설문조사 응답을 사용한 경험 관리(XM) 데이터 웨어하우스 구축

* 본 아티클의 원문은 2021년 4월 1일 Google Cloud 블로그(영문)에 게재되었습니다.   

많은 조직이 고객, 직원, 공급업체에 최고 수준의 서비스를 제공하고 니즈를 이해하는 데 경험 관리 및 분석이 중요한 요소라는 사실을 깨닫고 있습니다. 설문조사는 형식과 규모에 상관없이 모든 조직에서 데이터를 수집하는 데 사용할 수 있는 경험 관리 영역의 효과적인 수단입니다. Verified Market Research에 따르면 설문조사와 같은 도구를 포함한 경험 관리는 175억 미국 달러 규모의 시장으로, 2020년부터 2027년까지 연 16.8%의 성장률(CAGR)을 보일 것으로 전망됩니다(출처). 

Google Forms, Survey Monkey, Qualtrics, TypeForm과 같은 도구를 활용하는 기업은 상호작용하는 집단과 조직에서 답변을 신속하게 수집할 수 있습니다. 선택 가능한 기술의 증가와 설문조사 플랫폼의 편의성 및 효과 덕분에 많은 기업에서 다양한 설문조사를 진행하고 있습니다. 하지만 이러한 설문조사는 특정 문제의 해결을 위해 일회성으로 사용되고 결과가 분석 및 공유된 후에는 설문조사와 결과 데이터가 잊혀지는 경우가 많습니다. 대신 이러한 결과를 캡쳐하고 저장하는 기업은 설문조사를 비교 분석하여 자사 데이터와 타사 데이터를 비교해 원인과 개선 가능성이 있는 옵션을 보다 잘 이해하는데 사용할 수 있습니다.  

그렇다면 이 경험 관리 데이터 웨어하우스의 구축을 저해하는 요소에는 어떤 것이 있을까요? 설문조사는 본래 유연한 수단이며 많은 설문조사 시스템이 질문-답, 열-행 형식, 구분된 결과로 데이터를 제공합니다. 이 데이터 형식은 사람이 직접 사용하기엔 용이하지만 대규모 분석에는 적합하지 않으며 개선된 형식으로 변환하는 프로세스도 부담스러울 수 있습니다. 이 블로그에서는 Google Cloud와 Trifacta가 파트너십을 통해 어떻게 이 데이터의 변환, 표시, 사용을 쉽게 만드는 설계 패턴을 개발했는지 소개합니다.

확장성 및 유연성 강화

보다 구조화된 형식으로 질문을 비교, 분석, 보강할 수 있도록 설문조사 데이터 세트에 데이터 피봇팅이나 파싱이 필요한 경우가 많습니다. 이 설문조사 분석 패턴은 데이터를 변환하고, 데이터 웨어하우스에 저장하고, 이 웨어하우스를 사용해 분석하고 그 결과를 공유하는 프로세스를 거칩니다. 이 패턴을 다양한 유형의 설문조사와 반복된 다른 설문조사에 확대 사용하면 보다 깊이 있고 일관성 있는 분석을 수행하는 데 사용할 수 있는 플랫폼이 마련됩니다.

이 패턴을 쉽게 설명하기 위해 캡처 메커니즘으로 Google Forms를 활용하겠습니다(참고: 이 예시에는 Google Forms를 사용하지만 내보내기 스키마가 유사한 다른 설문조사 엔진에도 이 개념을 차용할 수 있음). Google Forms를 사용하면 객관식부터 항목 순위 지정, 주관식에 이르는 다양한 방식으로 질문을 구성할 수 있어 각기 조금씩 다른 결과가 도출됩니다. 질문 카테고리를 기반으로 한 설문조사 분석 패턴은 데이터를 구조화해 BigQuery 테이블에 로드하는 특별한 접근방식을 제공합니다.

질문 시작

원본 내보내기

데이터 웨어하우스에서 변환된 내보내기 및 결과

Google Cloud Platform의 경험 관리 데이터 웨어하우스에서 활용하는 3가지 주요 기술은 Cloud Dataprep by Trifacta, BigQuery, Data Studio/Looker입니다. 위에서 설명한 것처럼 Cloud Dataprep은 분석을 위한 데이터 정규화, 정리, 보강에 사용되는 핵심 기술입니다. Google Cloud의 엔터프라이즈 데이터 웨어하우스인 BigQuery는 다른 데이터 소스와 함께 설문조사 데이터를 저장해 이해관계자가 심도 있는 분석을 통해 숨겨진 트렌드를 발견할 수 있도록 해줍니다. Data Studio 또는 Looker 사용자는 데이터 탐색 및 시각화를 통해 발견되는 유용한 정보를 토대로 즉각적인 조치를 취할 수 있습니다. 또한 이 데이터 준비 작업에 AI/ML 기술을 결합하면 분석 수준이 높아지므로 데이터의 이상치 또는 트렌드를 보다 쉽게 파악하고 이에 대응할 수 있습니다(자세한 내용은 Google Cloud의 AI Platform 및 분석용 AI/ML 참조 패턴 참조). 

경험 관리 데이터 웨어하우스의 이점

경험 관리 데이터 웨어하우스 구축은 보다 강력한 분석 문화로 나아가기 위한 중요한 교두보입니다. 경험 관리 데이터 웨어하우스를 통해 기업에서 얻을 수 있는 이점을 대략적으로 정리하면 다음과 같습니다. 

• 여러 설문조사 또는 응답 비교(결합을 위한 수작업 없음) 
• 여러 설문조사에서 응답을 분리하여 새롭고 유용한 정보 찾기(예: 팀 규모 또는 지역과 팀 만족도의 상관관계 파악)
• 웨어하우스의 다른 데이터로 설문조사 결과 보강하기(예: 제품 사용에 대한 설문조사 결과를 매출 데이터와 결합해 전환 가능성이 높은 새로운 마케팅 세그먼트 파악하기)
• Looker, Data Studio 또는 기타 BI 도구를 사용해 새로운 방식으로 설문조사 결과를 표현하고 시각화하기
• 눈에 띄는 맞춤형 시각화 형식으로 폭넓은 잠재고객층에 설문조사 결과 공유하기
• 시간에 따라 반복 및 개선이 가능하도록 확장 가능한 설문조사 방식 수립하기
• 인공지능(AI) 및 머신러닝(ML)을 사용해 설문조사 데이터에 고급 분석 및 의사 결정 적용하기

설문조사 분석 패턴 사용 사례 

그렇다면 실생활에는 어떤 효과가 있을까요? 기업에서 경험 관리 데이터 웨어하우스를 활용할 수 있는 몇 가지 사례를 소개합니다. 

1. 직원 근무 환경: 인사부에서 임직원의 전반적인 직장 만족도를 주기적으로 점검하기 위해 분기별로 설문조사를 발송하는 경우가 많습니다. 거기에 팬데믹 사태까지 더해지면서 인사부는 보다 자주 설문조사를 보내기로 합니다. 직원 만족도 결과를 한곳에서 확인할 수 있게 되면 인사부에서 만족도 수준을 팬데믹 이전과 비교하고 팬데믹 기간에 이루어진 설문조사를 분리해 만족도 수준이 점차 높아졌는지 확인할 수 있습니다. 

2. 제품 사용 경험: 제품팀은 특정 제품이나 기능의 사용을 추적하기 위한 설문조사를 발송합니다. 모든 설문조사를 데이터 웨어하우스에 저장하면 제품팀에서 이 데이터에 매출 데이터를 보강하여 제품 사용과 매출 향상의 상관관계를 이해할 수 있습니다. 매출 데이터가 이미 BigQuery에 저장되어 있기 때문에 이 데이터를 액세스하고 결합하기가 쉽습니다. 

3. 고객 경험: 시장 조사팀은 고객 여정을 자세히 이해하고 싶어 합니다. 이러한 설문조사는 애널리스트가 사용자 감정을 이해하는 데 도움을 주며 리드 생성 소스로 사용될 수도 있습니다. 마케팅 담당자는 설문조사 결과를 CRM 도구와 같은 다른 유용한 데이터 세트와 조인하여 얻은 분석 결과를 구매 성향이 높은 사용자를 타겟팅하는 캠페인을 만드는 데 사용할 수 있습니다. 

시작하기