이 글에서는 정량 데이터와 정성 데이터의 역할을 설명하기 위해 서베이몽키의 설문조사 데이터 분석 안내를 참고했고, AI를 활용한 자유 응답 분류와 고객 데이터 분석 사례는 통계청 통계연구원 자료를 함께 확인했습니다.
설문 결과를 보면 평균 점수나 만족도 변화는 비교적 쉽게 확인할 수 있습니다. 하지만 숫자만으로는 응답자가 어떤 경험 때문에 그렇게 평가했는지 충분히 파악하기 어려운 경우가 많습니다. 이때 자유 응답을 함께 살펴보면 점수 뒤에 있는 이유와 맥락을 확인할 수 있습니다.
응답 수가 많아 직접 읽고 정리하기 부담스럽다면, AI를 활용해 반복되는 의견을 주제별로 분류하는 방법도 생각해볼 수 있습니다. 여기서는 자유 응답을 정리하는 기본 흐름과, 분류 결과를 실제 분석에 연결하는 질문 방식을 살펴보겠습니다.
1. 왜 자유 응답은 따로 분석해야 하는가
1) 객관식 점수만으로는 평가의 이유를 모두 알기 어려움
만족도 점수 같은 정량 데이터는 결과를 집계하고 평균을 비교하거나 시간에 따른 변화를 확인하는 데 유용합니다. 예를 들어 지난달 평균 만족도가 이번 달보다 낮아졌다는 사실은 비교적 쉽게 확인할 수 있습니다.
하지만 숫자만으로는 응답자가 어떤 경험 때문에 낮은 점수를 선택했는지 충분히 설명하기 어려울 수 있습니다. 서비스 이용 과정에서 불편함을 느꼈는지, 특정 기능에 문제가 있었는지, 기대와 실제 경험 사이에 차이가 있었는지는 자유 응답을 통해 더 구체적으로 확인할 수 있습니다.
그래서 정량 데이터와 정성 데이터를 함께 보면 결과와 맥락을 서로 보완하는 방식으로 분석할 수 있습니다.
2) 자유 응답이 많아질수록 정리하는 데 시간이 걸림
응답이 많아질수록 자유 응답을 직접 읽고 같은 의견을 묶는 데 시간이 더 걸립니다. 특히 응답이 길거나 비슷한 내용이 서로 다른 표현으로 반복되면 단순히 훑어보는 것만으로 전체 경향을 파악하기 어려울 수 있습니다.
이런 경우 AI를 활용해 반복되는 내용을 먼저 분류하면 이후 사람이 원문을 검토해야 할 범위를 정리하는 데 도움이 됩니다. 중요한 점은 AI가 원문을 대신 판단하는 것이 아니라, 많은 양의 텍스트를 1차로 정리하는 도구로 활용하는 것입니다.
2. AI로 자유 응답을 주제별로 묶는 기본 흐름
1) 원본 응답을 가능한 한 그대로 정리하기
자유 응답을 분석할 때는 원본 데이터를 지나치게 요약하거나 편집하지 않는 것이 좋습니다. 응답을 미리 짧게 줄이면 작성자가 사용한 표현이나 세부적인 뉘앙스가 사라질 수 있기 때문입니다.
예를 들어 여러 응답을 모두 "배송이 불편했다"로 요약해 버리면, 실제로는 배송 속도에 대한 불만인지, 배송 안내 부족에 대한 불만인지 구분하기 어려워질 수 있습니다.
개인정보나 특정 개인을 식별할 수 있는 정보가 포함돼 있다면 먼저 가리거나 비식별화한 뒤 분석용 데이터를 준비하는 것이 좋습니다.
2) 반복되는 주제를 기준으로 분류 요청하기
준비한 응답을 AI에 전달한 뒤 반복되는 주제를 중심으로 묶어달라고 요청할 수 있습니다.
예를 들어 다음과 같이 요청할 수 있습니다.
이 자유 응답들을 반복되는 주제별로 분류하고, 각 그룹의 내용을 이해하기 쉬운 이름으로 정리해줘.
응답의 성격에 따라 주제 수를 함께 지정할 수도 있습니다. 보고서에서 너무 많은 항목을 다루기 어렵다면 "주요 주제를 5개 이내로 정리해줘"처럼 분석 목적에 맞게 범위를 설정하는 방식도 가능합니다.
다만 AI가 만든 주제 이름이 반드시 가장 적절한 것은 아니므로, 실제 응답을 확인하면서 분류 기준을 조정하는 과정이 필요합니다.
3) 각 주제의 응답 수와 비중 확인하기
주제별로 몇 개의 응답이 분류됐는지 확인하면 어떤 내용이 반복해서 등장하는지 파악할 수 있습니다.
다만 하나의 자유 응답에 여러 주제가 함께 들어 있을 수 있습니다. 따라서 한 응답을 하나의 주제에만 넣을지, 여러 주제에 중복해서 분류할지를 먼저 정하는 것이 좋습니다.
이 기준을 정한 뒤 주제별 응답 수와 전체 대비 비중을 함께 보면 반복적으로 나타나는 의견의 규모를 비교하는 데 활용할 수 있습니다. 분석 결과를 다른 사람과 공유해야 한다면 이 분류 기준도 함께 기록해두는 편이 해석 과정에서 혼란을 줄이는 데 도움이 됩니다.
3. 인사이트로 연결하는 질문법
1) 가장 자주 나온 불만이나 긍정 의견부터 확인하기
분류된 주제가 많다면 모든 내용을 같은 비중으로 살펴보기보다 반복적으로 등장한 항목부터 확인하는 방법이 있습니다.
예를 들어 다음과 같이 질문할 수 있습니다.
가장 자주 언급된 불만 3가지와 긍정적인 의견 3가지를 각각 정리해줘.
이렇게 정리하면 전체 응답 가운데 어떤 내용이 반복적으로 등장했는지 빠르게 확인할 수 있습니다.
다만 빈도가 높다는 이유만으로 반드시 가장 중요한 문제라고 판단할 수는 없습니다. 발생 빈도는 낮더라도 특정 서비스 장애나 반복적인 위험 신호와 관련된 의견이라면 별도로 검토할 필요가 있습니다.
2) 실제 원문 응답을 함께 확인하기
주제 이름만으로는 실제 응답에 담긴 감정이나 표현의 강도를 충분히 알기 어려울 수 있습니다. 그래서 각 주제에 해당하는 원문 응답을 함께 확인하는 과정이 필요합니다.
AI에게 대표 사례를 찾아달라고 요청할 수는 있지만, 최종적으로 보고서에 인용할 문장은 원본 응답과 다시 대조하는 것이 좋습니다. 이 과정에서 개인정보나 특정 개인을 식별할 수 있는 내용이 포함되지 않았는지도 함께 확인해야 합니다.
대표 응답은 숫자로는 드러나지 않는 실제 표현과 맥락을 이해하는 데 활용할 수 있습니다.
3) 정량 데이터와 자유 응답을 함께 살펴보기
정량 데이터와 자유 응답을 연결하면 특정 점수와 함께 어떤 의견이 자주 등장했는지 확인할 수 있습니다.
예를 들어 다음과 같이 요청할 수 있습니다.
점수가 낮은 응답자들의 자유 응답에서 공통적으로 나타난 주제를 정리해줘.
이런 방식으로 분석하면 낮은 평가와 함께 반복적으로 언급된 내용을 찾아볼 수 있습니다. 점수 변화와 자유 응답의 내용을 나란히 보면 추가로 검토할 만한 원인을 발견하는 데 도움이 됩니다.
다만 자유 응답에서 특정 주제가 많이 나타났다고 해서 그것만으로 점수 하락의 직접적인 원인이라고 확정하기는 어렵습니다. 분석 결과는 하나의 해석 근거로 활용하고, 필요하다면 다른 데이터와 원본 응답을 함께 검토하는 것이 적절합니다.
4. 실전에서 주의할 점
1) AI가 만든 카테고리는 원본과 대조해서 확인하기
AI가 응답을 분류했다고 해서 모든 결과가 자동으로 정확해지는 것은 아닙니다. 특히 짧은 답변이나 여러 의미가 섞인 문장은 하나의 주제로 분류하기 어려울 수 있습니다.
분석 결과를 활용하기 전에 일부 응답을 직접 확인해 분류가 적절한지 검토하는 과정이 필요합니다. 중요한 보고서나 의사결정에 사용하는 경우에는 경계가 모호한 응답을 별도로 표시하고 사람이 다시 검토하는 방식도 고려할 수 있습니다.
AI의 역할을 자동 판정이 아니라 분석 보조로 두는 것이 안정적입니다.
2) 소수 의견이라고 무조건 제외하지 않기
가장 많이 등장한 의견은 전체적인 경향을 파악하는 데 중요하지만, 빈도가 낮은 의견이 항상 중요하지 않은 것은 아닙니다.
특정 불편이 반복적으로 언급됐거나, 일부 응답에서 이전에 보지 못했던 문제가 나타났다면 응답 수가 적더라도 별도로 확인할 가치가 있습니다.
따라서 빈도순으로 정리하되, 분석 목적에 따라 영향도나 내용의 성격도 함께 검토하는 것이 좋습니다.
3) 개인정보는 분석 전에 확인하기
자유 응답에는 이름, 연락처, 이메일 주소처럼 개인을 식별할 수 있는 정보가 예상하지 못한 형태로 포함될 수 있습니다.
AI 분석 도구에 데이터를 전달하기 전에는 이런 정보가 포함돼 있는지 먼저 확인하고, 필요한 경우 삭제하거나 비식별화하는 것이 좋습니다.
특히 고객의 의견이나 내부 설문 데이터를 다룰 때는 조직의 개인정보 처리 기준과 사용 중인 도구의 데이터 처리 정책도 함께 확인할 필요가 있습니다.
5. AI 기반 자유 응답 분석은 어떻게 활용할 수 있을까
AI를 활용한 설문·고객 데이터 분석에서는 자유 응답처럼 형식이 일정하지 않은 텍스트를 분류하고 요약해 반복되는 의견을 찾는 방식이 활용됩니다.
이런 분석 방식은 많은 양의 응답을 검토할 때 전체 경향을 먼저 파악하는 데 사용할 수 있습니다. 사람이 처음부터 모든 응답을 동일한 방식으로 분류하는 데 드는 시간을 줄이고, 반복되는 주제나 추가 확인이 필요한 내용을 찾는 데 활용할 수 있습니다.
다만 자동 분류 결과 자체를 최종 결론으로 받아들이기보다는 분석을 보조하는 결과로 보는 것이 중요합니다. 중요한 응답이나 여러 주제에 걸쳐 있는 응답은 원문과 함께 다시 확인하는 과정이 필요합니다.
AI가 빠르게 정리한 결과와 사람이 확인한 원문을 함께 활용하는 방식이 자유 응답 분석의 실용성을 높일 수 있습니다.
- 주제 분류를 요청할 때는 "주요 주제를 5개 이내로 정리해줘"처럼 분석 목적에 맞는 범위를 함께 지정해 보세요.
- 하나의 응답에 여러 주제가 포함될 경우 중복 분류를 허용할지 먼저 정하는 것이 좋습니다.
- 대표 인용문은 원문과 다시 대조하고, 응답자를 특정할 수 있는 정보는 가린 뒤 사용하세요.
- 정량 점수와 자유 응답을 함께 볼 때는 특정 의견을 곧바로 원인으로 단정하기보다 추가 검토가 필요한 패턴으로 해석하는 것이 좋습니다.
- 같은 설문을 정기적으로 반복한다면 이전 조사와 비교해 새롭게 등장하거나 크게 늘어난 주제가 있는지도 확인해 볼 수 있습니다.
- 중요한 분석 결과라면 AI가 만든 분류 기준과 실제 원문이 일치하는지 일부 사례를 직접 검토하세요.
6. 정량 데이터와 정성 데이터의 차이
| 구분 | 정량 데이터 | 정성 데이터 |
|---|---|---|
| 형태 | 점수, 선택 결과, 횟수처럼 숫자로 집계할 수 있는 응답 | 응답자가 직접 작성한 문장이나 서술형 의견 |
| 강점 | 집계, 평균, 분포, 집단 간 비교에 활용하기 좋음 | 이유, 맥락, 구체적인 경험을 파악하는 데 활용하기 좋음 |
| 분석 방법 | 통계적 집계와 비교 | 내용 분류, 반복 주제 확인, 원문 사례 검토 |
두 데이터는 어느 한쪽이 더 중요하다고 보기보다 서로 다른 질문에 답하는 역할을 합니다.
정량 데이터는 "어떤 변화가 있었는가"를 확인하는 데 활용할 수 있고, 정성 데이터는 "그 변화와 함께 어떤 의견이 나타났는가"를 살펴보는 데 도움이 됩니다.
따라서 설문 결과를 해석할 때는 점수만 따로 보거나 자유 응답만 따로 읽기보다, 분석 목적에 따라 두 데이터를 함께 검토하는 방법을 고려할 수 있습니다.
자주 묻는 질문
정해진 응답 수 기준이 있는 것은 아닙니다. 응답이 많지 않더라도 문장이 길거나 여러 사람이 함께 분석해야 한다면 분류 작업에 시간이 걸릴 수 있습니다. 직접 읽고 같은 의견을 묶는 작업이 부담되기 시작하는 시점이라면 AI를 활용해 1차 분류를 해보는 방법을 고려할 수 있습니다.
바로 사용하기보다는 일부 응답을 원문과 대조해 분류가 적절한지 확인하는 것이 좋습니다. 특히 중요한 결론을 내리는 분석이라면 애매한 응답이 어느 기준으로 분류됐는지 검토하고, 필요한 경우 주제 이름이나 분류 기준을 수정하는 과정을 거치는 것이 적절합니다.
이름, 연락처, 이메일 주소처럼 개인을 식별할 수 있는 정보는 분석 전에 삭제하거나 비식별화하는 것이 좋습니다. 데이터의 성격에 따라 조직 내부의 개인정보 처리 기준과 사용하려는 AI 도구의 데이터 처리 정책도 확인한 뒤 활용하는 것이 안전합니다.
마무리
정량 데이터는 결과의 규모와 변화를 확인하는 데 유용하고, 자유 응답은 그 결과를 해석하는 데 필요한 이유와 맥락을 살펴보는 데 활용할 수 있습니다.
응답 수가 많아질수록 AI를 활용한 분류는 많은 텍스트를 1차로 정리하는 데 도움이 될 수 있습니다. 다만 AI가 만든 카테고리와 요약을 그대로 결론으로 사용하기보다, 중요한 내용은 원문과 분류 기준을 함께 확인하는 과정이 필요합니다.
다음 단계에서는 설문이나 업무 데이터를 AI에게 전달할 때 원하는 분석 결과를 얻기 위해 질문을 어떻게 구성하면 좋은지 살펴보면, 자유 응답 분석 과정을 조금 더 구체적으로 활용할 수 있습니다.
출처 및 참고 사이트
'AI 활용 실전' 카테고리의 다른 글
| AI로 요구사항을 체크리스트로 바꾸기: 빠뜨리는 일을 줄이는 업무 시작법 (0) | 2026.09.08 |
|---|---|
| AI 엑셀 수식 오류 찾기: 계산이 맞지 않을 때 점검할 질문들 (0) | 2026.09.04 |
| AI로 이미지 속 표를 엑셀로 옮기기: 숫자 오류를 줄이는 검토 순서 (0) | 2026.09.02 |
| AI 프롬프트 템플릿 만들기: 반복 업무에 바로 쓰는 변수형 질문 설계 (0) | 2026.08.31 |
| AI로 회의 녹음 정리하기: 발언 요약에서 담당자별 실행 항목까지 (0) | 2026.08.29 |
