서수 데이터: 정의, 예, 수집 및 분석

회사는 마케팅 팀이 더 나은 결정을 내릴 수 있도록 데이터 도구에 더 많은 투자를 합니다.

그러나 효과적인 마케팅 전략을 구현하려면 마케팅에 데이터 및 분석 도구 이상의 것이 필요합니다. 또한 수집하는 데이터의 유형과 의미 있는 통찰력을 얻기 위해 데이터를 분석하는 방법을 이해해야 합니다.

여기에는 기본으로 돌아가 주요 마케팅 데이터 유형 중 하나인 서수 데이터를 이해하는 것이 포함됩니다. 이 기사에서는 서수 데이터와 데이터 기반 마케팅 결정에 정보를 제공하는 방법을 살펴봅니다.

고객 만족도 수준은 서수 데이터의 예입니다. 변수는 다음과 같습니다.

• 매우 만족
• 만족하는
• 중립적
• 불만족
• 매우 불만족 하였다

서수 데이터를 사용하여 빈도, 분포, 최빈값, 중앙값 및 변수 범위를 계산할 수 있습니다.

서수 데이터를 정의한 후 명목, 간격 또는 비율 데이터와 같은 다른 데이터 유형에 대해 궁금해할 수 있습니다. 서수 데이터와 어떻게 다른가요? 다음은 몇 가지 빠른 정의입니다.

• 명목 데이터는 변수에 순서가 지정되지 않은 유한한 값 및 범주 집합이 있는 데이터의 분류입니다. 명목 데이터를 사용하여 고용 유형과 같은 변수를 측정하고 프리랜서, 정규직 또는 하이브리드 작업과 같은 여러 결과를 가져옵니다.
• 간격 데이터는 두 값 사이의 간격이 일정하지 않은 데이터 유형입니다. 예를 들어 시간 간격을 측정하거나 두 측정값의 차이가 다를 때와 같이 간격 데이터는 여러 가지 방식으로 발생합니다. 간격 데이터를 나타내는 가장 일반적인 방법은 각 범위의 상한 및 하한에 대한 열이 있는 테이블을 사용하는 것입니다.
• 비율 데이터는 통계 분석에 사용되는 데이터 유형입니다. 비율 데이터는 나타내는 값에 대한 정보를 제공하지 않습니다. 이 정보는 비율 데이터가 참조하는 다른 출처에서 얻어야 합니다. 재무 정보 분석에 자주 사용되지만 다른 유형의 데이터에도 적용될 수 있습니다.

서수 데이터의 5가지 예

서수 데이터는 다양한 형식으로 나타납니다. 다음은 서수 데이터의 몇 가지 예와 이를 비즈니스 전략과 동기화하여 데이터 관리 노력을 개선하는 방법입니다.

1. 관심도

이미 시장에 제품을 출시했거나 기존 제품에 새로운 기능을 도입했는지 여부에 관계없이 대상 청중의 관심을 측정하기 위해 질문을 하기 위해 시장 조사를 수행해야 합니다.

시장 조사에는 정성적 및 정량적 데이터를 모두 분석하여 고객의 요구 사항, 구매 파트너 및 구매 동기를 이해하는 것이 포함됩니다. 이러한 통찰력은 향후 마케팅 캠페인을 개선하는 데 도움이 될 수 있습니다.

예를 들어 정기적으로 회의를 주최하는 경우 설문조사를 통해 얼마나 잘했는지, 참석자가 회의에 다시 참석하기를 원하는지 여부를 알 수 있습니다. 관심 수준 데이터의 예는 다음과 같습니다.

출처: SurveyMonkey

귀하가 묻는 질문은 귀하의 제품 또는 서비스에 대한 잠재 고객의 관심 수준을 드러냅니다. 관심 수준은 관심 없음, 약간 관심 있음, 보통, 매우 관심 있음까지 다양합니다.

2. 학력

이 유형의 서수 데이터는 대상 고객의 숙련도 수준에 대한 통찰력을 제공합니다.

교육 수준은 대상 청중이 고등학교, 대학 및 대학원과 같은 다양한 수준의 정규 교육을 취득했는지 여부를 문의할 수 있습니다. 정규 교육을 받지 않은 경우 1, 초등 교육을 받은 경우 2 등, 박사 학위의 경우 10까지 각 수준에 숫자를 할당하여 이 데이터를 수집할 수 있습니다.

교육 수준 데이터는 채용 프로세스에서 분석을 사용하여 잠재적 후보자의 입사 지원을 평가할 때 유용합니다.

교육 수준의 데이터는 회사 성장을 지원하기 위해 미래에 채용할 사람, 채용 노력을 어디에 집중해야 하는지, 특정 직책에 적합한 후보자를 찾는 데 도움이 될 수 있습니다.

영업 팀을 운영하는 경우 팀원의 교육 수준을 평가하면 경력 개발 목표를 지원하는 방법을 알 수 있습니다. 이렇게 하면 고성능 영업 팀을 구성하고 유지율을 높일 수 있습니다.

3. 사회경제적 지위

대상 고객의 사회 경제적 상태를 이해하면 인구통계학적 및 심리학적 프로필을 기반으로 고객 세그먼트를 생성하고 개선하는 데 도움이 됩니다.

그런 다음 필요와 욕구를 충족하는 개인화된 마케팅 캠페인을 실행할 때 이러한 세그먼트에 의존할 수 있습니다. B2C 대상 고객의 사회 경제적 상태에 대한 서수 데이터에는 성별, 위치, 가계 소득, 결혼 여부 및 연령이 포함됩니다.

반면 B2B 대상 고객에 대한 데이터에는 총 연간 매출, 비즈니스 성장 단계, 직원 수, 시장 위치 및 산업 유형이 포함됩니다.

4. 만족도

만족도 수준은 고객이 다양한 브랜드 상호 작용에 대해 얼마나 만족하는지를 반영합니다. 예를 들어 고객 온보딩 프로세스 또는 다양한 고객 문제를 얼마나 잘 해결하는지.

고객 만족도는 매우 만족, 만족, 불만족 또는 극도로 불만족으로 표현될 수 있습니다. 만족도 데이터는 고객 서비스 및 판매 처리 만족도를 측정하여 개선할 영역을 식별하는 데 도움이 됩니다.

다음은 Buffer가 실시한 제품-시장 적합성 설문조사의 만족도 데이터 예입니다.

출처: 버퍼

이 데이터를 통해 회사는 Buffer의 Power 스케줄러가 고객에게 얼마나 유용한지, 즉 제품이 사용자에게 적합하다는 것을 알 수 있었습니다.

5. 비교

여기에는 두 개 이상의 데이터 포인트 사이의 유사점이나 차이점을 드러내는 질문을 하는 것이 포함됩니다. 유사점 또는 차이점을 식별하면 어떤 특성이 유사한지, 어떤 특성이 다른지, 서로 다르거나 유사한 정도를 알 수 있습니다.

예를 들어 2021년부터 2022년까지의 수익 실적을 비교하고자 할 수 있습니다. 비교 결과 매년 수익에 대해 훨씬 더 적거나, 거의 동일하거나, 훨씬 더 많을 것입니다.

이를 통해 거시 경제 및 산업 동향을 측정하고 예산 프로세스에 맞게 전략을 조정하여 지출을 통제할 수 있습니다. 브랜드 인지도를 높이기 위해 보고서를 작성하고 사고 리더십 콘텐츠를 작성할 수 있도록 더 나아가 업계 동향을 비교하기로 결정할 수도 있습니다.

서수 데이터를 수집하는 방법

누군가에게 자신의 만족도를 1-5점 척도로 평가하라고 요청하면 그들의 대답은 서수일 것입니다. 설문조사 소프트웨어를 사용하여 설문조사 또는 리커트 척도를 통해 이 데이터를 수집할 수 있습니다.

설문조사는 서수 데이터를 수집하는 가장 오래된 방법 중 하나입니다. 설문 조사를 사용하여 제품, 주제 또는 브랜드, 제품 또는 서비스와 관련된 특정 문제에 대한 대상 청중의 감정을 결정할 수 있습니다. 직접 방문, 전화 또는 온라인을 포함한 다양한 방법으로 설문조사를 할 수 있습니다.

그러나 설문조사를 통해 질문에 정직하게 대답하거나 이해하기를 원하지 않는 사람들로부터 정확한 데이터를 수집하기는 어렵습니다. 또한 설문 조사는 설문 조사를 작성, 검증 및 분석하는 데 연구원의 많은 시간이 필요합니다.

리커트 척도는 참가자들에게 설문 조사의 각 진술에 대해 동의 또는 동의하지 않는지 묻는 설문 조사입니다(예: "매우 동의하지 않음"). 그런 다음 참가자는 진술에 대한 감정과 동의 수준에 따라 답을 지정합니다.

리커트 척도는 응답자가 간격이 명확하게 정의된 정렬된 척도(예: 1-7 척도)로 자신을 평가하기 때문에 분석 중에 명확성을 향상시킵니다.

서수 데이터를 수집하려면 암시적 또는 명시적 척도를 사용하여 응답 순위를 매기는 질문으로 설문 조사를 실행해야 합니다. 예를 들어, 회사 웹사이트로 들어오는 트래픽이 많은 경우 기업 웹사이트 피드백 도구를 사용하여 웹사이트에서 피드백을 수집할 수 있습니다. 묻다:

"방금 읽은 블로그 게시물에 대해 얼마나 만족하십니까?''

가능한 답변은 다음과 같습니다.

• 행복하다
• 불행한
• 만족하는
• 불만족

서수 데이터로 수행할 테스트

둘 이상의 그룹 간의 차이를 측정하기 위해 서수 데이터에 대해 여러 테스트를 수행할 수 있습니다. 이러한 테스트에는 다음이 포함됩니다.

• Kruskal-Wallis 테스트
• Mann-Whitney U 테스트
• Wilcoxon 순위합 테스트
• Mood의 중앙값 검정

서수 데이터는 값을 최소에서 최대로 순위를 매기는 데이터 유형입니다. 즉, 서수 데이터는 순위가 매겨지거나 정렬됩니다.

Kruskal–Wallis H 테스트

Kruskal-Wallis 검정은 세 개 이상의 독립 그룹의 중앙값을 비교하는 데 사용되는 비모수 검정입니다. 데이터가 정상적으로 분포되지 않고 그룹 간의 분산이 같지 않을 때 사용됩니다. Kruskal-Wallis 테스트는 웹사이트 재설계 사진 전후의 두 종속 그룹을 비교할 수도 있습니다.

Mann-Whitney U 테스트

Mann-Whitney 테스트는 두 개의 독립적인 샘플의 중앙값을 비교하는 데 사용되는 비모수 테스트입니다. 1에서 5까지의 등급 등급과 같은 서수 데이터가 있거나 데이터에 명확한 그룹이 없을 때 사용할 수 있습니다.

Wilcoxon 부호 순위 테스트

Wilcoxon 부호 순위 검정은 정규 분포가 있거나 없는 데이터 세트에 사용할 수 있는 비모수 검정입니다. 데이터에 정규 분포가 없는 경우 t-테스트의 대안입니다.

t-검정을 실행할 때 데이터의 기본 분포가 정상이라는 가정이 있지만 이 가정은 잘못될 수 있습니다.

예를 들어 두 그룹의 키 차이를 테스트할 때 한 그룹의 평균 키가 180cm이고 다른 그룹의 평균 키가 170cm라고 가정해 보겠습니다. 높이에 큰 차이가 없습니다.

그러나 Wilcoxon 부호 순위 테스트를 사용하면 일반적인 높이 차이를 넘어선 것을 볼 수 있습니다.

Mood의 중앙값 검정

이 테스트는 사람들의 기분이 중앙값 주위에 집중되어 있으며 일부는 다른 것보다 더 긍정적이거나 부정적이라는 전제를 기반으로 합니다. Mood의 중앙값 테스트는 제품이나 서비스에 대한 고객의 의견과 같이 개인이 문제나 아이디어에 대해 어떻게 느끼는지를 측정합니다. 고객이 귀사에서 구매할 것인지 아니면 경쟁사에서 구매할 것인지와 같은 기분에 따라 행동을 예측할 수 있습니다.

서수 데이터를 분석하는 방법

서수 데이터를 분석하는 방법에는 추론 통계와 설명 통계의 두 가지가 있습니다.

기술 통계는 데이터 세트의 특성을 요약하고 패턴을 식별합니다. 다음은 서수 데이터에 대한 설명 통계입니다.

• 빈도 분포
• 중심 경향 측정
• 범위(변동성 측정)

반면에 추론 통계는 보유한 데이터를 기반으로 미래에 일어날 수 있는 일을 예측합니다. 서수 데이터를 사용하여 통찰력을 수집하고 가설을 세우거나 위에서 설명한 네 가지 테스트를 통해 결론을 도출할 수도 있습니다.

Kruskal-Wallis, Mann Whitney U 및 Wilcoxon 부호 순위 합계 검정은 모두 서수 데이터를 분석합니다. 그들은 모두 비모수적 테스트이므로 데이터 분포에 대한 가정에 의존하지 않습니다.

기술적 분석

기술 분석은 이미 발생한 이벤트에 대한 데이터를 수집, 분석 및 보고합니다. 이는 과거 데이터를 기반으로 미래의 이벤트를 예측하는 예측 분석과 다릅니다. 기술 분석은 기업이 과거의 패턴을 식별하여 미래의 의사 결정을 개선하는 데 도움이 됩니다.

기술 분석에서 목표는 미래에 일어날 일을 예측하는 것이 아니라 기존 데이터에서 패턴을 찾는 것입니다. 기술 분석은 과거 사건 간의 인과 관계를 찾고 이러한 관계를 사용하여 미래 사건을 예측하는 것을 목표로 합니다.

다른 분석 방법과 달리 기술 분석은 사용 가능한 데이터로 언제든지 사용할 수 있습니다. 이를 통해 다른 방법에 필요한 예측 모델 또는 대규모 데이터 세트에 대한 리소스가 부족한 소규모 비즈니스에서 더 쉽게 액세스할 수 있습니다.

그래프

막대와 그래프는 이해하기 쉬운 방식으로 데이터를 나타냅니다. 데이터가 너무 크거나 복잡하여 테이블에 표시할 수 없을 때 유용합니다. 선택하는 그래프 유형은 전달하려는 정보의 양, 데이터 차원 및 청중에 따라 다릅니다.

막대 그래프는 값에 비례하는 길이의 막대로 정보를 표시합니다. 데이터가 범주형일 때 사용됩니다. 즉, 특정 그룹에 속합니다. 다음은 각 주중에 응답하는 데 걸린 시간을 보여주는 콜 센터의 막대 그래프입니다.

출처: 데이터파인

청중이 가치를 쉽게 비교할 수 있기를 원할 때 좋은 선택입니다. 막대 그래프는 숫자에 비해 직관적이고 이해하기 쉽습니다. 산점도, 히스토그램 또는 파이 차트와 같은 선 또는 기타 그래픽과 함께 막대를 사용할 수도 있습니다.

선 그래프는 데이터에 순서가 있는 값이 있을 때 사용됩니다. 이 그래프는 선을 사용하여 양쪽에서 동일한 배율로 두 축의 점을 연결합니다. 이 선은 실선 또는 점선일 수 있으며 축의 어느 지점에서나 시작할 수 있습니다.

선은 주식 시장이 매일 어떻게 변동하는지 또는 에너지 비용이 매년 어떻게 변화하는지와 같이 시간에 따른 변화를 나타냅니다. 다음은 선 그래프를 사용하여 시각화한 12개월 동안의 월별 인바운드 리드의 예입니다.

중심 경향 측정

중심 경향은 일련의 숫자의 평균입니다. 데이터 세트의 숫자가 평균 주위에 얼마나 밀접하게 모여 있는지 측정합니다.

중심 경향의 세 가지 주요 유형은 평균, 중앙값 및 최빈값입니다. 중심 경향의 가장 일반적인 척도는 데이터 세트의 모든 값을 더하고 이 합계를 해당 데이터 세트의 값 수로 나누어 계산되는 산술 평균입니다.

중앙값은 모든 숫자를 낮은 것부터 높은 것으로 정렬한 후 데이터 세트에서 중간 값을 찾는 것으로 중심 경향을 계산하는 대안으로도 사용할 수 있습니다. 최빈값은 세트에서 가장 빈번한 값입니다.

주요 테이크 아웃

서수 데이터는 명목 데이터보다 더 복잡하며 일반적으로 관심도를 측정하는 데 사용됩니다. 리커트 척도는 인기 있는 서수 데이터 예입니다.

여기에 제공된 몇 가지 실제 예를 사용하여 자신의 설문 조사 데이터 수집에 영감을 주세요. 그 동안 폴링에 대해 자세히 알아보고 폴링이 데이터 수집에 어떻게 도움이 되는지 알아보세요.