설문조사란 무엇인가요?
한 문장으로 정리하면, 설문조사는 "궁금한 것을 정확히 묻고, 그 답을 숫자와 패턴으로 확인하는 도구"입니다. 감으로 판단하던 것을 데이터로 검증할 수 있게 해줍니다.
예를 들어 "우리 고객은 신제품 가격을 어떻게 생각할까?", "직원들은 새로운 근무제도에 만족할까?", "이 정책에 시민들은 찬성할까?" 같은 질문은 몇 명의 의견만으로는 답하기 어렵습니다. 설문조사는 이런 질문에 대해 다수의 응답을 체계적으로 모아, 신뢰할 수 있는 답을 찾는 과정입니다.
숫자로 답하는 조사
객관식, 척도형 문항으로 "몇 %가 그렇게 생각하는지"를 파악합니다. 통계 분석과 비교에 강합니다.
이유를 깊게 듣는 조사
주관식, 인터뷰, 화상FGD처럼 "왜 그렇게 생각하는지" 맥락과 배경을 파악합니다.
숫자 + 이유를 함께
대부분의 실전 리서치는 객관식과 주관식을 함께 써서 "얼마나, 왜"를 동시에 확인합니다.
설문조사가 특히 유용한 순간
- 결정을 내리기 전: 신제품 출시, 가격 조정, 정책 도입 전에 반응을 미리 확인할 때
- 변화를 확인할 때: 서비스 개선 전후 만족도를 비교하고 싶을 때
- 모두의 목소리가 필요할 때: 소수의 의견이 아니라 전체 구성원·고객·시민의 생각을 확인할 때
- 근거가 필요할 때: "그냥 그런 것 같아요"가 아니라 보고서와 숫자로 설득해야 할 때
리서치 프로세스 5단계
좋은 설문조사는 순서를 지키는 것만으로 절반은 성공합니다. 아래 5단계를 그대로 따라가 보세요.
목적 정의
무엇을 알고 싶고, 그 답으로 무엇을 결정할지 먼저 문장으로 적어봅니다.
설계
목적에 맞는 질문 유형과 척도, 문항 순서를 구성합니다.
표본 확정
누구에게, 몇 명에게 물을지 정합니다. 대상이 다르면 답도 달라집니다.
배포·수집
링크, 패널, SNS 등 적절한 채널로 설문을 배포하고 응답을 모읍니다.
분석·활용
결과를 해석하고, 실제 의사결정과 보고서에 반영합니다.
1단계, 목적 정의를 구체적으로 하는 법
"고객 만족도를 알고 싶다"는 목적은 아직 흐릿합니다. 다음처럼 좁혀보세요.
| 흐릿한 목적 | 구체적인 목적 |
|---|---|
| 고객 만족도가 궁금하다 | 최근 3개월 내 구매 고객의 배송·품질·가격 만족도를 각각 5점 척도로 측정하고, 재구매 의향에 영향을 주는 요인을 파악한다 |
| 직원들이 어떻게 생각하는지 알고 싶다 | 재택근무 제도 시행 후 부서별 업무 몰입도와 협업 애로사항을 파악해 제도 개선안을 도출한다 |
목적이 구체적일수록 뒤에 나올 문항 설계, 표본 크기, 분석 방법까지 자연스럽게 정해집니다.
2단계, 설계를 구체적으로 하는 법
목적이 정해졌다면 그 목적에 답할 수 있는 질문 유형과 순서를 짭니다. 예를 들어 목적이 "재구매 의향에 영향을 주는 요인 파악"이라면, 배송·품질·가격 만족도를 각각 5점 척도로 묻는 문항, 재구매 의향을 묻는 문항, 그 이유를 듣는 주관식 문항을 함께 구성합니다. 답하기 쉬운 질문을 앞에, 민감한 질문은 뒤에 배치하고, 전체 응답 시간은 5~10분을 넘지 않도록 조정합니다.
3단계, 표본 확정을 구체적으로 하는 법
목적에 맞는 대상 조건(성별·연령·지역·직업 등)과, 그 조건에서 몇 명에게 물어야 결과를 믿을 수 있는지를 정합니다. 예를 들어 "수도권 거주 2030 직장인"이 대상이고 95% 신뢰수준·표본오차 ±5%p를 목표로 한다면 약 385명이 필요하다는 식으로 미리 계산해두면, 배포 단계에서 목표 응답 수가 명확해집니다.
4단계, 배포·수집을 구체적으로 하는 법
이미 확보한 고객·직원 명단이 있다면 카카오톡·문자·이메일로 링크를 바로 공유하고, 없다면 나우앤서베이 패널이나 설문 광장을 활용해 조건에 맞는 응답자를 모읍니다. 배포 후에는 목표 응답 수 대비 진행률을 주기적으로 확인하고, 속도가 더디면 리마인드 발송이나 리워드 제공을 고려합니다.
5단계, 분석·활용을 구체적으로 하는 법
먼저 빈도분석으로 전체 응답 경향을 확인하고, 교차분석으로 그룹별 차이가 있는지 살펴봅니다. 그다음 발견한 패턴이 1단계에서 세운 목적에 어떤 답이 되는지 문장으로 정리해, 보고서나 실제 의사결정(가격 조정, 제도 개선 등)에 반영합니다.
조사 방법론, 우리 상황엔 무엇이 맞을까?
응답자를 어디서 구하느냐에 따라 조사 방식이 달라집니다. 상황별로 가장 잘 맞는 방식을 골라보세요.
이미 대상자 명단이 있는 경우
기존 고객, 직원, 회원 등에게 설문 링크를 직접 보냅니다. 카카오톡, 문자, 이메일, QR코드로 배포하면 됩니다.
대상자를 새로 모아야 하는 경우
나우앤서베이의 패널 서비스를 이용하면 성별·연령·지역·직업 조건에 맞는 응답자를 원하는 만큼 확보할 수 있습니다.
비용 없이 여론을 확인하고 싶은 경우
설문 광장에 공개로 배포하고 다른 회원들의 참여를 받으며, 리워드 이벤트를 통해 참여를 늘릴 수도 있습니다.
기존 구글폼 설문이 있는 경우
구글폼 링크만 있으면 문항을 그대로 가져와 나우앤서베이의 분석·로직 기능으로 업그레이드할 수 있습니다.
대표적인 조사 유형 한눈에 보기
| 유형 | 이럴 때 사용 | 예시 |
|---|---|---|
| 고객만족도(CSAT) | 서비스·제품 이용 직후 만족도 확인 | 배송/상담 후 만족도 조사 |
| 직원경험(eNPS) | 조직 몰입도, 이직 의향 파악 | 연 2회 조직문화 진단 |
| 시장/제품 조사 | 신제품 반응, 가격 수용도 테스트 | 가격대별 구매의향 비교 |
| 학술/논문 조사 | 가설 검증, 상관관계 분석 | 설문지 기반 연구 데이터 수집 |
| 여론/정책 조사 | 주민, 시민 의견 수렴 | 지역 현안 찬반 조사 |
| AI 자기진단 | 응답 즉시 개인 맞춤 리포트 제공 | 성향·적성·심리 검사형 설문 |
비전문가도 잘 만들 수 있는 질문 설계법
좋은 답은 좋은 질문에서 나옵니다. 몇 가지 원칙만 지켜도 데이터 품질이 크게 달라집니다.
자주 쓰는 질문 유형
단일/다중 선택
보기 중 하나 또는 여러 개를 고르게 합니다. 집계와 비교가 쉽습니다.
척도(리커트) 문항
"매우 그렇다~전혀 아니다"처럼 정도를 측정합니다. 만족도·동의도 조사의 기본입니다.
순위형 문항
여러 항목 중 우선순위를 매기게 해 상대적 중요도를 파악합니다.
주관식(서술형)
정해진 보기가 없을 때, 생생한 의견과 이유를 수집합니다.
매트릭스 문항
여러 항목을 같은 척도로 한 번에 평가하게 해 응답 시간을 줄입니다.
분기(로직) 문항
응답에 따라 다음 질문을 다르게 보여줘, 불필요한 질문을 건너뛰게 합니다.
NPS 문항
"추천할 의향이 있습니까?"를 0~10점으로 묻는 특수 척도. 9~10점(추천) 비율에서 0~6점(비추천) 비율을 빼 고객 충성도를 수치화합니다.
NPS나 리커트 척도 점수가 나왔다면 바로 계산해보세요:
응답자를 정교하게 관리하는 기능
문항 유형만큼이나 "누구의 응답을 어떻게 받을지"도 데이터 품질을 좌우합니다. 아래 기능들을 활용해보세요.
응답자 할당(쿼터)
성별·연령 등 조건별로 목표 인원을 미리 정해두고, 한쪽 조건이 목표치를 채우면 그 조건의 응답만 자동으로 마감하는 기능. 예를 들어 남녀 각 150명씩 총 300명이 목표라면, 한쪽 성별이 먼저 채워져도 전체 성비가 무너지지 않습니다.
스크린 아웃
본조사 대상 조건에 맞지 않는 응답자를 초반 문항으로 걸러 설문을 조기 종료시키는 기능. "최근 1년 내 구매 경험이 있습니까?"에 "아니오"라고 답하면 바로 종료 안내로 넘어가, 조건에 안 맞는 응답이 섞이는 것을 막습니다.
필터링
사전에 설정한 특정 조건(지역, 연령, 특정 문항의 응답 등)에 해당하는 응답자만 다음 문항으로 진행하도록 하고, 조건에 해당하지 않는 응답자는 설문을 조기에 종료시키는 기능입니다. (스크린 아웃 문항과 반대 개념)
위치 인증(직접 설정·행정구역 설정)
응답자의 실제 위치를 인증한 뒤 참여시키는 기능. 특정 주소 반경 안의 사람만 받거나(직접 설정), 특정 행정구역 거주자만 받도록(행정구역 설정) 지정할 수 있어 지역 조사의 정확도를 높입니다.
흔히 저지르는 편향(bias) 3가지와 고치는 법
| 편향 유형 | 나쁜 예 | 좋은 예 |
|---|---|---|
| 유도 질문 | "훌륭한 이 서비스, 만족하시나요?" | "이 서비스에 얼마나 만족하십니까?" |
| 이중 질문 | "가격과 배송이 만족스러웠나요?" | "가격에 만족하십니까?" / "배송에 만족하십니까?" (문항 분리) |
| 모호한 표현 | "자주 이용하시나요?" | "최근 1개월 동안 몇 회 이용하셨습니까?" |
문항 순서 팁
- 답하기 쉬운 질문(만족도 등)을 앞에, 민감한 질문(소득, 개인정보)은 뒤에 배치합니다.
- 같은 주제는 묶고, 주제가 바뀔 때는 짧은 안내 문구를 넣어 응답자의 맥락 전환을 도와줍니다.
- 전체 응답 시간은 5~10분 이내를 목표로 하면 응답 포기율을 크게 줄일 수 있습니다.
분기 로직을 더 정교하게 만들고 싶다면
단순히 "이 문항에 이렇게 답하면 다음 문항으로 이동" 수준을 넘어, 여러 조건을 조합하거나 문항을 자동으로 숨기고 싶을 때는 아래 기능을 활용해보세요.
로직맵
문항 간 흐름을 플로우차트처럼 한눈에 보면서 드래그 앤 드롭만으로 조건을 연결합니다. "Q1에서 A를 선택하고 Q2에서 B를 선택한 경우에만 Q5로 이동"처럼 여러 문항의 응답을 AND/OR로 조합한 복합 조건도 만들 수 있고, NPS 문항은 0~6점(비추천)·7~8점(중립)·9~10점(추천)으로 자동 분기되는 등 문항 유형별 로직도 지원합니다.
디스플레이 로직
문항마다 "항상 보기 · 조건 충족 시 보기 · 조건 충족 시 숨기기 · 항상 숨기기" 중 하나를 설정해, 응답자에게 꼭 필요한 문항만 보여줄 수 있습니다. 숨겨진 문항은 로직맵에서 비연결 상태로 표시되어 전체 구조를 한눈에 파악할 수 있습니다.
정확한 응답만 받고 싶다면: 응답 유효성 검증
주관식·숫자 문항에 오탈자나 엉뚱한 답이 섞이는 것을 사전에 막을 수 있습니다. "숫자만 입력", "10자 이내", "특정 단어 포함" 같은 규칙을 설정하면 조건에 맞지 않는 응답은 제출 전에 안내 문구와 함께 걸러집니다. 활용 팁 하나: "정확히 일치해야 통과" 규칙을 앞쪽 문항에 걸어두면, 사전에 공유한 참여 코드를 입력한 사람만 설문에 들어올 수 있는 일종의 "설문 비밀번호"로도 쓸 수 있습니다. 부서별·조별로 코드를 다르게 주면 응답 그룹도 자동으로 구분됩니다.
표본 설계: 몇 명에게 물어야 할까?
국 한 냄비를 다 마셔보지 않아도 한 숟가락만 맛보면 간을 알 수 있습니다. 설문조사도 같은 원리입니다. 전 국민(모집단)에게 다 물어볼 필요 없이, 대표성 있는 일부(표본)에게만 물어도 전체의 경향을 충분히 정확하게 추정할 수 있습니다. 핵심은 두 가지, "몇 명에게 물어야 하는가"와 "그 결과를 얼마나 믿을 수 있는가(오차 허용 범위)"입니다.
꼭 알아야 할 3가지 개념
아래 세 개념은 톱니바퀴처럼 서로 맞물려 있습니다. 표본이 커질수록 오차는 줄고 신뢰도는 올라가지만, 그만큼 응답자를 모으는 시간과 비용도 늘어납니다. 이 균형점을 찾는 것이 표본 설계의 핵심입니다.
- 표본크기
- 실제로 설문에 응답한 사람의 수입니다. 예를 들어 모집단이 서울 시민 전체(약 950만 명)라도, 이 중 잘 뽑은 500명에게만 물어보면 서울 시민 전체의 의견을 상당히 정확하게 추정할 수 있습니다. 표본이 많을수록 결과는 안정적이지만, 1,000명을 넘어가면 정확도가 늘어나는 폭은 점점 작아져 무작정 늘리는 것이 항상 효율적이지는 않습니다.
- 신뢰수준
- 같은 방식으로 조사를 100번 반복했을 때, 그중 몇 번이 표본오차 범위 안에 들어맞을지를 나타내는 확률입니다. 리서치 업계는 보통 95%를 기준으로 삼으며, "95% 신뢰수준"이란 100번 조사하면 95번은 실제 값이 오차범위 안에 들어온다는 뜻입니다.
- 표본오차
- 표본 조사 결과와 전 국민을 다 조사했을 때(전수조사)의 실제 값 사이에 생길 수 있는 차이의 범위입니다. 예를 들어 "지지율 45%(표본오차 ±3%p, 95% 신뢰수준)"라면, 실제 지지율은 42%~48% 사이일 가능성이 95%라는 뜻입니다.
몇 명이 필요할까요?
아래는 실무에서 흔히 쓰이는 표본 크기 공식을 기준으로 한 참고표입니다. 원하는 오차 범위가 좁을수록(더 정확할수록) 더 많은 표본이 필요합니다.
| 모집단 규모 | 표본오차 ±5%p (95% 신뢰수준) | 표본오차 ±3%p (95% 신뢰수준) |
|---|---|---|
| 1,000명 | 약 278명 | 약 516명 |
| 10,000명 | 약 370명 | 약 964명 |
| 100,000명 이상 | 약 384명 | 약 1,067명 |
※ 위 수치는 일반적인 표본 공식 기준 예시이며, 실제로는 조사 목적과 세부 분석 계획(교차분석 등)에 따라 필요한 표본 수가 달라질 수 있습니다.
표를 읽는 법: 예를 들어 고객이 10,000명인 회사가 "±5%p 오차, 95% 신뢰수준"으로 만족도를 조사한다면 약 370명의 응답만 확보해도 충분합니다. 더 정밀하게 ±3%p까지 좁히고 싶다면 964명까지 늘려야 합니다. 또한 "성별 × 연령대"처럼 그룹을 나눠 교차분석까지 하고 싶다면, 각 그룹(셀)마다 최소 30~50명은 있어야 비교가 의미 있으므로 전체 표본 수를 그만큼 더 늘려 계획하세요.
이 가이드 안에서도 바로 계산해볼 수 있습니다:
대상자 조건은 어떻게 정할까요?
조사 목적에 맞는 조건(성별, 연령, 지역, 직업 등)을 먼저 정의하세요. 예를 들어 "수도권 거주 2030 직장인의 재테크 인식"이 목적이라면, 전국 전 연령이 아니라 해당 조건에 정확히 맞는 패널을 모집해야 결과의 신뢰도가 높아집니다. 자체 명단이 없다면 나우앤서베이 패널을 통해 원하는 조건의 응답자를 확보할 수 있습니다.
패널 구매하기 알아보기 →배포 전략: 만든 설문, 어떻게 퍼뜨릴까?
아무리 잘 만든 설문도 사람들이 응답하지 않으면 의미가 없습니다. 목적과 예산에 맞는 배포 채널을 조합해보세요.
링크 공유 / QR코드
카카오톡, 문자, 이메일, 게시판, 포스터의 QR코드로 원하는 채널에 자유롭게 배포합니다.
문자(SMS) 발송
보유한 연락처 목록에 대량으로 설문 링크를 문자로 발송해 응답률을 높입니다.
패널 조사
대상자가 없을 때, 조건에 맞는 패널을 나우앤서베이가 모집해 응답을 대신 확보해줍니다.
설문 광장 공개 배포
다른 회원들에게 공개로 노출해 응답을 받고, 리워드 이벤트로 참여를 유도할 수 있습니다.
모바일 앱 알림
나우앤서베이 앱을 통해 패널에게 알림을 보내 참여를 독려할 수 있습니다.
위치기반 인증 배포
특정 반경, 특정 행정구역 거주자만 응답하도록 위치를 인증해 지역 조사의 정확도를 높입니다.
배포 후에는 목표 응답 수 대비 진행률을 주기적으로 확인하고, 응답률이 낮으면 리마인드 발송이나 리워드(포인트) 제공을 고려하세요.
응답률을 실제로 끌어올리는 방법
| 방법 | 구체적인 팁 |
|---|---|
| 발송 타이밍 | 화요일~목요일 오전 10시~11시, 오후 2시~4시가 평균적으로 응답률이 높습니다. 월요일 오전과 금요일 오후는 피하세요. |
| 리마인드 발송 | 1차 발송 후 2~3일 뒤 "아직 응답 안 하셨네요! 3분이면 충분해요" 식의 짧고 캐주얼한 리마인드 1회면 응답률이 눈에 띄게 오릅니다. |
| 소요시간 명시 | "약 3분 소요"처럼 설문 시작 전에 예상 소요시간을 정확히 알려주면 중도 이탈이 줄어듭니다. |
| 보상 설계 | 현금성 리워드가 어렵다면 "결과 요약 리포트 공유", "추첨 소정의 선물"처럼 작은 동기부여만 있어도 참여율이 올라갑니다. |
| 첫 문항 난이도 | 가장 쉽고 답하기 편한 질문을 맨 앞에 배치하면 "일단 시작한" 응답자의 완료율이 높아집니다. |
목표 발송량과 응답률을 미리 계산해보세요:
결과 분석, 통계를 몰라도 할 수 있습니다
응답을 다 모았다면 이제 "숫자를 의미 있는 이야기"로 바꿀 차례입니다. 아래 4가지 기본 분석만 알아도 웬만한 보고서는 충분히 작성할 수 있습니다.
기본 분석 4가지
| 분석 방법 | 쉬운 설명 | 이럴 때 사용 |
|---|---|---|
| 빈도분석 | 각 응답 항목을 고른 사람이 몇 명(몇 %)인지 세는 것 | "만족한다"고 답한 비율이 궁금할 때 |
| 교차분석 | 두 개 문항을 겹쳐서 그룹별 차이를 보는 것 | "성별에 따라 만족도가 다른가?"를 볼 때 |
| 평균/척도 분석 | 척도 문항 점수의 평균과 분포를 보는 것 | 5점 척도 만족도의 평균 점수를 낼 때 |
| 텍스트(주관식) 분석 | 서술형 응답에서 자주 등장하는 단어와 감성을 파악하는 것 | 주관식 의견에서 핵심 키워드를 뽑을 때 |
교차분석·평균 분석에 쓸 계산기를 바로 실행해보세요:
응답 필터 분석
응답자의 특성이나 응답 내용 등 특정 조건(성별, 연령, 지역, 특정 문항의 응답 등)에 맞는 응답자만 선택하여 결과를 분석하는 기능입니다. 전체 결과뿐 아니라 원하는 집단의 응답만 별도로 확인하고 비교·분석할 수 있습니다.
척도 점수나 그룹 간 차이를 숫자로 바로 확인해보세요:
숫자를 인사이트로 바꾸는 3단계
패턴 찾기
가장 많이 나온 응답, 예상과 다른 응답을 먼저 표시합니다.
비교하기
그룹별(연령, 성별, 이용기간 등)로 나눠 차이가 있는지 확인합니다.
결론 연결하기
발견한 패턴이 처음 세운 '목적'에 어떤 답이 되는지 문장으로 정리합니다.
응답자가 어떤 경로로 문항을 선택해 나갔는지 시각적으로 보고 싶다면 설문 분석 흐름도로 최다 응답 경로와 핵심 인사이트를 한눈에 확인할 수 있고, 주관식 응답이 많다면 워드클라우드 분석기로 핵심 키워드를 빠르게 뽑아낼 수 있습니다.
설문조사 계산기
표본 설계부터 결과 분석까지, 직접 계산해봐야 하는 순간마다 쓸 수 있는 도구 14가지를 모았습니다. 모두 이 페이지 안에서 자바스크립트로 즉시 계산되며, 입력한 숫자는 어디로도 전송되지 않습니다. 인터넷 연결이 없어도(오프라인) 그대로 동작합니다.
설계 · 표본 계산기
표본 크기 계산기
원하는 신뢰수준과 오차범위를 만족하려면 몇 명에게 물어야 하는지 계산합니다.
- 모집단 크기 — 조사 대상 전체 인원수입니다. 모르면 비워두세요. 자동으로 매우 큰 모집단(사실상 무한) 기준으로 계산합니다.
- 신뢰수준 — 결과를 얼마나 믿을 수 있는지의 척도입니다. 일반 시장조사는 95%, 학술·의학 조사는 99%를 주로 씁니다.
- 오차범위 — 실제 값과 표본조사 결과가 최대 몇 %p 차이 나는 것을 허용할지 정합니다. 5%가 업계 표준이며, 더 정밀하게는 3%를 씁니다.
표본이 커질수록 오차는 줄지만 응답을 모으는 비용과 시간도 늘어납니다. 무응답·불성실 응답을 감안해 계산된 값보다 10~20% 여유 있게 목표를 잡는 것을 권장합니다.
오차범위 · 신뢰구간 계산기
이미 모은 응답으로 "이 결과를 얼마나 믿을 수 있는지" 확인합니다.
- 표본 수 — 불성실 응답과 결측치를 제외한, 실제 분석에 쓸 유효 응답자 수를 입력하세요.
- 관측 비율 — 예를 들어 "만족한다" 응답이 60%였다면 60을 입력합니다. 가장 보수적인(넓은) 오차범위를 보고 싶다면 기본값 50%를 그대로 두세요.
오차범위가 좁을수록(표본이 클수록) 이 결과를 더 신뢰할 수 있습니다. 두 항목의 차이가 오차범위보다 작다면 "우열을 가릴 수 없는 수준"으로 해석하는 것이 안전합니다.
목표 발송량 계산기
원하는 완료 응답 수를 채우려면 몇 명에게 설문을 보내야 하는지 역산합니다.
예상 응답률을 모른다면 일반 이메일·문자 발송은 10~20%, 자체 고객 대상은 20~30%를 보수적으로 가정해보세요. 패널 조사는 통상 이보다 높은 응답률을 기대할 수 있습니다.
계산된 인원보다 조금 더 넉넉하게(10~20%) 발송하면 중도 이탈이나 예상보다 낮은 응답률에도 목표를 채울 수 있습니다.
수집 현황 계산기
설문 소요시간 예측 계산기
문항 구성만으로 응답자가 대략 몇 분 걸릴지 미리 가늠해봅니다.
객관식 문항당 12초, 척도·매트릭스 문항당 8초, 주관식 문항당 40초의 평균 응답 시간을 가정해 계산합니다. 응답자마다 속도 차이가 있으니 참고용 추정치로 활용하세요.
10분을 넘는다면 문항 수를 줄이거나, 여러 항목을 하나의 매트릭스 문항으로 묶어 체감 소요시간을 줄여보세요.
응답률 계산기
발송·시작·완료 인원만 넣으면 응답률과 이탈률을 한 번에 계산합니다.
"시작 수"까지 입력하면 시작한 사람 중 몇 %가 끝까지 완료했는지(완료율)와 중간에 그만둔 비율(이탈률)까지 함께 확인할 수 있습니다.
일반적으로 이메일·문자 발송 응답률은 10~20%, 패널 조사는 그보다 높은 수준을 기대할 수 있습니다. 업종·대상마다 편차가 크니 과거 자체 캠페인 데이터와 비교하는 것이 가장 정확합니다.
결과 분석 계산기
기본 통계량 계산기
숫자 데이터를 붙여넣으면 표본 수부터 왜도·첨도까지 주요 기술통계량을 한 번에 계산합니다.
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
- 숫자만 쉼표나 줄바꿈으로 구분해 붙여넣으세요. 엑셀에서 한 열을 그대로 복사해도 됩니다.
- "백분위수"는 원하는 지점을 직접 지정할 수 있습니다. 예를 들어 90을 입력하면 상위 10%에 해당하는 경계값(P90)을 계산합니다. 비워두면 기본값 90이 적용됩니다.
- 왜도는 데이터 3개 이상, 첨도는 4개 이상부터 계산되며, 그보다 적으면 "n<3" 처럼 표시됩니다.
첨도(초과 첨도 기준)가 0에 가까우면 정규분포와 비슷한 분포, 0보다 크면 평균 근처에 몰려있고 꼬리가 두꺼운 분포(극단값이 잦음), 0보다 작으면 완만하고 고르게 퍼진 분포입니다. 변동계수(CV)는 평균 대비 흩어짐의 정도라, 단위가 다른 두 데이터의 "상대적인 변동성"을 비교할 때 유용합니다.
NPS 계산기
추천·중립·비추천 인원수로 순추천고객지수(NPS)를 계산합니다.
"이 서비스를 주변에 추천할 의향이 있습니까?"를 0~10점으로 물은 뒤, 9~10점은 추천고객, 7~8점은 중립고객, 0~6점은 비추천고객으로 분류해 각각의 인원수를 입력합니다.
NPS = (추천고객 비율 − 비추천고객 비율) × 100
- 🔴 0 미만 — 개선이 시급합니다
- 🟡 0~30 — 보통·양호한 수준입니다
- 🟢 30~70 — 우수한 수준입니다
- 🏆 70 이상 — 세계 최고 수준입니다
중립고객(7~8점)은 점수 계산에서 빠지지만 전체 인원(분모)에는 포함됩니다. 비추천고객의 불만 요인을 개선해 중립으로, 중립고객을 추천으로 끌어올리는 것이 NPS를 높이는 핵심 전략입니다.
리커트 5점 척도 & CSAT 분석기
"매우 불만족"부터 "매우 만족"까지 5점 척도 응답의 빈도(인원수)를 입력하면 가중평균, 표준편차, 긍정률(Top-2 Box)을 계산합니다.
-
-
-
-
- 5점 리커트 척도 문항에서 각 점수를 선택한 응답자 수를 순서대로 입력하세요.
- 긍정률(Top-2 Box) — "만족(4점)"과 "매우 만족(5점)"을 선택한 응답자의 비율입니다. 흔히 CSAT(고객만족도) 지표로도 사용됩니다.
- 표준편차(SD) — 응답이 얼마나 흩어져 있는지 보여줍니다. 작을수록 의견이 일치하고, 클수록 호불호가 갈린다는 뜻입니다.
크론바흐 알파 계산기
여러 문항을 하나의 척도로 묶어도 되는지, 문항 간 신뢰도를 확인합니다.
문항 간 평균 상관계수는 통계 프로그램(SPSS 등)에서 문항 간 상관행렬을 구한 뒤 평균을 낸 값입니다. 이 계산기는 이 값과 문항 수만으로 표준화 알파를 근사 계산합니다.
알파값이 0.7보다 낮다면 문항 중 일부가 다른 개념을 측정하고 있을 가능성이 있으니, 이질적인 문항을 제외하거나 다시 검토해보세요.
A/B 유의성(두 비율 비교) 계산기
두 그룹(A안·B안)의 전환율 차이가 우연인지 진짜 차이인지 검정합니다.
설문 응답 비교뿐 아니라 랜딩페이지 A/B 테스트, 두 문항의 "예" 응답 비율 비교 등에도 쓸 수 있습니다. 각 그룹의 전체 표본 수(N)와 원하는 행동을 한 전환 수(x)를 입력하세요.
p값이 0.05보다 크면 겉보기 차이가 있어도 "우연에 의한 흔들림"일 수 있으므로, 전면 도입보다는 표본을 늘려 추가로 검증하는 것을 권장합니다.
Z-점수 ↔ P-값 변환기
통계 프로그램에서 나온 Z값만 있을 때 유의확률(p-value)로 바로 바꿔줍니다.
방향을 미리 정하지 않은 일반적인 분석은 "양측 p값"을, "이전보다 늘었는지/줄었는지"처럼 방향이 정해진 가설은 "단측 p값"을 봅니다.
회귀분석(단순선형회귀) 계산기
두 변수(X, Y)의 데이터 쌍을 입력하면 회귀식, 상관계수, 결정계수(R²)를 계산해 두 변수의 관계를 파악합니다.
-
-
-
-
- 엑셀에서 X값 열과 Y값 열을 각각 복사해 왼쪽 칸에 그대로 붙여넣으세요. (한 줄에 값 하나씩, 쉼표로 구분해도 됩니다.)
- X는 원인(독립변수), Y는 결과(종속변수)로 두는 것이 일반적입니다. (예: 광고 노출 횟수 → 구매 전환율)
- 같은 순서로 짝지어 계산되므로, 두 목록의 순서가 서로 맞는지 확인하세요. 개수가 다르면 앞에서부터 짧은 쪽 개수만큼만 계산합니다.
- 최소 3쌍 이상의 데이터가 있어야 의미 있는 추세를 계산할 수 있습니다. 형식이 헷갈린다면 "예시 데이터 채우기"를 눌러 먼저 확인해보세요.
기울기(b)의 부호가 양수면 X가 커질수록 Y도 커지는 관계(양의 상관), 음수면 X가 커질수록 Y가 작아지는 관계(음의 상관)입니다. 다만 상관관계가 있다고 해서 반드시 인과관계인 것은 아니므로, 다른 요인이 함께 작용하지 않았는지 함께 살펴보세요.
교차분석 계산기 (카이제곱 포함)
두 범주형 변수의 교차표를 입력하면 행·열·전체 백분율과 카이제곱 검정(χ², p-value, Cramer's V)을 한 번에 계산합니다.
교차표 (관측값)
행(Row) 기준 백분율
열(Column) 기준 백분율
전체 기준 백분율
카이제곱 검정 결과
-
-
-
-
- 비교하고 싶은 두 범주형 문항(예: 성별 × 구매 여부, 연령대 × 선호 브랜드)을 정하고, 행/열 개수를 선택한 뒤 "표 만들기"를 누르세요.
- 표가 만들어지면 각 칸(행 라벨, 열 라벨, 응답자 수)을 채우고 "계산하기"를 누릅니다.
- 기대빈도(각 칸의 이론적 기대값)가 5 미만인 칸이 많으면 카이제곱 검정의 정확도가 떨어질 수 있으니, 가능하면 각 칸에 충분한 응답자 수를 확보하세요.
예시: "성별에 따른 구매 여부는 통계적으로 유의한 차이가 있습니다(p=0.012). 연관성의 크기는 약한 수준(Cramer's V=0.18)입니다." 카이제곱 검정은 "관계가 있는지"만 알려줄 뿐, 어느 방향인지는 각 백분율표를 직접 비교해서 확인해야 합니다.
평균 비교 계산기 (t-검정 · ANOVA 자동)
비교할 그룹의 데이터를 입력하면 그룹이 2개면 t-검정을, 3개 이상이면 분산분석(ANOVA)을 자동으로 실행합니다.
그룹별 평균 · 표본 수
- 비교하고 싶은 그룹 수(예: 성별 2개, 연령대 4개)를 선택하고 "그룹 입력칸 만들기"를 누르세요.
- 각 그룹 이름(예: 남성/여성, 20대/30대)을 정하고, 해당 그룹의 응답 점수를 한 줄에 하나씩 붙여넣으세요.
- 그룹이 2개면 t-검정(두 평균 비교), 3개 이상이면 ANOVA(분산분석, 여러 평균을 동시에 비교)가 자동으로 실행됩니다.
- 각 그룹에 최소 2개 이상의 데이터가 필요합니다.
예시: "연령대별 만족도는 통계적으로 유의한 차이가 있습니다(F=6.82, p<0.001). 사후검정 결과 20대와 40대 사이에서 유의한 차이가 나타났습니다." ANOVA에서 유의한 결과가 나오면, 어느 그룹끼리 차이가 나는지 알기 위해 사후검정(그룹 간 쌍별 비교) 결과를 함께 확인하세요. 이 계산기의 사후검정은 본페로니(Bonferroni) 보정을 적용한 쌍별 t-검정으로, 여러 번 비교할 때 생기는 오류를 보수적으로 통제합니다.
이렇게 활용합니다: 실전 사례
설문조사가 실제로 어떤 결정에 쓰이는지 감이 오지 않는다면, 아래 사례들을 참고해보세요.
기업 · 고객경험
구매 직후 만족도 조사로 배송/품질 이슈를 조기에 파악하고, 재구매 의향에 영향을 주는 요인을 찾아 서비스 개선 우선순위를 정합니다.
인사(HR) · 조직문화
재택근무, 복지제도 변경 전후로 직원 만족도와 몰입도를 비교해 제도 개선의 근거 자료로 사용합니다.
학술 · 연구
논문의 가설을 검증하기 위한 데이터를 온라인 설문으로 수집하고, 통계 분석에 바로 활용할 수 있는 원자료(raw data)를 확보합니다.
공공 · 정책
주민 대상 정책 인지도, 만족도 조사로 예산 우선순위나 정책 방향을 결정하는 근거를 마련합니다.
마케팅 · 시장조사
신제품 콘셉트나 가격대별 구매의향을 사전에 테스트해 출시 리스크를 줄입니다.
헬스케어 · 자가진단
AI 자기진단 설문으로 제출 즉시 개인 맞춤 진단 리포트를 제공해, 참여 동기와 응답 성실도를 동시에 높입니다.
위치 인증으로 지역 조사를 더 정밀하게
위치 인증을 활용하면 인증된 지역에 따라 서로 다른 질문을 자동으로 보여주고, 설문 종료 후에는 지역별로 결과를 나눠 비교할 수 있습니다.
다중 지점 방문자 만족도 조사(직접 설정 인증)
매장별 반경(예: 300m)으로 위치를 인증해, 인증된 지점에 따라 "매장 동선", "결제 시스템 이용 경험" 등 지점 맞춤 문항을 자동으로 보여줍니다. 종료 후 지점별 만족도를 교차분석하면 "특정 지점만 좌석 공간 불만족 비율이 높다"처럼 지점별 개선점을 콕 집어낼 수 있습니다.
지역 현안 조사(행정구역 인증)
시·군·구 단위로 거주자를 인증해, 지역별로 다른 질문(예: "지하철 혼잡도" vs "버스 노선 개선 필요성")을 보여줍니다. 지역별·연령별로 교차분석하면 지자체나 공공기관에 제안할 구체적인 근거자료를 만들 수 있습니다.
실제로 이렇게 발행됩니다
나우앤서베이 설문으로 실제 진행되어 공개된 핫이슈 리포트 몇 가지입니다. 이런 형태로 여러분의 조사 결과도 정리될 수 있습니다.
한국 직장인 2명 중 1명은 FOMO '주의 단계' 이상
소외불안 관련 인식 조사 결과 리포트 → 자세히 보기
문화/예술/생활AI 시대 대한민국 직장인 리포트 2026
AI 도입에 대한 직장인 인식 조사 결과 리포트 → 자세히 보기
사회국민 10명 중 7명, 대기업 성과급 "과도해"
성과급 적정성에 대한 여론조사 결과 리포트 → 자세히 보기
배포 전 마지막 점검: 자주 하는 실수 체크리스트
아래 9가지만 확인해도 대부분의 실패 원인을 예방할 수 있습니다.
한 번에 정리하는 리서치 용어사전
문서나 보고서에서 자주 마주치는 용어를 쉬운 말로 풀어드립니다.
- 모집단
- 조사를 통해 알고 싶은 대상 전체 집단. 예를 들어 "국내 20~50대 직장인의 재택근무 인식"이 궁금하다면, 그 조건에 맞는 모든 사람이 모집단입니다. 모집단 전체를 빠짐없이 조사하는 것은 "전수조사"라고 부르며, 인구총조사가 대표적입니다.
- 표본
- 모집단 중 실제로 설문에 응답한 일부 사람들. 모집단이 100만 명이어도 실제로는 500~1,000명 정도에게만 물어보고 그 결과로 전체 경향을 추정하는 식입니다. 표본이 모집단의 특성(성별·연령·지역 비율 등)을 얼마나 고르게 대표하는지가 조사 신뢰도를 좌우합니다.
- 표본오차
- 표본 조사 결과와 모집단 전체를 조사했을 때의 실제 값 사이에 생길 수 있는 오차 범위. 예를 들어 "지지율 45%(표본오차 ±3.1%p)"라면 실제 값은 약 41.9%~48.1% 사이일 가능성이 높다는 뜻입니다. 표본 수가 늘어날수록 이 오차 범위는 좁아집니다.
- 신뢰수준
- 같은 방식으로 조사를 여러 번 반복했을 때, 그 결과가 표본오차 범위 안에 들어올 확률. 리서치 업계에서 가장 흔히 쓰는 기준은 95%이며, 보고서에는 보통 "95% 신뢰수준에서 표본오차 ±3%p"처럼 신뢰수준과 표본오차를 함께 표기합니다.
- 리커트 척도
- "매우 그렇다"부터 "전혀 아니다"까지 동의·만족 정도를 단계별 점수로 측정하는 척도. 5점 척도(매우 불만족~매우 만족)가 가장 널리 쓰이고, 더 세밀한 차이를 보고 싶을 땐 7점 척도를 쓰기도 합니다.
- NPS
- "이 서비스를 주변에 추천할 의향이 있습니까?"를 0~10점으로 물어 고객 충성도를 측정하는 지표(순추천고객지수). 9~10점을 준 추천고객 비율에서 0~6점을 준 비추천고객 비율을 뺀 값으로 계산하며, -100(전원 비추천)부터 +100(전원 추천)까지의 값으로 나타납니다.
- 패널
- 설문에 반복적으로 참여하기로 사전 등록한 응답자 그룹. 나우앤서베이 패널은 성별·연령·지역·직업 등 세부 조건을 지정해 원하는 대상자만 골라 조사에 참여시킬 수 있고, 참여 대가로 나우캐시 같은 리워드가 지급됩니다.
- 로직(분기)
- 이전 문항의 응답 내용에 따라 다음에 보여줄 문항을 다르게 설정하는 설계 방식. 예를 들어 "현재 재직 중이십니까?"에 "아니오"라고 답하면 이후 직장 관련 문항은 자동으로 건너뛰게 만들어, 응답자마다 자신에게 필요한 질문만 받도록 할 수 있습니다.
- 위치 기반 설문
- 응답자의 실제 위치를 인증한 뒤 설문에 참여하게 하는 방식. 특정 주소 반경 안의 사람만 응답하게 하거나(직접 설정 인증), 특정 행정구역(예: 서울시 강남구) 거주자만 응답 대상으로 지정할 수 있어(행정구역 인증), 지역 상권 조사·지방선거 여론조사·행정 서비스 만족도 조사처럼 위치가 결과를 좌우하는 조사의 정확도를 크게 높여줍니다. 국내에서 나우앤서베이가 유일하게 제공하는 서비스입니다. 소개서 보기 →
- AI 자기진단 설문
- 응답자가 설문을 제출하는 즉시 AI가 응답을 분석해 개인 맞춤 진단 보고서를 화면에 보여주는 설문 형식. 직원 역량 진단, 적성·성격 검사, 심리·건강 상태 체크, 소비습관 진단처럼 "내 결과가 궁금해서" 끝까지 성실하게 답하게 만들어 참여 동기와 응답 완료율을 동시에 끌어올리는 효과가 있습니다. 인터넷에 흔한 유형별 결과 매칭 테스트와 달리 응답자의 실제 데이터를 AI가 분석해 리포트를 만들며, 개인 진단과 별개로 전체 응답에 대한 집단 통계 분석도 함께 받아볼 수 있습니다. 업계 최초로 나우앤서베이가 선보인 서비스입니다. 실제 사례 보기 →
- 정량조사 / 정성조사
- 정량조사는 객관식·척도형 문항으로 "몇 %가 그렇게 생각하는지"를 숫자로 파악하는 방식이고, 정성조사는 주관식·심층 인터뷰·화상FGD처럼 "왜 그렇게 생각하는지" 맥락과 이유를 깊이 있게 듣는 방식입니다. 실전에서는 두 방식을 함께 써서 "얼마나, 왜"를 동시에 확보하는 경우가 많습니다.
- 교차분석
- 두 개 이상의 문항을 겹쳐서 그룹별 차이를 비교하는 분석 방법. 예를 들어 "성별 × 만족도"를 교차분석하면 "남성 응답자의 평균 만족도는 3.8점, 여성은 4.1점"처럼 그룹 간 차이를 표로 바로 확인할 수 있습니다.
- 파일럿 테스트
- 본조사를 시작하기 전 5~10명 정도의 소수 인원에게 먼저 답하게 해보고, 질문이 헷갈리지 않는지·예상 소요시간이 맞는지·로직 분기가 의도대로 작동하는지를 점검하는 사전 테스트입니다. 이 단계에서 발견한 문제를 고치면 본조사의 데이터 품질이 크게 좋아집니다.
- 크론바흐 알파
- 여러 문항이 같은 개념을 얼마나 일관되게 측정하는지 보여주는 신뢰도 지표로, 0~1 사이 값을 가집니다. 예를 들어 "직무만족도"를 5개 문항으로 측정했을 때 알파값이 0.85라면 5개 문항이 대체로 같은 방향으로 응답되어 하나의 척도로 묶어 해석할 근거가 있다는 뜻이며, 보통 0.7 이상이면 신뢰할 만하다고 봅니다.
- 유의확률(p-value)
- 관찰된 차이나 관계가 우연히 나타났을 확률. 예를 들어 p=.03이라면 "이 정도 차이가 우연히 나타날 확률은 3%에 불과하다"는 뜻이므로, 통상 p값이 0.05 미만이면 "우연이 아니라 통계적으로 유의미한 차이"라고 해석합니다.
- 사회적 바람직성 편향
- 응답자가 솔직한 생각 대신 "사회적으로 바람직해 보이는" 답을 고르는 경향. 예를 들어 실제로는 운동을 거의 하지 않으면서도 "주 3회 이상 운동한다"고 답하는 경우가 대표적입니다. 민감한 질문일수록 응답자에게 익명성을 명확히 안내하면 이 편향을 줄일 수 있습니다.
심화: 통계 분석에서 자주 만나는 용어
논문이나 심층 리포트를 준비한다면 아래 용어도 함께 알아두면 결과를 해석하기 훨씬 수월합니다.
- t-검정(t-test)
- 두 집단(예: 남성/여성, 재직/이직 예정)의 평균이 우연이 아닌 진짜 차이인지 확인하는 방법. 예를 들어 "여성 평균 3.9점, 남성 평균 3.6점, p<.05"라면 표본 수준에서 두 집단의 차이가 통계적으로 유의하다고 해석합니다. 다만 유의하다는 것이 곧 "차이가 크다"는 뜻은 아니며, 표본 수가 매우 작으면 결과가 불안정할 수 있습니다.
- 분산분석(ANOVA)
- 세 집단 이상(예: 20대/30대/40대)의 평균을 한 번에 비교해, 적어도 한 곳에서 차이가 있는지 확인하는 방법. 여러 집단을 일일이 t-검정으로 비교하면 비교 횟수가 늘면서 "우연히 유의해 보일 위험"이 커지는데, ANOVA는 "전체적으로 차이가 있는가"를 먼저 한 번에 점검합니다. 단, ANOVA가 유의하다고 해서 "어느 집단이 다른지"까지 알려주지는 않기 때문에 사후검정이 뒤따라야 합니다.
- 사후검정(Scheffé 등)
- 분산분석에서 "차이가 있다"는 결과가 나왔을 때, 정확히 어느 집단과 어느 집단이 다른지 짚어내는 후속 분석. 결과는 흔히 "A집단 > B집단(유의)"처럼 문자 그룹(a, b, c)이나 쌍 비교 형태로 표시됩니다. Scheffé는 여러 방식의 비교를 허용하는 대신 기준이 엄격(보수적)해, 실제로는 차이가 있어도 유의하게 나오지 않는 경우가 있습니다.
- 상관계수(r)
- 두 항목이 함께 오르내리는 정도(방향과 강도)를 -1~1 사이 숫자 하나로 요약한 값. 예를 들어 r=.61, p<.001이면 "강한 양(+)의 관련성"으로 해석합니다. 다만 상관은 "왜 함께 움직이는지(인과관계)"를 말해주지 않으므로, r이 크다고 해서 원인과 결과를 단정해서는 안 됩니다.
- 회귀분석
- 여러 요인이 결과에 얼마나, 어떤 방향으로 영향을 주는지 수치로 설명하는 분석. 통제변수를 먼저 넣고(1단계) 핵심 변수를 나중에 추가하는(2단계) "위계적 회귀"를 쓰면, 핵심 변수군이 통제 이후에도 추가로 설명력을 갖는지까지 확인할 수 있습니다.
- 표준화계수(β)
- 회귀분석에서 단위가 서로 다른 여러 요인(예: 나이, 근속연수, 만족도 점수) 중 어떤 것이 상대적으로 더 큰 영향을 미치는지 같은 기준으로 비교할 수 있게 만든 값. 예를 들어 β=.28로 나타났다면, 다른 변수를 통제한 상태에서 그 요인이 결과 변수를 설명하는 데 상대적으로 큰 기여를 한다고 해석합니다. 다만 β가 크다고 인과관계가 확정되는 것은 아닙니다.
- 설명력(R²)
- 내가 만든 분석 모형이 결과의 전체 변화 중 얼마를 설명하는지 0~100%로 나타낸 값. 예를 들어 R²=36%라면 "업무성과 변동의 36%를 이 모형이 설명한다"는 뜻입니다. 위계적 회귀에서는 2단계에서 설명력이 얼마나 더 늘었는지를 나타내는 ΔR²(설명력 증가분)도 함께 봅니다.
- 다중공선성(VIF)
- 회귀분석에 넣은 독립변수들끼리 서로 너무 비슷해서(내용이 겹쳐서) 결과가 불안정해지는 현상. 보통 공차한계(Tolerance)가 0.1 이상이고 VIF가 10 미만이면 "다중공선성 문제가 없다"고 판단하지만, 이 기준값만으로 기계적으로 변수를 제거하기보다는 연구 맥락과 함께 판단하는 것이 안전합니다.
- 잔차 진단
- 회귀분석 결과가 믿을 만한지, 오차(잔차)에 이상한 패턴이 없는지 점검하는 절차. Durbin–Watson 값은 0~4 범위이며 2에 가까울수록 "오차끼리 서로 영향을 주지 않는다(자기상관 없음)"고 해석하고, 히스토그램·정규확률도표로는 오차가 고르게 분포하는지(정규성), 잔차-예측값 산점도로는 퍼짐이 일정한지(등분산성)를 확인합니다.
자주 묻는 질문
설문조사, 통계나 코딩을 몰라도 만들 수 있나요?
네. 나우앤서베이는 주제만 입력하면 AI가 설문 초안을 자동으로 만들어주고, 결과 분석도 AI가 그래프와 리포트로 정리해줍니다. 통계 지식이 없어도 이 가이드의 5단계만 따라오면 충분합니다.
응답자가 하나도 없는데 어떻게 시작하나요?
패널 서비스를 이용하면 원하는 조건(성별·연령·지역·직업)에 맞는 응답자를 필요한 만큼 모집해줍니다. 비용 없이 시작하고 싶다면 설문 광장에 공개로 배포하는 방법도 있습니다.
구글폼으로 만든 설문이 있는데 다시 만들어야 하나요?
아니요. 구글폼 가져오기 기능으로 링크만 넣으면 문항을 그대로 복사해온 뒤, 로직·분석 기능을 추가로 사용할 수 있습니다.
몇 명에게 물어야 결과를 믿을 수 있나요?
모집단 크기와 원하는 오차범위에 따라 다릅니다. 샘플사이즈 계산기에 조건을 넣으면 필요한 표본 수를 바로 계산해줍니다.
비용은 어떻게 되나요?
AI 설문 생성과 기본 제작 기능은 무료로 시작할 수 있고, 패널 조사·문자 발송·고급 분석 등은 유료입니다. 구매 페이지에서 항목별 가격을 확인할 수 있습니다.
응답자 개인정보는 안전하게 보호되나요?
나우앤서베이는 국가정보원 인증 암호화 시스템(KCMVP)을 사용하고 개인정보보호 ePrivacy 인증을 획득했습니다. 응답자 개인정보와 응답 데이터는 조사 목적 외에는 사용되지 않으니, 민감한 조사를 할 때도 안심하고 이용할 수 있습니다.
논문·학술 연구용으로도 사용할 수 있나요?
네, 가능합니다. 응답 원자료(raw data)를 그대로 내려받아 통계 프로그램에서 분석할 수 있고, 문항 로직·척도 설계 기능도 학술 조사에 필요한 수준을 충분히 지원합니다. 다만 소속 기관의 IRB(연구윤리심의) 승인이 필요한 연구라면, 동의서 문항 구성과 데이터 보관 방식이 해당 기관의 요건에 맞는지 별도로 확인하시길 권장합니다.
수집된 데이터는 어떤 형식으로 받을 수 있나요?
응답 원자료와 빈도분석표를 Excel 형식으로 내려받을 수 있고, 그래프·교차분석 결과는 웹에서 바로 필터링하며 볼 수 있는 결과 링크로도 제공됩니다. 통계 프로그램(SPSS 등)에서 추가 분석하고 싶다면 원자료를 그대로 옮겨서 사용하면 됩니다.
같은 사람이 여러 번 응답하는 걸 막을 수 있나요?
네. 중복 응답 방지, IP·기기 기반 제한, 로그인 기반 1인 1회 응답 설정 등을 켤 수 있어 데이터 품질을 지킬 수 있습니다. 패널 조사의 경우 나우앤서베이가 자체적으로 데이터 클리닝까지 거쳐 전달합니다.
주관식 응답에 오탈자나 성의 없는 답변이 섞이는 걸 막을 수 있나요?
네. 응답 유효성 검증 기능으로 "숫자만 입력", "글자 수 제한", "특정 단어 포함" 같은 규칙을 설정하면, 조건에 맞지 않는 응답은 제출 전 안내 문구와 함께 걸러집니다. "정확히 일치해야 통과" 규칙을 활용하면 사전에 공유한 참여 코드를 아는 사람만 설문에 들어오게 하는 용도로도 쓸 수 있습니다.
더 궁금한 점은 어디서 물어보나요?
1:1 상담 게시판이나 전화(02-3149-4919), 이메일(nownsurvey@elim.net)로 실무 담당자에게 직접 문의할 수 있고, FAQ 게시판에서 자주 묻는 질문을 먼저 확인할 수도 있습니다.