소비자 반응조사는 제품이나 서비스의 컨셉을 목표 고객에게 제시하고 매력도, 구매 가능성, 가격 반응을 수치로 측정하는 조사입니다. 설계는 조사로 내릴 결정을 먼저 정하고, 실제 목표 고객만 선별하고, 불성실 응답을 제외하고, 비교 기준에 따라 해석하는 순서로 진행합니다.
- 조사 전에 어떤 결과가 나오면 무엇을 바꿀지 판단 기준을 먼저 명시합니다.
- 지시문 확인 문항 연구에서는 표본에 따라 7~46%가 문항을 통과하지 못했습니다.
- 구매 의향은 신제품일수록 실제 구매와의 일치도가 낮으므로 비교 대상과 대조해 해석합니다.
소비자 반응조사는 어떤 결정을 위해 실시할까요?
잘 설계된 반응조사는 하나의 의사결정에 답합니다. 두 컨셉 중 어느 안을 선택할지, 가격을 어느 구간에 둘지, 어느 고객군부터 공략할지처럼 조사 결과에 따라 실제로 달라질 선택을 먼저 정합니다.
결정이 정해지면 판단 기준도 함께 명시합니다. 예를 들어 A안의 상위 두 칸 응답이 B안보다 10%p 이상 높으면 A안을 채택하는 방식입니다. 결과를 보고 나서 기준을 정하면 원하는 해석만 선택하게 됩니다.
고객검증 설문이 문제 경험과 지출 같은 과거 행동을 측정한다면, 반응조사는 아직 없는 제품을 처음 본 순간의 반응을 측정합니다. 그래서 무엇을 어떻게 제시하는지가 결과를 크게 좌우합니다.
조사 대상과 표본 규모는 어떻게 정할까요?
대상은 스크리닝 문항으로 선별합니다. 성별과 나이 같은 인구 조건보다 최근 구매 경험, 현재 사용하는 대안, 결정 권한처럼 목표 고객을 구분하는 행동 조건을 앞에 둡니다. 정답이 드러나지 않게 여러 보기 사이에 섞어 질문합니다.
패널을 활용할 때는 모집 경로, 중복 응답 차단 방식, 응답 속도 점검 여부를 업체에 확인합니다. 지인 링크로만 모집하면 빠르지만 호의적인 응답이 집중되어 결과가 과대평가되기 쉽습니다.
표본 규모는 분석할 하위 집단을 기준으로 정합니다. 퓨 리서치 센터의 설명에 따르면 무작위 표본 1,067명의 오차 범위는 ±3%p지만, 그중 약 160명인 하위 집단은 ±8%p 안팎으로 커집니다. 고객군을 나눠 비교하려면 집단마다 충분한 응답이 필요합니다.
설문 문항은 어떤 순서로 구성할까요?
스크리닝, 컨셉 노출, 매력도, 구매 가능성, 가격 반응, 열린 의견 순으로 구성합니다. 앞 문항이 뒤 문항의 맥락이 되므로 가격을 먼저 제시하면 매력도 점수까지 달라질 수 있습니다.
구매 가능성은 0~10의 11점 확률 척도로 측정하면 더 세밀해집니다. 저스터(1966)가 만든 이 척도는 10점을 거의 확실, 99/100으로 표시합니다. 가격 반응은 반 베스텐도르프(1976)의 네 문항으로 수용 가능한 가격 범위를 파악합니다.
| 블록 | 목적 | 예시 문항 | 주의점 |
|---|---|---|---|
| 스크리닝 | 목표 고객만 통과 | 최근 3개월 안에 구매한 품목을 모두 고르세요 | 정답 보기를 다른 보기 사이에 배치 |
| 컨셉 노출 | 모두 같은 정보로 판단 | 제품 설명 한 장과 이미지 제시 | 장점만 나열한 홍보 문구는 제외 |
| 매력도 | 첫인상과 차별점 확인 | 이 제품은 얼마나 마음에 드십니까 | 보기는 4~5개로 제한 |
| 구매 가능성 | 구매 확률 추정 | 0~10 중 구매할 가능성을 고르세요 | 가격 제시 전과 후를 구분 |
| 가격 반응 | 수용 가격 범위 파악 | 너무 비싸서 사지 않을 가격은 얼마입니까 | 수요 예측이 아닌 범위 확인용 |
| 열린 의견 | 수치의 이유 수집 | 가장 마음에 걸린 점을 적어 주세요 | 필수 응답으로 두지 않음 |
불성실 응답은 어떻게 식별할까요?
오펜하이머 등(2009)은 지시문을 읽었는지 확인하는 문항을 설문에 넣었습니다. 예비 표본의 탈락률은 14.0~28.7%였고, 본 연구 하나에서는 46%가 통과하지 못했습니다. 이들을 제외하자 전체 표본에서 보이지 않던 효과가 드러났습니다.
미드와 크레이그(2012)는 긴 설문에 답한 대학생의 약 10~12%를 불성실 응답자로 분류했습니다. 장과 콘래드(2014)는 웹 설문에서 지나치게 빨리 답하는 사람일수록 격자 문항에 같은 번호만 선택하는 경향이 크다고 보고했습니다.
제외 기준은 조사 전에 정하고 결과를 보기 전에 적용합니다. 결과가 마음에 들지 않을 때 기준을 수정하면 품질 검수가 아니라 원하는 결과를 만드는 조작이 됩니다.
| 점검 항목 | 확인 방법 | 처리 |
|---|---|---|
| 주의 확인 | 지정한 보기를 선택하도록 하는 문항 1~2개 | 틀린 응답 제외 |
| 과속 응답 | 전체 응답 시간의 중앙값과 비교 | 사전에 정한 하한보다 짧으면 검토 |
| 일자 응답 | 격자 문항 전체에 같은 번호 선택 | 다른 신호와 겹치면 제외 |
| 중복 응답 | 기기 정보, 연락처, 패널 식별값 대조 | 첫 응답만 유지 |
| 모순 응답 | 앞뒤 문항의 사실 관계 비교 | 명백한 모순은 제외 |
결과는 어떤 기준으로 해석해야 할까요?
5점 척도라면 상위 두 칸 비율, 11점 척도라면 상위 구간 비율을 먼저 확인합니다. 평균은 극단 응답의 영향을 받으므로 비율과 함께 제시합니다. 그다음 고객군별로 나눠 어느 집단이 높은 반응을 보였는지 확인합니다.
수치는 절대값보다 비교로 해석합니다. 모위츠 등(2007)은 구매 의향이 신제품보다 기존 제품에서, 품목 단위보다 특정 브랜드 단위에서 실제 구매와 더 잘 일치한다고 보고했습니다. 다른 대안과 비교해 물었을 때도 단독으로 물을 때보다 일치도가 높았습니다.
그래서 조사에는 비교 기준을 함께 넣습니다. 고객이 현재 사용하는 대안이나 우리 컨셉의 다른 안을 같은 문항으로 묻고 그 차이로 판단합니다. 구매 의향 몇 퍼센트라는 수치 하나로는 시장 규모를 판단할 수 없습니다.
반응조사의 수치는 미리 정한 결정 기준, 비교 대상과 함께 제시될 때 비로소 판단 근거가 됩니다.
자주 묻는 질문
Q.소비자 반응조사는 몇 명을 대상으로 해야 하나요?
나눠서 비교할 고객군 수를 먼저 정하고 집단마다 필요한 응답 수를 계산합니다. 전체 표본이 넉넉해도 하위 집단이 작으면 오차 범위가 크게 벌어집니다. 품질 검수로 빠질 응답까지 감안해 여유 있게 확보합니다.
Q.컨셉은 어떤 형태로 제시해야 하나요?
제품이 무엇이고 누구에게 어떤 효익을 주는지 담은 설명 한 장과 이미지면 충분합니다. 모든 응답자가 같은 자료를 보게 하고, 비교할 안이 있다면 분량과 형식을 맞춥니다. 과장된 홍보 문구는 반응을 과대평가하게 만듭니다.
Q.반 베스텐도르프 가격 문항만으로 가격을 정해도 되나요?
수용 가능한 가격 범위를 파악하는 데는 유용하지만 수요까지 알려 주지는 않습니다. 범위 안의 몇 가지 가격으로 구매 가능성을 별도로 측정해 함께 판단합니다. 경쟁 제품 가격과도 함께 비교합니다.
Q.주의 확인 문항에서 통과하지 못한 응답은 모두 제외해야 하나요?
조사 전에 정한 기준대로 처리합니다. 한 문항만 틀린 경우는 과속이나 일자 응답 같은 다른 신호와 겹칠 때 제외하는 방식이 안전합니다. 제외 전후의 표본 수는 결과와 함께 기록합니다.
Q.구매 의향이 70% 넘게 나오면 좋은 결과인가요?
비교 기준 없이 그 수치만으로는 판단할 수 없습니다. 신제품의 구매 의향은 기존 제품보다 실제 구매와의 일치도가 낮은 편입니다. 현재 사용하는 대안이나 다른 컨셉과 같은 문항으로 비교했을 때 우위에 있는지를 확인합니다.
참고 자료
- Instructional manipulation checks: Detecting satisficing to increase statistical power, Daniel M. Oppenheimer·Tom Meyvis·Nicolas Davidenko (Journal of Experimental Social Psychology 45(4)), 2009
- Identifying careless responses in survey data, Adam W. Meade·S. Bartholomew Craig (Psychological Methods 17(3)), 2012, Europe PMC 서지 정보
- Speeding in Web Surveys: The tendency to answer very fast and its association with straightlining, Chan Zhang·Frederick Conrad (Survey Research Methods 8(2)), 2014
- When do purchase intentions predict sales?, Vicki G. Morwitz·Joel H. Steckel·Alok Gupta (International Journal of Forecasting 23), 2007
- How Purchase Probability Scales Can Shed Light on Consumer Purchase Intentions, Rene Befurt·Alvin J. Silk (Landslide 12(1)), 2019
- pricesensitivitymeter: Van Westendorp Price Sensitivity Meter Analysis, CRAN 패키지 문서
- 5 key things to know about the margin of error in election polls, Andrew Mercer (Pew Research Center), 2016
- Writing Survey Questions, Pew Research Center
큐케이파트너스창업교육, AI 교육, BM 고도화, IR 덱 제작, 데모데이 운영을 하는 스타트업 그로스 파트너입니다. 창업 현장에서 반복되는 질문을 연구와 심사·교육 경험으로 정리합니다.