EduNow. 디지털마케팅 교육

1. IPA 분석의 필요성

기업은 사용할 수 있는 자원이 항상 부족합니다. 사업을 성공적으로 완수하여 이익을 창출할 수 있는 것이 기업의 가장 큰 사명중 하나이지만, 기업이 이를 위해서 사용할 수 있는 예산이나 인력은 제한되어 있습니다. 그 결과 주어진 자원들을 얼마나 잘 효율적으로 사용하는 가는 기업의 성과를 결정하는 중요 의사결정 사항입니다. 일예로 카메라의 신제품 개발을 위해서 1억원의 연구개발 비용을 사용할 수 있다고 가정합시다. 만일 이 회사의 카메라의 무게에 대하여 소비자들이 매우 만족하며 아무런 불만이 없지만, 회사가 가장 중요하다고 생각하고 있는 디자인에 대하여 매우 크게 불만족스러워하고 있다면 예산의 대부분을 어디에 사용해야 할까요? 당연히 디자인을 개선하기 위해서 대부분의 힘을 쏟아부어야 하지만, 정확한 정보 없이는 이런 문제점을 파악하기도 어려울 때가 많습니다. 이런 상황에서 IPA 분석은 각 경영 차원에서 중점적으로 개선해야 하는 요소들을 구분해 줌으로서 효과적인 의사결정을 가능하게 해줍니다.

2. IPA 분석의 이해

IPA 분석은 Importance-Performance Analysis을 의미합니다. IPA 분석은 소비자가 지각하는 특정 요소에 대한 만족도와 중요도를 각각 X와 Y축으로 하는 2차원상의 평면위에 좌표로 각 요소를 표현하는 분석방법으로서 개선이 시급한 분야와 불필요하게 과잉 투자가 이루어진 분야를 파악하는데 매우 유용한 방법입니다.

IPA 분석은 만족도와 중요도의 평균 값을 기준으로 기업의 전체 활동 영역을 크게 1. 유지관리 영역, 2. 과잉투자 영역, 3. 중점개선 영역, 4. 개선 대상영역의 4개 영역으로 나누어줍니다.

1. 유지관리 영역은 응답자, 즉 소비자들에게 중요한 의미가 있는 영역이면서, 동시에 해당 기업이 비교적 잘 만족시키고 있는 영역입니다. 기업 입장에서는 이미 충분히 잘 하고 있는 영역이고 고객들도 별다른 불만들이 없으므로, 현재 수준을 꾸준히 유지하는 것이 필요합니다.

2. 과잉 투자 영역은 기업의 입장에서 큰 문제 영역이라고 할 수 있습니다. 소비자들에게 중요하지 않음에도 불구하고 기업이 지나친 투자나 과잉 노력을 통해서 불필요할 정도로 만족도가 높은 경우입니다. 일예로, 만일 소비자들이 과자를 살 때 포장지의 색깔을 전혀 중요하게 여기지 않고 있는데도 불구하고 지나칠 정도로 포장지에 대한 만족도가 높다면 기업의 마케팅 활동들이 매우 비효율적이며 예산 낭비적인 방법으로 이루어졌다는 의미가 될 수 있습니다.

3. 중점 개선영역은 소비자들이 생각하는 중요도가 높음에도 불구하고 이에 대하여 해당 기업에 대하여 느끼는 만족도가 낮은 경우입니다. 일예로 과자를 구매할 때 가장 중요한 요인이 과자의 맛임에도 불구하고 해당 기업 제품의 맛이 형편없는 경우일 것입니다. 중점 개선 영역은 가장 시급하게 개선이 필요한 내용이며, 개선 활동에 대한 효과성도 가장 큰 영역입니다.

4. 개선 대상영역은 중요도와 만족도 모두 낮은 영역으로서 현재로서는 크게 신경 쓸 필요가 없는 중요하지 않은 영역들입니다. 향후 중요도가 올라간다면 만족도가 낮은 것이 문제가 될 수 있지만, 현재로서는 소비자들도 별로 신경을 쓰거나 중요하게 여기지 않은 부분들이므로, 만족도의 높고 낮음 자체가 큰 문제가 되지 않는 부분들입니다. 그 결과 개선 대상영역은 향우 장기적인 개선과제로 그 우선 순위가 밀려나는 부분들입니다.

이상의 내용을 정리하면, 결국 IPA 분석은 과잉투자영역에서 사용되는 불필요한 자원이나 노력들을 줄임으로서 중점 개선영역을 우선적으로 개선하게 하는 분석 도구라고 할 수 있으며, 이를 통하여 기업은 보다 효율적인 마케팅활동이나 신상품 개발등이 가능할 것입니다. 사용하는 데이타가 무엇에 관하여 수집된 데이타인가에 따라서 IPA 분석 대상은 기업의 활동이 될 수도 있고 신상품의 세부 기능이 될 수도 있으며, 그외 다양한 방식으로 활용가능합니다.

3. IPA 분석을 위한 설문과 데이타

우선 IPA 분석을 하기 위해서는 이에 적합한 데이타를 수집하기 위한 검토가 설문지 개발 단계 이전부터 이루어질 필요가 있습니다. 적합한 SPSS 데이타 파일없이는 분석 자체가 불가능하기 때문입니다. 필요한 데이타를 얻기 위하여 설문지를 구상하는 방법은 크게 두가지 방법이 있습니다.

1) 첫째 방법으로서, 소비자들에게 만족도와 중요도를 각각 따로 물어보는 방법입니다. 그러나 가장 간단하게 특정 상품 속성에 대한 만족도와 중요도 데이타를 동시에 획득할 수 있는 이 방법은 큰 단점이 있습니다. 만족도와 중요도를 각각 따로 물어봐야 하므로 설문 문항이 많아지고 복잡해지는 단점이 있습니다.

2) 둘째 방법으로서, 개별적인 각 속성의 만족도와 전반적인 만족도간의 상관관계를 구하고 이를 바탕으로 중요도를 추정하는 방법입니다. 이 방법의 경우 데이타 수집에 필요한 설문 문항의 수를 절반 수준으로 줄일 수 있다는 장점이 있습니다. 실제 설문조사를 수행할 때 긴 설문지로 인하여 설문을 회수하는 것이 어려운 경우들이 많음을 감안할때 필요한 문항의 갯수를 획기적으로 줄일 수 있는 두번째 방법이 보다 선호될 것입니다.

이 예에서는 IPA 분석을 위하여 총 10개의 제품 속성과 전반적인 만족도를 확인하는 또 하나의 추가적인 설문 문항이 제시되고 있습니다. 여러분도 만일 IPA 분석을 독자적으로 해야한다면, 이처럼 IPA 분석에 필요한 데이타를 획득할 수 있는 설문지를 먼저 설계하는 것이 분석의 시작이 될 것입니다.

4. IPA 분석 절차

이제부터는 위에서 제시된 설문지 문항들을 가지고 설문 조사가 완료된 후에 SPSS를 이용하여 IPA 분석을 하는 과정들을 차례로 같이 해보겠습니다.

1) 1단계: 전만적인 만족도와 개별적 만족도간의 상관관계 구하기 : 이미 앞서 다른 블로그 글에서 설명한 바와 같이 상관관계란 어느 한 변수와 다른 변수간의 관계를 잘 설명할 수 있습니다. 마찬가지로 10개의 제품 속성과 전반적인 만족도 각각의 상관관계 분석을 시행하면, 전반적인 만족도에 미치는 각 10개 제품 속성의 개별적인 영향력을 계산할 수 있으며, 이를 중요도를 대체할 수 있는 유사 개념으로 사용할 수 있습니다.

우선 상관관계 분석을 통하여 다음과 같은 상관관계 테이블을 구합니다. 이 테이블을 살펴보면 전반적 만족도와 기타 10개 항목들간에 상관관계가 도출된 것을 볼 수 있습니다. 일예로, 전만적 만족도와 테입 삽입 및 추출기능간의 상관계수는 0.266인 것을 볼 수 있습니다.

2) 2단계: 상관계수를 활용한 중요도 구하기: 이제 구해진 상관계수를 활용하여 전반적인 만족도에 미치는 10개 제품 속성의 개별적인 중요도를 구해볼 차례입니다. 이를 위해서는 엑셀을 별도로 활용하면 더욱 편리합니다. 우선 엑셀 차트에 각 10개 항목의 내용을 첫째 칼럼에 정리합니다. 그리고 두번째 칼럼에는 구해진 상관계수를 복사해 놓습니다. 그리고 상관계수의 총 합을 구합니다. 이번 예의 경우에는 테이프 삽입추출 부터 렌즈 우수성까지 총 10개 항목과 전반적 만족도간의 상관관게를 구했으며, 10개 상관계수를 단순 합계하면 합이 3.467입니다.

세번째 칼럼에서는 이제 중요도를 구해야 합니다. 중요도를 구하는 방식은 ‘각 항목별 상관계수 / 상관계수 합계’입니다. 즉 테이프 삽입 추출 기능의 중요성을 구하는 예를 보면 ‘0.266 / 3.467 = 0.077’ 입니다. 동일한 방식으로 10개 항목의 중요도를 모두 구할 수 있습니다.

3) 3단계: 항목별 만족도 구하기: 이제 만족도를 구할 단계입니다. 우선 10개 항목의 만족도를 각 브랜드별로 구해야 합니다. 브랜드별로 구분해서 만족도를 구하는 이유는 IPA 분석은 기본적으로 각 브랜드 수준에서 시행되기 때문입니다. 이를 구하는 방법은 이미 앞서 배운 SPSS의 ‘평균 비교’ 기능을 활용합니다. 이를 통하여 구한 각 브랜드별 만족도를 엑셀 차트에 정리하면 아래와 같습니다.

4) 4단계: SPSS 코딩: 이제 엑셀에 정리된 데이타를 다시 SPSS에 펀칭하여야 합니다. 이제 엑셀에 1차적으로 정리된 데이타를 다시 SPSS에 코딩하기전에 우선 몇 개의 변수가 필요한지 생각해 봅시다. 우선 첫번째 변수로 (1) 속성을 나타내는 변수가 필요할 것입니다. 테이프 추출기능, 테이프 가격 등의 제품 속성이 하나의 변수가 될 것입니다. 여기서 우리는 임의로 그 변수를 factor라는 변수 명으로로 지정합니다. 두번째 변수로 (2) 각 브랜드를 나타내는 변수가 필요할 것입니다. 소니, 삼성, LG가 하나의 변수가 될 것입니다. 여기서 우리는 임의로 그 변수를 brand로 지정합니다. 세번째로, (3) 중요도 값을 나타내는 변수가 필요할 것입니다. 여기서는 importance로 지정합니다. 마지막 네번째로 (4) 만족도를 나타내는 변수가 필요하며, 여기서는 CS로 지정합니다. 이처럼 변수를 새로 만들고나서 엑셀 차트에 정리한 내용을 SPSS에 붙이면 아래와 같은 데이타 파일을 생성할 수 있을 것입니다. 엑셀의 정보들은 Ctrl-C와 ctrl-v 같은 기능을 통하여 손쉽게 SPSS에 복사할 수 있습니다.

그리고, 변수 값에 라벨링을 하여 각각의 변수값이 무엇인지 잘 알 수 있도록 합니다. 이 과정을 생략해도 결과값은 나오겠지만, 변수 설명 없이 결과값을 이해하기에는 다소 혼란스러울 수 있기 때문에 꼭 라벨링을 하도록 합시다.

5) 5단계: 브랜드의 선택 : 이제 완성된 SPSS 데이타셋은 삼성, 소니, 그리고 LG 3개 회사의 만족도 점수를 모두 가지고 있습니다. 분석을 하기 전에 우선 어떤 브랜드의 분석을 시행할 것인지 연구 대상이 되는 브랜드를 결정해야 합니다. 우선 여기서는 삼성 브랜드의 분석을 하고자 합니다. 삼성 브랜드를 선택하기 위해서는 메뉴에서 데이타 -> 케이스 선택을 통하여 삼성 브랜드만 선택하여야 합니다. 다른 브랜드의 추가 분석이 필요한 경우에는 마찬가지로 다른 브랜드를 선택한 후 진행하면 됩니다.

6) 6단계: IPA 분석의 시행: 이제 데이타가 준비되었으니 IPA 분석을 시행할 차례입니다. IPA 분석은 다른 분석 방법과 달리 SPSS의 ‘분석’ 메뉴가 아니라 ‘그래프’ 메뉴를 통해 실시됩니다. 우선 메뉴 바 상단의 그래프 메뉴 -> 레거시 대화상자 -> 산점표/점도표 메뉴를 클릭하십시요.

이 메뉴를 클릭하면 그래프의 유형을 물어보는 대화창이 나오는데, 여기에서 ‘단순 산점도’를 선택하고 ‘정의’ 버튼을 클릭합니다. 선택이 끝나고 나면 다시 IPA 분석에 필요한 사항들을 지정할 수 있는 대화창이 나타납니다. 이때 X와 Y 축에는 각각 중요도와 만족도의 변수들을 지정하고, ‘케이스 설명 기준변수’에는 속성 변수를 지정합니다. 그리고 나서 ‘옵션’ 버튼을 클릭한 후 ‘케이스 설명과 함께 도표 출력’을 활성화합니다. 이를 활성화해야만 분석 결과에서 각 속성에 대한 설명이 같이 표시될 것입니다. 설정이 끝난 후에 ‘확인’ 버튼을 누르면 이제 IPA 도표가 출력됩니다.

7) 7단계: 결과의 확인: 이제 결과물을 확인하면 IPA 도표가 작성된 것을 볼 수가 있습니다. 그러나 이 도표는 아직 4개의 영역으로 구분되기 이전의 자료입니다. 시사점을 찾기 위해서는 IPA 도표를 파워포인트로 옮긴 이후, 중요도와 만족도의 평균값을 중심으로 4개의 영역으로 분할 하는 작업이 필요합니다. 삼성의 예를 보면 중요도는 0.1, 만족도는 4.49를 중심으로 분할이 이루어졌습니다. 이제 이 결과를 해석해보면 삼성은 테이프 삽입 추출 기능에 소요되는 인력과 예산, 노력을 LLCD 가시성이나 LCD 창크기 확대 등에 사용해야 함을 알 수 있습니다.

* 해당 내용을 동영상을 통하여 보다 쉽게 배우고 싶으시면, 아래 동영상 링크를 이용바랍니다.

https://youtu.be/LY6-hhtz__c

: 청주대학교 이 원준 (meetme77@naver.com)

SPSS 등 통계 분석의 시작은 양질의 데이터를 확보하는 것이다.  양질의 데이터는 좋은 식재료와 같아서, 아무리 훌륭한 쉐프라 하더라도 재료없는 요리가 불가능한 것처럼 데이터 없는 분석은 성립할 수 없기 때문이다. 그리고 양질의 데이터는 대부분 좋은 설문지의 개발, 완결성이 높은 실사 작업(field work),  정직하고 꼼꼼한 데이타 클린싱 작업의 모두 갖추어져야지만 가능한 결과물이다. 

이러한 데이터와 설문지를 확보하는 것은 상업적인 마케팅 리서치회사에서는 오랫동안 축적된 과거 경험을 바탕으로 진행된다. 과거 수행되었던 수많은 프로젝트의 결과물을 쉽게 이용할 수 있고 비교적 체계적인 OJT(on the job)가 진행되기 때문에 신입 연구원의 경우라도 빠르게 역량을 갖추어갈 환경과 여건이 갖추어져 있다. 마케팅 리서치에 익숙해지는 좋은 방법중 하나는 과거의 성공적 리서치 경험과 데이터를 복기하는 방식이라는 점에서 바둑 배우기와 닮아 있다.

그러나, 처음 배우는 입장에서는 설문지와 데이터, 특히 양질의 데이터를 확보하는 것은 매우 어렵다. 대부분 기업 마케팅 조사 결과는 기업의 영업 비밀에 해당되기 때문에 신문 등에 기사로 나는 요약된 조사 결과 외에는 raw data나 설문지 등 공개되는 경우가 거의 없기 때문이다. 다양한 통계 분석을 시험해보기 위해서는 볼륨있는 시장조사 데이타가 필요한 경우가 많으나 구하기는 쉽지 않은 이유다.

이와 관련하여 참조할 만한 데이터로 한국콘텐츠 진흥원이 제공하는 패널 데이터를 참조해볼 수 있다. 본 패널 데이터는 2014-2019년간에 걸친 조사로 획득한 패널 데이터를 제공하고 있으며, 설문지와 코딩 북도 공개하고 있다. 또한 데이터를 기반으로한 공모전도 개최하고 있다. 

아래 첨부한 데이터를 기반으로 SPSS와 마케팅 리서치에 익숙해질 수 있을 것으로 기대한다. 

이제 SPSS를 사용한 설문 조사의 설계와 문항 작성, 다양한 실무적 통계 분석에 관하여 익힐 수 있다. 그러나, 이런 기법들도 양질의 설문 데이터를 수집한 이후에야 적용이 가능할 것. Garbage-in & Garbage-out를 피하기 위해서는 설문 작성의 중요 관건이 되며, 좋은 설문지 작성은 오랜 경험이 숙련된 이후에야 가능하다.

경험을 축적하기 위해서는 먼저 시행된 다양한 설문지를 참고삼아 분석하고, 각 설문지의 장단점 등을 확인할 필요가 있으며, 편집을 통하여 응답자가 시각적으로 부담을 느끼거나 피로감을 느끼지 않도록 배려하는 작업도 중요하다. 이러한 목적을 위하여 국내 주요 마케팅 리서치 기업들은 자신들만의 독특한 설문지 양식과 질문 체계, 측정 도구들을 갖추고 있으며 이들을 특허 출원하는 등 저작권(IP) 보호에도 신경을 쓰고 있다.

그 결과 타 조사기관의 설문지 원본을 구하는 것도 쉽지 않으며, 구한다 하더라도 이를 상업적으로 활용하는데에는 윤리적 문제와 기타 제약들이 따른다. 따라서 본인의 경험을 축적으로 자신만의 노하우가 담긴 설문지를 만들어가는 과정이 중요하다. 

그리고 설문지는 그 목적에 따라 1) 상업적 설문지, 2) 학술적 설문지로 나누어질 수 있다.

1) 상업적 설문지는 보통 고객인 위탁기업의 다양한 요구사항을 포함시켜야 하므로 질문의 형태나 내용, 부가적 자료의 제공등이 매우 다양하게 이루어진다. 보통 고객만족도 조사, 신상품 컨셉 조사, 유통 전략 조사 등 다양하다. 통계적 신뢰성도 중요하지만, 기업이 확인하고자하는 객관적 사실을 담는데 더 치중하게 된다. 아래는 저자가 과거 작성한 상업적 설문지중 일부 내용을 변경하여 공개하는 내용이다.

2) 학술적 설문지는 학술지나 학술대회에 필요한 기본적인 데이터 수집을 목적으로 하며, 보통 석박사 학위 논문 작성에 필요한 원천 데이터의 수집을 목적으로 한다. 데이터 자체를 통하여 특정 정보를 요약하는 기술(description)보다는 변수들 간의 인과관계 규명이 목적이라는 점에서 상업적 설문지의 일반적 양식과 차이를 보인다. 또한 사용되는 변수의 신뢰성과 타당성 확인이 반드시 이루어져야 하기 때문에, 이런 목적을 달성할 수 있는 다항목(multi-item)으로 구성된 측정 항목이 일반적으로 삽입된다. 다항목 측정 항목은 비연구자들이 보기에는 거의 똑같은 질문이 반복되는 것처럼 느껴질 수 있으며, 특별한 용도가 아니면 상업적 설문지에서는 거의 사용되지 않는다. 아래는 저자가 과거 작성한 학술적 설문지중 일부 내용을 변경하여 공개하는 내용이다.

: 청주대학교 이 원준 (meetme77@naver.com)

1. 포지셔닝 분석의 필요성

포지셔닝을 분석하고 맵을 시각적으로 제시할 수 있는 방법은 다양하게 존재합니다. 제공되는 맵의 특성에 다소 차이는 있지만, ALSCAL, KYST, PROFIT, INDISCAL, PREFMAP, 대응일치분석 등의 분석방법을 사용할 수 있습니다.  이런 분석방법들은 모두 공통적으로 브랜드 이미지 관리와 관련된 두가지 문제에 초점을 두고 있습니다.

1) 첫째는 소비자가 브랜드 이미지를 결정하는 기준입니다. 예를 들어서, 여성 소비자들이 화장품을 구매할 때 고려하는 기준들이 무엇인지 확인하는 것입니다. 실제로 화장품 구매시에는 가격, 품질, 향, 효능 등 다양한 구매 기준들이 존재하지만, 이중에서 중요한 기준들을 선별해냄으로서 적정한 기준을 골라내는 것입니다. 이 기준들은 바로 포지셔닝 분석에서 ‘차원(dimension)'으로 활용되는데, 차원이 너무 많으면 맵이 복잡해져서 분석이 어려워지고, 너무 작으면 현실을 반영하기 어렵기 때문입니다.

2) 둘째는 이런 과정을 통하여 밝혀낸 각 차원상에서 자사의 브랜드와 경쟁사의 브랜드가 어떤 위치에 포지셔닝하고 있는가에 관한 문제입니다. 만일 화장품 구매시에 가격과 효능이 중요하다고 한다면 자사와 경쟁사를 포괄하여 어느 브랜드가 더 가격이 저렴하다고 인식되고 있는지 혹은 효능이 더 뛰어나다고 있는지를 밝혀내야 합니다. 이러한 목적을 달성하기 위하여 구성된 포지셔닝 맵은 각 차원에서 브랜드들의 위치를 밝혀냄으로서 소비자의 각 브랜드에 대한 평가를 가시적으로 보여줍니다. 특히 이 분석은 차원의 수가 보통 2개 이상의 복수이기 때문에 다차원척도법이라고도 불립니다.

차원이 만일 3개이면 3차원, 4개이면 4차원이라고 할 수 있지만, 프로그램이 이를 도출해낼 때는 평평한 화면이나 인쇄물 위에 2 차원으로 보여주게 됩니다. 디지털 카메라로 3차원인 일상을 사진에 담았지만, 화면이나 사진에서는 2차원으로 표현된 것과 동일한 방식으로 다차원의 정보를 제공하고 있습니다.

2. 포지셔닝 분석의 이해

본 차시에서는 다양한 다차원척도법중에서도 가장 보편적으로 많이 쓰이고 있는 ‘대응일치분석’을 중심으로 포지셔닝 분석을 이해해보도록 하겠습니다. 대응일치분석에서는 다른 다차원분석들과 마찬가지로 설문 조사를 통하여 얻어진 데이타를 이용하여 브랜드와 차원이 내재하고 있는 관계를 다차원적으로 분해해서 보여주는데, 차원이나 브랜드간에 거리가 가까울수록 소비자의 마음속에 유사하게 인식되고 있음을 의미합니다.

이때 차원이나 브랜드간의 거리는 보통 ‘유클리디안(Euclidean)’을 이용하여 상호간에 얼마나 유사한지 거리를 계산하게 됩니다. 이를 조금 더 상세히 설명하기 위해서 다음과 같이 매운 정도와 가격을 차원으로 사용한 라면 제품의 가상적인 2차원의 포지셔닝 맵을 살펴보도록 하겠습니다. 그리고, 가격과 매운 정도를 중립점이 있는 7점 척도로 확인한 결과입니다.

이 맵을 살펴보면 A라면과 B라면을 얼마나 유사하며, A라면과 C라면은 얼마다 다른가에 관한 질문을 할 수 있습니다. 이러한 질문에 답을 하기위해서는 거리를 측정하여 유사성을 확인하여야 하는데, 이때 가장 보편적으로 사용되는 방법이 유클리디안 거리 측정입니다. 즉 A라면과 B라면간의 거리 측정은 다음과 같은 공식을 통하여 계산됩니다.

이 공식에 대응에서 위 포지셔닝 맵에서 A브랜드와 B 브랜드간의 거리는 다음과 같이 구해질 수 있습니다. 

같은 방식으로 A와 C 브랜드간 거리를 계산하면, 그 거리는 5.10입니다.

이런 결과를 통해서 3.16은 5.10보다 가까우므로, A 브랜드는 C보다는 B 브랜드와 더 유사하다고 이야기 할 수 있는 것입니다. 즉 이런 포지셔닝 맵에서 특정 브랜드가 다른 브랜드와 가깝다는 것 혹은 특정 브랜드가 특정 차원과 가깝다는 것은 소비자의 마음속에 비슷한 이미지로 각인되어 있음을 의미합니다.

실제 이런 거리 계산은 차원의 수가 증대할수록 기하급수적으로 번거로워지기 때문에 3차원 이상의 포지셔닝 맵의 거리 계산은 SPSS 등 컴퓨터 프로그램의 도움으르 받아 자동으로 계산하게 될 것입니다.

3. 포지셔닝 분석을 위한 설문과 데이타

우선 대응일치 분석을 하기 위해서는 이에 적합한 데이타를 수집하기 위한 검토가 설문지 개발 단계 이전부터 이루어질 필요가 있습니다. 처음부터 포지셔닝 분석을 목적으로 수집된 SPSS 데이타 파일없이는 사실상 분석이 불가능하며, 같은 포지셔닝 맵을 작성하는 기법이라, 대응일치분석이 아닌 다른 방법을 사용하는 경우에는 다른 형태의 데이타가 필요하므로 설문지의 문항과 내용에 대한 고려는 사전에 이루어질 필요가 있습니다.

일반적으로 대응일치 분석을 사용하여 포지셔닝 맵을 도출하고자 할 때는 각 기준별 소비자가 선호하는 브랜드를 측정한 후, 응답자가 응답한 빈도 수를 원 데이타로 사용하기 때문에 보통 아래와 같은 형태의 질문들을 활용하여 데이타를 수집합니다.

이 설문 문항은 국내에 시판중인 소주 브랜드들을 대상으로 ‘브랜드 개성’을 조사하고 있습니다. 즉, 소비자들이 브랜드 개성을 판단하는 선택 기준으로서 성실성, 재미, 성공, 매력, 터프함의 5가지 선택 기준을 문항의 형태로 제시하고 있고, 선택 보기로는 진로 등 국내에 시판중인 대표적인 5개의 소주 브랜드를 제시하고 있습니다.

4. 포지셔닝 분석 절차

이제부터는 위에서 제시된 설문지 문항들을 가지고 설문 조사가 완료된 후에 SPSS를 이용하여 대응일치분석을 실시하고 포지셔닝 맵 작성을 하는 과정들을 차례로 같이 해보겠습니다.

1) 1단계: 빈도 분석:

포지셔닝 맵을 작성하기 위한 데이타는 위에서 작성한 설문으로부터 직접 받은 데이타를 사용하지 않고, 또 한번의 추가적인 가공이 필요합니다. 즉 일차적으로 빈도분석을 시행한 이후에 각 문항 및 보기별 빈도를 입력한 가공 데이타를 사용합니다. 이미 설문지상에서는 5개의 개성을 묻는 문항을 사용하여 데이타 수집까지 완료되었지만, 실제 분석에서는 소주 브랜드의 이미지를 측정하기 위하여 몇 개의 차원을 설정할 것인가를 결정하여야 합니다. 연구자의 목적에 따라 5개 모두를 사용할 수 있고, 불필요한 것들을 제거한 후 더 적은 숫자의 문항을 사용할 수도 있습니다. 문항의 갯수가 적을수록 차원의 갯수도 감소하므로 더 간단명료한 포지셔닝 맵을 도출할 수 있습니다. 그러나, 차원의 감소에 따라 제공하는 정보의 양 역시 같이 감소할 것입니다. 본 차시에서는 브랜드 개성을 확인하는 5개의 질문 모두를 사용하여 분석하기로 합니다.

이러한 결정이 이루어진 이후에는 바로 5개 문항 모두에 대하여 기초적인 빈도분석을 실행하고 결과를 조회합니다.

2) 2단계: 데이타 파일의 정리:

도출된 빈도분석의 결과중 각 보기별 빈도만을 추출하여야 합니다. 그리고 데이타 보기창이나 엑셀을 활용하여 대응일치분석에 적합한 데이타로 재가공하는 과정이 필요합니다. 엑셀이나 데이타 보기 창위에 새롭게 생성되는 데이타 시트에는 모두 3개의 변수가 생성되어야 합니다. 엑셀 챠트를 보면, A행은 차원을 가르키는 문항 변수이며, B 행은 브랜드를 담고 있는 보기 변수, 그리고 C행은 응답빈도를 나타냅니다. 이 세가지 행을 이용하여 SPSS 분석에 필요한 데이타로 정리합니다.

잘 정리된 데이타는 다시 SPSS의 데이타 보기 창에 복사한 후 코딩과 라벨링 작업을 거쳐야 합니다. 즉 화면 우측 하단의 ‘변수보기(V)' 탭을 눌러 변수보기 창으로 이동한 후, 변수명과 변수 값에 대하여 코딩을 해주어야 합니다. 우선 변수명은 한글 이름으로 되어있는 차원과 보기의 데이타를 다시 1과 같은 아라비아 숫자로 코딩을 합니다. SPSS 다중응답분석에서는 숫자 데이타만을 입력받으므로, 만일 한글로 정리되어 있다면 번거롭지만 반드시 숫자로 코딩을 다시 하여야 합니다.

그리고 변수 보기 창으로 옮겨간 이후, 각각의 변수 값에도 적절한 코딩을 해줍니다. 실제 코딩 작업을 생략할 경우 구분이 되지 않아 결과의 해석이 어려우므로 반드시 코딩을 하도록 합니다.

3) 3단계: 빈도의 가중처리:

그 다음 단계로서 차원간 결과를 비교하기 위해서는 각 문항당 응답한 빈도를 가중처리(weighting)해주어야 합니다. 각 문항별로 무응답자의 숫자가 달라 문항별 빈도의 총합이 상이하기 때문에 반드시 분석 이전에 가중 처리를 해주어야 합니다. 가중 처리를 하기 위한 메뉴는 메뉴 바에서 데이타(D) -> 가중 케이스(W)를 차례데로 선택하시면 됩니다.

대화창이 나타나면 어떤 변수를 가중처리할 것인지 지정해야 합니다. 본 데이타에서 빈도를 포함하고 있는 변수는 ‘응답 수’이므로, 해당 변수를 ‘빈도 변수(F)’란에 옮겨놓고 ‘확인’ 버튼을 누릅니다.

4) 4단계: 대응일치 분석 실행:

자 이제 대응일치분석을 위한 데이타의 정리가 완료되었습니다. 이제, 본격적으로 포지셔닝 맵을 작성해볼 차레입니다. 분석을 실시하기 위해서는 분석(A) -> 차원감소(D) -> 대응일치분석(C) 를 차례데로 선택하시면 됩니다.

 대응일치분석을 선택한 경우 바로 대화 창이 나타날 것입니다. 대화 창에서는 직접 열과 행에 들어가야 하는 변수들을 지정해주어야 합니다. 이때 미리 생성한 3개의 변수중에서 ‘문항’과 ‘보기’ 변수 각각을 행과 열에 차례로 지정해줍니다. 이때 행과 열에 포함되는 변수가 서로 바뀌어도 무관합니다.

이렇게 지정된 이후에는 각 변수의 옆에 두개의 물음표가 남아있는 것을 볼 수 있습니다.

이제 열과 행 변수가 가질 수 있는 최소값과 최대값의 범위를 추가로 지정해주어야만 합니다. 이제 ‘범위지정(D)' 버튼을 누른 후 범위를 지정해줍니다. 이들 값은 각 변수의 보기, 즉 변수값의 범위이며, 문항이 5개, 보기가 5개 이므로 각각 1과 5를 지정해 준 후 ’갱신(U)' 버튼을 누릅니다.

5) 5단계: 결과 도출 및 정리:

이제 모든 지정이 완료되었습니다. 대응일치보기 대화창에서 ‘확인’ 버튼을 누르면 자동으로 대응일치 분석이 시행되며, 분석 결과가 도출됩니다.

분석 결과중 그래프를 더불 클릭하면, 그래프에 포함된 글자 폰트나 기호 표시, 글자 색 등을 변경할 수 있습니다. 또한 필요시 작성된 포지셔닝 맵은 파워포인트 등으로 옮겨서 시사점이 더 명확하도록 시각적인 개선을 할 수 있습니다. 즉 0점을 중심으로 중심선을 제공하고, 차원을 화살표로 표시함으로서 가독성을 높이도록 합니다.

포지셔닝 맵을 보면 크게 3가지 정보들을 확인할 수 있습니다.

(1) 어느 브랜드와 경쟁하고 있는가? 즉 유사 브랜드와 차별화된 브랜드 이미지입니다. 맵을 보면 시원과 진로소주는 매우 밀접한 거리로써 소비자의 마음속에 유사하게 포지셔닝 되고 있음을 알 수 있습니다. 반면 진로와 금복주는 매우 다르게 인식되고 있습니다.

(2) 각 차원간 유사성은 무엇인가? 즉 소비자가 비슷하거나 다르다고 느끼는 차원은 무엇인가에 관한 정보입니다. 맵을 보면 매력적인 이미지와 재미있는 이미지는 매우 유사하게 인식되고 있음을 알수 있습니다. 그러나 터프함이나 성공은 매력과는 큰 거리 차이가 있습니다.

3) 마지막으로 브랜드와 차원의 이미지를 겹쳐서 봄으로써, 자사 혹은 경쟁사의 브랜드가 어떤 이미지를 가지고 있으며, 어떤 브랜드와 경쟁하고 있는지 종합적으로 판단해볼 수 있습니다. 일예로 참이슬 제품은 재미있고 매력적인 이미지를 가지고 있지만 이런 이미지는 처음처럼과 같이 공유하고 있음을 알 수 있습니다. 결과적으로 참이슬의 가장 큰 시장 경쟁자가 처음처럼 임을 다시한번 확인할 수 있습니다.

* 본 내용을 보다 상세히 동영상으로 확인하고 싶은 경우에는 아래 유튜브 링크 이용바랍니다.

https://youtu.be/fG-4fdQqMsc

: 청주대학교 이원준 (meetme77@naver.com)