동인분석

고객 만족도 조사에서 가격, 서비스 품질, 직원의 친절도, 이용 편의성, 제품 품질을 평가했다고 가정해 보겠습니다. 조사 결과 가격 만족도가 가장 낮게 나타났다면 기업은 가격부터 개선해야 할까요?

반드시 그렇지는 않습니다. 고객이 낮게 평가한 항목이라도 전반적인 만족도와의 관련성이 크지 않을 수 있습니다. 반대로 고객들이 어느 정도 만족하고 있는 항목이라도 전반적인 만족도를 설명하는 중요한 요인일 수 있습니다.

따라서 고객 만족도를 개선하려면 각 항목의 점수뿐 아니라 어떤 요인이 전반적인 만족도와 밀접하게 관련되어 있는지, 현재 그 요인에 대한 평가는 어떤지 함께 확인해야 합니다.

이때 활용할 수 있는 방법이 동인분석(Driver Analysis)과 중요도-만족도 분석(Importance-Performance Analysis, IPA)입니다.

동인분석은 전반적인 만족도나 충성도 같은 결과와 관련된 주요 요인을 분석하는 방법입니다. IPA는 각 항목의 중요도와 현재 평가 수준을 비교하여 개선 우선순위를 시각적으로 파악하는 방법입니다. 두 분석을 결합하면 만족도에 대한 관련성이 큰 요인 중 현재 평가가 낮은 항목을 찾아낼 수 있습니다.

이번 글에서는 동인분석과 IPA의 기본 개념부터 중요도를 계산하는 방법, 실제 분석 사례, IPA 4사분면 해석, 개선 우선순위를 결정할 때 주의해야 할 점까지 살펴보겠습니다.

예를 들어 고객 500명을 대상으로 전반적인 서비스 만족도와 서비스 품질, 가격 만족도, 직원 친절도, 이용 편의성, 문제 해결 속도를 조사했다고 가정해 보겠습니다.

이때 전반적인 만족도를 결과변수로 설정하고 나머지 항목들이 만족도와 어떤 관계를 가지는지 분석할 수 있습니다. 이를 통해 만족도가 높은 고객에게서는 어떤 항목의 평가도 높은지, 어떤 요인이 만족도의 차이를 상대적으로 많이 설명하는지 확인할 수 있습니다.

동인분석은 독립된 하나의 통계 검정 이름이라기보다 연구 목적에 따라 회귀분석, 상대적 중요도 분석(Relative Importance Analysis), SHAP 등 다양한 방법을 활용하는 분석 접근법에 가깝습니다.

또한 동인(Driver)이라는 표현이 반드시 인과적인 원인을 뜻하지는 않습니다. 설문조사와 같은 관찰자료에서 발견한 관계는 일반적으로 만족도와 관련된 요인으로 해석하는 것이 적절합니다.

반면 동인분석은 각 항목이 전반적인 만족도와 어느 정도 관련되어 있는지 살펴봅니다. 예를 들어 서비스 이용 편의성의 평균 점수가 4.5점이고 가격 만족도는 3.2점이라고 가정해 보겠습니다. 단순 만족도 분석에서는 가격 만족도가 낮으므로 개선이 필요하다고 판단할 수 있습니다.

하지만 동인분석 결과 가격 만족도는 전반적인 만족도와의 관련성이 상대적으로 작고, 이용 편의성은 관련성이 크게 나타날 수 있습니다. 이 경우 두 항목의 개선 필요성을 단순 평균 점수만으로 판단하기는 어렵습니다.

두 분석은 서로 대체하는 관계가 아닙니다. 실제 개선 방향을 결정하려면 항목별 평가 수준과 중요도를 함께 살펴보는 것이 좋습니다.

이때 중요도는 설문 문항에서 고객이 직접 평가한 중요도일 수도 있고, 통계모형을 통해 추정한 중요도일 수도 있습니다. 두 값은 의미와 계산 방식이 다르므로 반드시 구분해야 합니다.

직접 중요도(Explicit Importance)

고객에게 각 항목이 얼마나 중요한지 직접 질문하는 방식입니다. 예를 들어 "서비스 이용 시 가격은 얼마나 중요합니까?"라는 문항에 1점부터 5점까지 응답하도록 할 수 있습니다. 직원 친절도, 품질, 이용 편의성 등 다른 항목도 같은 방식으로 평가합니다.

직접 중요도는 응답자가 스스로 인식하는 중요성을 보여준다는 장점이 있습니다. 하지만 모든 항목을 중요하다고 평가하거나 실제 행동과 다른 응답을 할 가능성도 있습니다.

통계적 중요도(Derived Importance)

고객이 평가한 여러 항목과 전반적인 만족도 사이의 관계를 통계적으로 분석하여 중요도를 추정하는 방식입니다. 예를 들어 전반적인 만족도를 종속변수로, 서비스 품질과 가격 만족도 등을 독립변수로 설정하여 다중회귀분석을 수행할 수 있습니다.

이 경우 회귀계수나 상대적 중요도 지표를 이용해 각 항목이 전반적인 만족도와 어느 정도 관련되어 있는지 살펴볼 수 있습니다.

다만 회귀계수가 크다고 해서 반드시 해당 항목의 실제 개선 효과가 가장 크다는 뜻은 아닙니다. 특히 변수 사이의 상관관계가 높으면 개별 회귀계수만으로 중요도를 비교하기 어려울 수 있습니다.

예를 들어 직원 친절도, 문제 해결 능력, 응대 속도는 모두 고객이 경험하는 서비스 품질과 관련되어 있습니다. 이러한 변수들을 하나의 회귀모형에 포함하면 변수들 사이에 높은 상관관계가 나타날 수 있습니다.

이때 표준화 회귀계수만으로 각 변수의 중요도를 비교하면 결과가 불안정하거나 해석하기 어려울 수 있습니다. 상대적 중요도 분석은 이러한 문제를 고려하여 설명변수들이 결과변수의 변동을 설명하는 데 어느 정도 기여하는지 추정하는 방법입니다.

대표적인 방법에는 상대가중치 분석(Relative Weight Analysis), 우세도 분석(Dominance Analysis), Shapley 값 기반 중요도 등이 있습니다. 일부 방법에서는 모형의 설명력을 각 변수에 배분하고, 이를 전체 100%로 환산하여 보여줍니다.

예를 들어 다음과 같은 결과가 나타났다고 가정해 보겠습니다.

이 결과에서 서비스 품질의 상대적 중요도가 30%라는 의미는 사용한 중요도 산출 방식에서 서비스 품질에 배분된 설명력의 비중이 30%라는 뜻입니다.

일반적으로 가로축에는 중요도, 세로축에는 만족도 또는 성과를 배치하거나 그 반대로 설정하여 4사분면 그래프를 작성합니다.

중요도는 높은데 현재 만족도가 낮은 항목은 개선을 우선 검토할 대상으로 볼 수 있습니다. 반면 중요도와 만족도가 모두 높은 항목은 현재의 강점을 유지해야 할 영역으로 해석할 수 있습니다.

여기서 만족도 대신 성과(Performance)라는 용어를 사용하는 경우도 있습니다. 고객이 직접 평가한 만족도 점수를 활용하는지, 실제 운영 성과 지표를 사용하는지에 따라 축의 의미를 명확히 구분해야 합니다.

IPA는 복잡한 결과를 시각적으로 요약하여 의사결정에 활용하기 좋다는 장점이 있습니다. 다만 사분면의 위치만으로 예산 배분이나 실제 개선 효과를 확정하는 방법은 아닙니다.

① 중요도 높음 · 만족도 높음 — 강점 유지

고객의 전반적인 만족도와 관련성이 높고 현재 평가도 좋은 항목입니다. 기업이 잘하고 있는 영역이므로 현재 수준을 유지하고 품질이 떨어지지 않도록 관리하는 것이 중요합니다.

② 중요도 높음 · 만족도 낮음 — 집중 개선

중요도는 높지만 현재 만족도가 낮은 항목입니다. IPA에서 가장 먼저 개선을 검토하는 영역으로, 관련 문제의 원인과 개선 가능성을 자세히 살펴볼 필요가 있습니다.

③ 중요도 낮음 · 만족도 낮음 — 낮은 우선순위

현재 평가가 낮지만 전반적인 만족도와의 관련성도 상대적으로 작은 항목입니다. 제한된 자원을 배분할 때 다른 영역보다 우선순위를 낮게 설정할 수 있습니다. 다만 법적 의무, 안전, 기본적인 서비스 품질과 관련된 항목은 통계적 중요도가 낮아도 반드시 개선해야 할 수 있습니다.

④ 중요도 낮음 · 만족도 높음 — 유지·관찰

현재 만족도는 높지만 상대적 중요도가 낮은 항목입니다. 추가 투자의 효과가 제한적일 수 있으므로 현재 수준을 유지하면서 자원 배분을 검토할 수 있습니다.

이 영역을 흔히 '과잉투자 가능 영역'으로 표현하기도 하지만, 중요도가 낮고 만족도가 높다는 사실만으로 실제 예산이 낭비되고 있다고 판단할 수는 없습니다.

설문에서는 전반적인 서비스 만족도와 함께 다섯 가지 세부 항목을 평가했습니다. 각 항목의 만족도는 5점 척도로 수집했고, 통계적 중요도는 상대적 중요도 분석을 통해 계산했다고 가정하겠습니다.

동인분석과 만족도 조사 결과

이 결과에서 서비스 품질은 상대적 중요도가 30%로 가장 높고 만족도도 4.3점으로 높게 나타났습니다. 반면 문제 해결 속도는 중요도가 25%로 두 번째로 높지만 만족도는 3.0점으로 가장 낮았습니다. 가격 만족도도 3.2점으로 낮았지만 상대적 중요도는 15%였습니다.

이러한 결과를 IPA에 배치하면 어떤 항목을 먼저 개선할지 보다 쉽게 검토할 수 있습니다.

기준선은 분석 목적에 따라 평균, 사전에 정한 목표값 또는 다른 기준으로 설정할 수 있습니다. 여기서는 설명의 편의를 위해 두 값을 사용하겠습니다.

각 항목의 위치는 다음과 같이 해석할 수 있습니다.

이 사례에서 문제 해결 속도는 우선적으로 개선을 검토할 항목입니다. 전반적인 만족도와의 관련성이 큰 편이지만 현재 고객 평가가 낮기 때문입니다.

반면 서비스 품질은 중요도와 만족도가 모두 높아 기존의 강점을 유지할 필요가 있습니다. 가격 만족도는 낮지만 중요도가 상대적으로 작게 나타나므로, 단순히 점수가 낮다는 이유만으로 최우선 과제로 선정하기보다 다른 항목과 비교해 개선 효과를 검토하는 것이 좋습니다.

이용 편의성처럼 기준선에 정확히 위치하는 항목은 미리 정한 분류 규칙에 따라 처리하거나 경계 항목으로 별도 표시하는 것이 적절합니다.

같은 데이터라도 중요도와 만족도의 기준선을 어떻게 설정하느냐에 따라 항목이 속하는 사분면이 달라질 수 있습니다. 대표적인 기준선 설정 방법은 다음과 같습니다.

예를 들어 평균 만족도가 높은 기업에서는 전체 항목의 평균 점수를 기준으로 사분면을 구분하면 절대적으로 높은 만족도를 가진 항목도 상대적으로 낮은 영역에 포함될 수 있습니다. 따라서 IPA에서 '만족도가 낮다'는 표현은 반드시 절대적인 불만족을 뜻하지 않을 수 있습니다.

또한 상대적 중요도를 합계 100%로 변환했다면 그 값의 평균은 항목 수에 따라 달라집니다. 예를 들어 5개 항목의 중요도 평균은 20%지만, 10개 항목이면 10%가 됩니다.

따라서 중요도 기준선의 의미를 정확하게 설명하고, 서로 다른 분석에서 사분면 결과를 비교할 때는 항목 구성과 기준선이 같은지 확인해야 합니다.

하지만 고객이 직접 평가한 중요도는 실제 만족도와의 통계적 관계를 충분히 반영하지 못할 수 있습니다. 예를 들어 응답자는 가격이 매우 중요하다고 말하지만 실제로는 이용 편의성이나 문제 해결 경험이 전반적인 만족도와 더 밀접하게 관련되어 있을 수 있습니다.

동인분석을 함께 사용하면 통계적으로 추정한 중요도를 IPA의 중요도 축에 활용할 수 있습니다. 분석 과정은 일반적으로 다음과 같습니다.

1. 전반적인 만족도와 세부 평가 항목을 수집합니다.
2. 각 세부 항목의 평균 만족도를 계산합니다.
3. 회귀분석이나 상대적 중요도 분석을 통해 주요 관련 요인을 파악합니다.
4. 계산된 중요도와 평균 만족도를 IPA 좌표에 배치합니다.
5. 중요도는 높지만 만족도가 낮은 항목을 중심으로 개선 과제를 검토합니다.

이렇게 구성하면 고객이 직접 중요하다고 생각하는 항목 대신, 데이터에서 전반적인 만족도와의 관계가 크게 나타난 항목을 중심으로 개선 방향을 탐색할 수 있습니다. 다만 통계적으로 추정한 중요도를 IPA에 활용했다고 해서 실제 개선 효과까지 검증된 것은 아닙니다.

회귀분석은 독립변수와 종속변수 사이의 관계를 추정하는 통계적 방법입니다. 반면 동인분석은 여러 후보 요인 중 특정 결과와 관련된 주요 요인을 파악하는 분석 목적에 초점을 맞춥니다. IPA는 여기서 한 단계 더 나아가 중요도와 현재 평가 수준을 결합해 개선 우선순위를 시각화합니다.

예를 들어 회귀분석을 이용해 문제 해결 속도가 전반적인 만족도와 양의 관계를 가진다는 사실을 확인할 수 있습니다.

동인분석에서는 문제 해결 속도가 다른 평가 항목들과 비교해 얼마나 중요한 위치를 차지하는지 검토할 수 있습니다. 이후 IPA에서는 문제 해결 속도의 중요도와 현재 만족도를 함께 비교하여 개선 우선순위를 판단하는 데 활용할 수 있습니다.

이처럼 세 방법은 서로 다른 질문에 답하며, 하나의 분석 과정에서 연결하여 사용할 수 있습니다.

예를 들어 신규 고객은 서비스 이용 편의성을 중요하게 생각하고, 장기 고객은 문제 해결 속도나 서비스 안정성에 더 민감할 수 있습니다. 이러한 차이를 확인하려면 고객 집단별로 동인분석을 수행할 수 있습니다.

이 결과에서는 신규 고객에게 이용 편의성의 상대적 중요도가 가장 높고, 장기 고객에게는 서비스 품질과 문제 해결 속도가 상대적으로 중요하게 나타났습니다. 하지만 두 집단의 중요도 수치가 다르다는 사실만으로 통계적으로 유의한 집단 차이가 있다고 결론 내릴 수는 없습니다.

집단 간 차이를 검정하려면 적절한 상호작용 분석이나 계수 차이 검정 등을 추가로 고려해야 합니다. 또한 집단별 표본 수가 충분한지, 동일한 측정 기준을 사용했는지도 확인해야 합니다.

중요도 순위 그래프

각 항목의 상대적 중요도를 가로 막대그래프로 표시합니다. 이를 통해 어떤 항목이 전반적인 만족도와 상대적으로 밀접하게 관련되어 있는지 확인할 수 있습니다. 중요도는 일반적으로 높은 순서대로 정렬하며, 사용한 계산 방법을 함께 표시하는 것이 좋습니다.

IPA 4사분면 그래프

각 항목의 중요도와 만족도를 좌표로 나타냅니다. 가로축과 세로축의 기준선을 표시하고 네 개의 영역을 구분하면 개선을 검토할 항목과 유지해야 할 강점을 쉽게 파악할 수 있습니다. 특히 항목 수가 많다면 점에 항목명을 직접 표시하거나 마우스를 올렸을 때 상세 정보를 확인할 수 있도록 구성하는 것이 좋습니다.

집단별 IPA 비교

신규 고객과 장기 고객, 지역별 고객, 연령대별 고객 등 여러 집단의 IPA 결과를 비교할 수도 있습니다. 이때 동일한 축 범위와 기준선을 사용하면 집단 간 차이를 비교하기 쉽습니다.

다만 집단마다 중요도 산출 방식이나 포함된 항목이 다르면 단순한 위치 비교가 부적절할 수 있으므로 분석 조건을 통일해야 합니다.

중요도가 높다고 개선 효과도 크다는 뜻은 아닙니다.

특정 항목이 전반적인 만족도와 밀접하게 관련되어 있다고 해서 해당 항목을 개선하면 만족도가 같은 비율로 증가하는 것은 아닙니다. 예를 들어 서비스 품질의 상대적 중요도가 30%라고 해서 품질 개선만으로 전반적인 만족도의 30%를 변화시킬 수 있다는 뜻은 아닙니다.

실제 개선 효과를 확인하려면 개선 전후 비교나 실험 등 추가적인 검증이 필요합니다.

평가 항목 사이의 상관관계를 확인해야 합니다.

서비스 품질, 직원 친절도, 문제 해결 속도 등은 서로 밀접하게 관련될 수 있습니다. 이러한 변수들 사이의 높은 상관관계를 충분히 고려하지 않으면 개별 요인의 중요도가 불안정하게 추정될 수 있습니다. 따라서 단순 회귀계수 비교 외에 상대적 중요도 분석 등을 고려할 수 있습니다.

만족도가 낮은 항목을 무조건 개선해야 하는 것은 아닙니다.

IPA에서 만족도가 낮게 나타난 항목이 반드시 가장 중요한 개선 대상은 아닙니다. 중요도뿐 아니라 실제 개선 비용, 고객에게 미치는 영향, 기업의 전략, 법적·안전상 요구사항 등을 함께 고려해야 합니다. 특히 통계적 중요도가 낮더라도 반드시 충족해야 하는 기본 서비스 수준이 존재할 수 있습니다.

사분면의 기준선에 따라 결과가 달라질 수 있습니다.

IPA의 기준선을 전체 평균으로 설정하는지, 절대적인 목표 수준으로 설정하는지에 따라 각 항목의 위치가 달라질 수 있습니다. 따라서 분석 결과를 보고할 때는 중요도와 만족도의 기준선을 명확하게 제시해야 합니다.

설문조사 결과에는 공통방법편향이 존재할 수 있습니다.

동일한 응답자가 같은 시점에 세부 만족도와 전반적인 만족도를 모두 평가하면 응답 경향이나 측정 방식 때문에 변수 사이의 관계가 실제보다 강하게 나타날 가능성이 있습니다. 따라서 가능하면 객관적인 행동 데이터나 다른 시점의 측정값을 함께 활용하여 결과를 검토하는 것이 좋습니다.

고객 집단에 따라 중요도가 다를 수 있습니다.

전체 고객에서 중요도가 높은 항목이 모든 고객 집단에서 동일하게 중요한 것은 아닙니다. 따라서 필요에 따라 신규 고객, 장기 고객, 주요 고객 등 집단별 분석을 수행하고 차이를 확인할 수 있습니다.

앞서 살펴본 온라인 서비스 기업의 사례를 이용하면 다음과 같이 작성할 수 있습니다.

실제 보고서에서는 상대적 중요도를 어떤 방법으로 계산했는지 명시해야 합니다. 또한 IPA 4사분면만 제시하기보다 원래 만족도 점수와 중요도 지표를 함께 제공하면 결과의 근거를 더 쉽게 확인할 수 있습니다.

개선 과제를 최종적으로 결정할 때는 각 항목의 실제 개선 가능성, 예상 비용, 고객 경험에 미치는 영향 등을 추가로 검토하는 것이 좋습니다.

고객 만족도 조사(CSAT)

서비스 품질, 가격, 직원 친절도, 이용 편의성 등 세부 평가 항목과 전반적인 만족도 사이의 관계를 분석하고 개선 우선순위를 검토할 수 있습니다.

브랜드 및 마케팅 조사

브랜드 이미지, 제품 품질, 가격 경쟁력, 구매 편의성 등이 전반적인 브랜드 평가나 구매 의향과 어떤 관계가 있는지 살펴볼 수 있습니다.

제품 및 서비스 개선

사용자 경험, 기능 만족도, 오류 발생 경험, 처리 속도 등의 평가를 분석하여 제품 개선에 참고할 수 있습니다.

직원 만족도 조사

업무 환경, 보상, 성장 기회, 조직문화, 관리자 지원 등이 전반적인 직무 만족도와 어떤 관계가 있는지 분석할 수 있습니다.

교육 서비스 평가

강의 품질, 교육자료, 학습 지원, 평가 방식 등이 전반적인 교육 만족도와 어떤 관계가 있는지 살펴볼 수 있습니다.

의료 및 공공서비스 평가

서비스 접근성, 대기 시간, 직원 응대, 안내 수준, 시설 환경 등 여러 평가 항목의 중요도와 만족도를 함께 비교할 수 있습니다. 이처럼 동인분석과 IPA는 여러 항목을 평가하는 데서 끝나지 않고, 제한된 자원을 어디에 우선 투입할지 검토하는 데 활용할 수 있습니다.

회귀분석이나 상대적 중요도 분석 등을 이용하여 여러 평가 항목이 결과변수와 어느 정도 관련되어 있는지 확인할 수 있습니다. IPA는 이러한 중요도와 현재 만족도 또는 성과 수준을 함께 비교하여 개선 우선순위를 시각적으로 파악하는 방법입니다.

두 분석을 함께 활용하면 단순히 만족도 점수가 낮은 항목을 찾는 것에서 나아가, 전반적인 만족도와의 관련성이 크면서 현재 평가가 낮은 항목을 우선적으로 검토할 수 있습니다.

다만 통계적으로 추정한 중요도가 실제 개선 효과를 보장하는 것은 아닙니다. 따라서 분석 결과와 함께 개선 비용, 실행 가능성, 고객 특성, 기업의 전략적 목표 등을 고려해야 합니다.