설문을 보낼 준비가 되셨습니까? 우선 해야 할 일 중 하나는 표본 프레임 즉, 데이터를 수집하려는 일단의 대상 개인을 정의하는 것입니다. 설문 표본을 정의하는 다양한 방법이 있는 것처럼 보이지만 방향을 잃고 혼란에 빠지기 쉽습니다. 표본을 조사 모집단과 구별해야 할 때에는 특히 더 그렇습니다. 이 가이드에서는 현재 이용되고 있는 다양한 표본추출 접근 방식과 각 방식의 장점과 단점 그리고 시장 조사 여정의 바른 경로를 따라갈 수 있도록 어떤 방식을 언제 사용할지에 대한 인사이트를 나눕니다.

설문 기반 조사에서 표본과 모집단이라는 용어를 서로 바꾸면서 사용하는 것을 들어보았을 것입니다. 하지만 사실 이 둘은 서로 매우 다른 집단의 개인들입니다. 모집단은 조사에 참여할 가능성이 있는 개인들 전체입니다. 예를 들어, 지난해 출시한 제품에 대한 고객 피드백을 얻으려면 모집단은 제품을 구매했거나 사용해 보았거나 달리 어떤 식으로든 제품을 접한 모든 개인이 될 것입니다. 반면, 표본은 모집단의 하위 집합으로서 다양한 방법으로 식별하고 선정할 수 있습니다. 예를 들어, 여성 고객의 피드백에 관심이 있다면 고객 인구 통계에 초점을 맞추어 성별이 표본추출 전략의 기준이 되도록 할 수 있습니다. 표본추출의 기준을 형성할 수 있는 다른 특성에는 지역 속성이나 행동양상 속성이 포함됩니다. 또한, 모집단이 방대하여 모집단으로부터 데이터를 수집하는 일이 매우 힘든 경우에는 무작위 접근 방식을 사용하여 좀 더 작고 다루기 쉬운 표본을 선택하려고 할 수 있습니다.

시장 조사를 수행하기 전에 설문 용어를 다시 정리해 보세요.

모집단에서 데이터를 수집하든 표본에서 데이터를 수집하든 둘 다 이점이 있습니다. 어떤 접근 방식을 언제 사용할지 판단하는 데 이용할 수 있는 몇 가지 통상적인 원칙도 있습니다.

브랜드 인지 조사든, 고객 피드백 데이터 수집이든 어떤 종류의 조사를 수행하든 전체 모집단으로부터 데이터를 수집하는 것이 이상적일 것입니다. 그 이유는 모집단의 모든 구성원이 조사 데이터를 제공하면 결과에 대한 추론이 표본을 대표할 가능성이 가장 높기 때문입니다. 즉, 모집단으로부터 데이터를 수집하면 조사 결과의 유효성과 신뢰성을 높이는 데 도움이 됩니다. 

하지만 실제로는 조사 모집단으로부터 데이터를 수집하는 일이 항상 가능한 것은 아닙니다. 주된 이유는 모집단을 식별하기가 종종 어렵고 응답이 통계적으로 유효할 수 있도록 액세스하기는 더 어렵기 때문입니다. 모집단의 경계가 명확하게 묘사되고 대상 그룹에 선택의 여지가 없다면 모집단으로부터 데이터를 수집하는 것이 올바릅니다. 예를 들어 직원 참여 데이터를 수집하는 데 관심이 있다면 HR 기록에 있는 모든 직원 명단을 사용하여 각 직원에게 직접 이메일을 보내 모집단 기반 접근 방식을 사용할 수 있을 것입니다. 

또한, 모집단이 작고 설문 결과에 협조적이거나 관심이 있다면 이 접근 방식이 올바릅니다(예: 신규 서비스의 파일럿 사용자 30명 모두). 하지만 모집단의 경계가 명확하지 않거나 모집단이 너무 크거나 여러 지역에 분포되어 있다면 보통 표본을 추출해야 할 것입니다.

모집단으로부터 데이터를 수집하는 것이 유효하고 정확한 인사이트를 얻는 가장 좋은 방법이라면 모집단 대신 표본을 대상으로 설문을 실시하는 이유는 무엇일까요? 간단하게 답하면 필요성입니다. 그 규모와 지역 분포를 감안할 때 조사 담당자들이 전체 대상 모집단에 접근하는 것은 좀처럼 현실적이지 않습니다. 많은 회사가 밀집해 있는 상업 구역에서 분주한 푸드 트럭을 운영하고 있다고 가정해 보겠습니다. 주변 사무실의 중역들을 대상으로 점심 식사 선호도에 대한 설문을 실시하려고 합니다. 모집단 기반 접근 방식을 선택한다면 정확하고 완전한 전체 직원 명단이 필요할 것입니다. 물론, 이러한 명단을 확보하는 일은 거의 없을 것입니다. 이런 경우에는 모집단의 하위 집합으로부터 데이터를 수집할 필요가 있습니다. 그런 다음 결과를 더 큰 범위의 모집단에 맞게 일반화할 수 있습니다. 다시 말하면, 표본을 사용하여 조사 결과가 표본이 추출된 더 넓은 범위의 모집단을 대표한다고 자주 가정할 수 있습니다. 하지만 자주이지 항상 그렇지는 않습니다. 자세히 살펴보도록 하겠습니다.

표본 기반 접근 방식으로 결정하는 경우 사용할 수 있는 두 가지 주요 표본추출 전략, 즉 확률 표본추출과 비확률 표본추출이 있습니다.

확률 표본추출은 무작위 표본추출 방법입니다

모집단의 모든 구성원이 표본에 포함될 수 있는 동등한 기회를 가지는 모든 접근 방식을 일컫습니다. 예를 들어 표본 프레임으로 알려진 모집단 명단이 있다면 무작위 번호 생성기를 사용한 다음 명단 내 위치가 생성된 번호에 해당하는 각 개인을 선정할 수 있습니다. 이것은 단순 무작위 표본추출 접근 방식이라고 합니다. 

또 다른 방법은 표본 프레임에서 가령, 매 10번째 또는 매 100번째 개인을 선택하는 체계적 무작위 표본추출 접근 방식을 사용하는 것일 수 있습니다. 층화 표본추출은 무작위 표본추출과 비슷하지만 첫 인스턴스에서 비슷한 속성을 지닌 고객끼리 그룹으로 나뉩니다. 예를 들어 쇼핑 빈도나 지출 금액에 따라 고객을 그룹으로 나눌 수 있습니다. 그런 다음 단순 또는 체계적 무작위 표본추출 절차를 사용하여 각 그룹에서 개인을 선택합니다. 이것은 최종 표본이 반드시 모집단의 다양한 세그먼트를 대표할 수 있도록 하는 데 도움이 됩니다.

비확률 표본추출은 좀 더 선별적입니다

이 방법을 사용하면 모집단의 모든 구성원이 표본에 선택될 수 있는 동등한 확률을 갖는 것은 아닙니다. 예를 들어 토요일 아침에 웹사이트를 방문한 모든 사람을 대상으로 설문을 실시한다면 주말에 쇼핑하는 사람에게만 설문에 참여할 확률이 있는 것입니다. 또는, 개인적 관계가 있는 고객에게만 설문을 보내고 잘 알지 못하는 고객은 무시될 수도 있습니다. 이로 인해 표본에 오차가 발생할 수 있으며 표본이 모집단을 대표하지 않음을 의미할 수 있습니다. 그런데도 이 접근 방식을 사용하는 이유는 확률 기반 접근 방식이 이상적이긴 하지만, 중요한 그리고 보통 확보하기가 어려운 모든 모집단 명단에 접근해야 하기 때문입니다.

많은 경우에서 보았듯이 전체 모집단보다는 표본으로부터 데이터를 수집해야 합니다. 하지만 단지 필요성으로 인해 이렇게 한다고 해서 표본으로부터 데이터를 수집하는 이점이 적다는 뜻은 아닙니다.

표본으로부터 데이터를 수집하든, 모집단으로부터 데이터를 수집하든 용어를 올바르게 사용하세요. 모집단 기반 접근 방식과 표본 기반 접근 방식의 주요 차이점 중 하나는 표본 크기를 결정하는 방법과 관련된 것입니다. 여기에서 자세히 설명한 것처럼 표본 크기는 설문을 완료하기를 원하는 대상 개인 수에 대한 추정치입니다. 통계량과 모수라는 두 용어는 서로 관련되지만 표본 또는 모집단으로부터 데이터를 수집하는 것과 관련하여 완전히 서로 다른 개념입니다. 각각에 대해 살펴보도록 하겠습니다.

모수는 전체 모집단으로부터 수집된 데이터를 기반으로 모집단의 몇 가지 특성을 측정하는 것입니다. 예를 들어 직원들의 사기를 높이기 위한 방안으로 4일 근무제를 실시하기로 결정했다고 가정해 보겠습니다. 모든 직원에게 어느 요일을 휴일로 원하는지 묻는 설문을 보냅니다. 모든 직원이 설문을 작성하고 직원 중 80%가 금요일 휴무를 선호한다면 이 수치가 모집단의 모수입니다. 

반면, 통계량은 모집단의 표본에서 수집한 데이터로부터 유추한 결과입니다. 직원 수가 너무 많아 무작위 대표 표본에 설문을 보내기로 결정했다고 가정하겠습니다. 전체 모집단으로부터 데이터를 수집한 경우와 결과가 대체적으로 같아서 대다수의 직원(77%)이 금요일 휴무를 바라고 있습니다. 이 경우, 결과는 바뀌지 않지만 표현하는 방법이 달라 이 77%를 이제 통계량이라고 부릅니다. 그렇다면 이 둘 간의 차이점을 알아야 하는 이유는 무엇일까요? 답은 표본추출 오차에 있습니다.

표본추출 오차는 반드시 알아야 하는 또 다른 중요한 표본 관련 용어입니다. 간단히 말해, 표본 오차는 모집단 모수와 표본 통계량 간의 차이입니다. 이전 예로 돌아가서 전체 모집단에게 어느 요일을 휴무일로 원하는지 묻는 설문을 실시했을 때 80%가 금요일이라고 답변했습니다. 하지만 표본에게 설문했을 때에는 77%가 금요일이라고 했습니다. 표본추출 오차는 모집단으로부터 나온 결과와 표본으로부터 나온 결과의 차이로 이 경우는 3%입니다.

이 예에서는 가능한 한 모집단을 충분히 대표하는 표본 확보의 중요성을 보여줍니다. 예를 들어 금요일에는 거의 일하지 않는 비정규직 직원을 표본으로 사용했다면 어떻게 되었을까요? 전체 모집단의 의견을 반영하지 않는 매우 다른 결과를 얻었을 수도 있습니다. 

정확성을 유지하고 오차를 최소한으로 유지하는 것입니다. 확률 기반 표본추출 전략을 사용하는 경우에도 표본추출 오차가 발생할 수 있습니다. 그 이유는 통계 산포도와 중심 경향치(평균 편차와 표준 편차처럼)가 표본이 모집단을 대표하는 경우조차도 약간 다르기 때문입니다. 표본추출 오차를 가능한 한 낮게 유지하는 것이 목표입니다. 표본의 크기를 늘려서 표본추출 오차를 줄일 수 있습니다. 

설문 대상으로 몇 명을 타겟팅할지 어떻게 결정합니까? 설문을 디자인해서 보내고 잘될 것이라고 기대해야 합니까? 그렇지 않습니다. 모집단으로부터 데이터를 수집할 수 있다면 대상 그룹의 이상적인 크기가 모집단 크기와 정확히 일치하므로 이 질문을 고려할 가치가 없습니다. 하지만 표본을 대상으로 설문을 한다면 고려해야 할 것이 더 많습니다.

우선, 모집단의 크기를 추정해야 합니다. 최신 모집단 명단이 없을지라도 대강 숫자를 어림해 보는 것이 좋습니다. 예를 들어 해당 지역의 도로에 대해 자전거 이용자들이 느끼는 위험에 대해 알아보고 싶다면 보조 데이터를 사용하여 해당 집수 지역에 약 20,000명의 자전거 이용자가 있다는 사실을 추정할 수 있습니다. 이 숫자를 확보했으면 오차 한계를 적용할 수 있습니다. 단순히 결과의 정확도를 측정하는 것으로 백분율로 나타냅니다. 5%의 오차 한계를 허용하려면 이것은 실제 결과는 통계값보다 5% 더 높거나 더 낮은 범위에 있을 거라고 추정한다는 뜻입니다. 표본에 속한 직원의 77%가 금요일 휴무를 원한다는 통계값에 5%의 오차 한계를 적용한다는 것은 실제 수치는 아마도 72%에서 82% 사이일 것이라는 뜻입니다.

마지막으로, 표본 크기 차트를 사용하여 모집단 크기를 오차 한계와 비교하여 타켓팅할 표본 크기를 대략 추정할 수 있습니다. 물론, 모든 사람이 설문을 작성하지는 않을 것이라는 사실도 잊어서는 안 됩니다. 따라서 표본 크기가 100이라면 타켓팅하는 대상 그룹 크기에 도달하기 위해 그보다 더 많은 응답자를 타겟팅해야 할 것입니다. 

설문에 참여하도록 필요한 사람 수를 결정하는 방법에 대해 자세히 알아보세요. 

요약하면, 모집단으로부터 데이터를 수집하는 것과 표본으로부터 데이터를 수집하는 것 사이에는 차이점이 있습니다. 어떤 시장 조사를 수행하려고 하든 먼저 다양한 유형의 시장 조사 설문을 모두 살펴보고 가장 적합한 것을 찾도록 하세요.