무결한 결론이 아니다

정도로 말씀드릴 수 있겠네요. =)

이와 관련해서 덧붙이고 싶은, 그리고 하고 싶은 말은 정말 많은데,
이미 충분히 짧지 않은 것 같아서 일단 이 정도로 마무리를 하려고 합니다!

1편의 도입부에서 말씀드린 것처럼 설문은 정말 훌륭한 데이터 수집 방법이라고 생각합니다.

잘 이용하기만 하면 설문과 인터뷰만큼 저비용 고효율의 데이터를 수집할 수 있는 방법은 찾기 어렵고요.
(수백만 건 이상의 빅데이터를 유료로 구매하여 다뤄보신 분들은 아시겠지만, 공공 또는 오픈소스 데이터를 활용할 수 없고 데이터를 직접 만들거나 구매해야 되는 경우 그 비용은 상상을 초월합니다.)

하지만 이런 설문이라는 방법과 그로 인해 수집되는 데이터가 저평가 되는 것은
많은 사람들이 지금까지 그것을 잘못 이용해왔기 때문이겠죠.

그리고 저희 R2C 컴퍼니는 픽플리를 통해 이 문제들을 아주 깊은 뿌리에서부터 해결하려고 합니다.

데이터 수집의 어려움을 겪고 계신 분들이라면 언제든 편하게 제가 연락주시면 같이 고민하고 해결해드리겠습니다!

모두가 원하는 데이터를 얻을 수 있는 다가올 미래!

저희 R2C 컴퍼니와 픽플리가 만들어보겠습니다!