어쩌다보니 데이터만 10시간째 보고 있는 당신에게

데이터의 수집과 분석을 자유롭게

왈라의 존재 목적은, 누구나 데이터를 더 쉽게 다루는 세상을 만들기 위함입니다. ‘데이터를 다루는’ 일은 크게 ‘수집’과 ‘분석’으로 나눌 수 있는데요, 일반적으로 알려진 많은 폼 빌더들은 ‘수집’ 단계에 초점을 맞춥니다. 다양한 종류의 응답 필드, 잘 짜여진 템플릿, 커스터마이징 할 수 있는 디자인 등을 통해서 말이죠.

물론 왈라 또한 효율적인 데이터 수집을 목표합니다. 20개 이상의 응답필드, 개인정보수집 및 이용 동의서 제공, 단순하고 깔끔한 디자인 등은 모두 그 노력의 일환입니다.

그러나 누군가가 왈라의 핵심은 어디에 있는지를 묻는다면, 그 답은 ‘분석’에 있습니다. 이는 지금 이 순간에도 기업들이 경험하고 있을 데이터 분석 프로세스의 비효율에 기인합니다.

설문조사를 통해 주관식 응답을 받았던 기억을 떠올려볼까요. ‘개선이 필요한 점을 적어주세요.’, ‘의견 및 문의 사항을 적어주세요.’와 같은 주관식 응답은 우리가 한 번쯤은 물어봤고, 한 번쯤은 대답해보았을 질문입니다. 3, 40건 정도의 주관식 응답이야 한 두 시간 잡고 분류하면 되겠지만, 문제는 기업입니다.

고객 만족도 조사의 경우, 기업은 매달 만 개에서 10만 개 가까이 되는 답변을 받습니다. 이벤트를 운영하는 경우에는 평균적으로 20만 개에서 50만 개의 응답이 들어온다고 합니다. 왈라가 만난 리서처 분들이 평균 15시간 이상을 데이터 분석에만 쏟는 것은 이상한 일이 아닙니다.

모든 응답을 사람이 일일이 분류하고 분석하여 유의미한 인사이트를 도출하는 것은 불가능에 가깝기에, 대부분의 기업은 주관식 응답에 선택적으로만 대응하는 전략을 택합니다. 이러한 기존의 소모적이고 제한적인 데이터 분석 방식은 왈라가 더 효율적인 ‘분석’에 집착하는 이유가 되었습니다.

낭비되는 데이터가 없는 세상

왈라는 데이터를 잘 활용하는 기업에서 더 효율적인 성장이, 낭비되는 데이터가 없는 세상에서 더 나은 판단이 이루어진다고 믿습니다. 이러한 세상에 한 발자국 다가갈 수 있는, 왈라의 핵심적인 ‘주관식 응답 분석’ 서비스를 소개합니다!

1. 데이터에 담긴 감정을 읽다

왈라는 고객 문의로 받은 몇 만건의 응답에 담긴 감정을 자동으로 분류합니다. 응답 분류의 기준은 정해진 것이 없으며, 기업의 요청에 따라 커스텀이 가능합니다. 가장 일반적인 분류 기준은 ‘긍정, 부정, 중립, 불필요’ 네 가지인데요, 그 예시는 다음과 같습니다.

‘이 제품은 정말 최고에요!’ ⇒ ‘긍정’
‘서비스가 좋지 않아 속상했어요.’ ⇒ ‘부정’
‘어쩌면 좋을 수도 있어요.’ ⇒ ‘중립’
‘ … ‘, ‘ㅇㅇㅇㅇㅇ’ ⇒ ‘불필요’

이러한 분류에는 왈라의 자연어 처리(NLP)와 머신 러닝 기술이 활용됩니다. 도착한 주관식 응답을 컴퓨터가 이해할 수 있는 숫자로 변환하고, 긍정, 부정 등으로 학습된 감정과 새로운 데이터 사이의 거리를 계산하여 감정 분류를 진행하는 것이죠.

응답을 감정에 따라 분류하면, 그 쓰임새도 명확해집니다. 긍정적인 응답을 통해 기업은 고객이 어떤 서비스에 열광하는지를 알고, 어떤 기능을 유지 혹은 발전시킬지를 결정할 수 있습니다. 부정적인 응답을 통해서는 개선점, 보완해야 하는 점을 파악할 수 있죠. 이는 고객 피드백을 처리하는 가장 단순하고도 명확한 분류 체계가 됩니다.

2. 데이터에 담긴 상황을 읽다

왈라는 감정뿐만이 아니라 상황 또한 분류합니다. 어떻게 이런 일이 가능할까요?

왈라가 사용하는 언어 모델은 세상에 존재하는 모든 상황과 맥락을 1,536개의 차원으로 구분합니다. 이때, 비슷한 의미를 가진 응답끼리는 비슷한 위치에 있게 됩니다. 감정 분류와 유사하게 응답 사이의 거리를 기반으로 분류를 판단하는 것이죠. 서비스가 작동하지 않아 환불을 요청하는 상황은, 서비스를 칭찬하는 상황보다 기능에 오류가 생겨 불만을 토로하는 상황과의 거리가 더 가까울 겁니다.

이렇듯 거리에 따라 차원을 묶고, 그 차원에 ‘환불’, ‘개선제안’, ‘칭찬’, ‘오류제보’ 등의 이름을 붙이면 주관식 응답 분류가 완료됩니다! 기업은 미리 원하는 분류 기준을 제시해주셔도 좋고(지도학습 분류), 정해진 분류 기준 없이, 응답간 거리를 통한 군집화만을 요청해주셔도 좋습니다(비지도학습 분류).

왈라의 응답 분류 기술은 무궁무진하게 응용될 수 있습니다. 기술지원팀, 마케팅팀, 전략기획팀 등 각 부서별로 응답을 나눠 보며 책임 소재를 명확하게 할 수도 있고, 직급이나 계열사 등을 기준으로 삼을 수도 있죠.

앞으로는 당연해질 이야기

왈라를 통해 고객 만족도 조사를 받고 있는 한 기업에서는, 감정과 상황 두 가지를 모두 이용한 이중 분류 체계로 낭비되는 데이터를 최소화하고 있습니다.

‘제 비밀번호가 유출되지는 않을까 걱정되네요’라는 주관식 응답이 들어오면, 왈라는 일차적으로 이 답변에 담긴 감정을 ‘부정’으로 분류하고, 이차적으로 답변에 해당하는 부서를 ‘보안’으로 분류합니다. 보안 부서는 이러한 피드백을 바탕으로 고객의 개인정보 보호에 더 힘쓸 수 있겠죠.

‘데이터의 수집과 분석을 자유롭게’라는 목표에 맞게, 왈라의 기술은 사람들을 주관식 분석에서 진정으로 자유롭게 만듭니다. 실제로 왈라를 이용하는 고객사의 CX팀은 단순한 데이터 처리 작업에서 벗어나, 더 복잡하고 창의적인 문제 해결에 자신의 에너지와 전문성을 쏟고 있습니다. 주관식 분석에 드는 시간과 노력, 리서처에게 지불하는 금액에 대한 비용 효율화는 당연하고요.

왈라가 바꿀 데이터 분석의 미래는 사실 앞으로 당연해질 이야기라고 생각합니다. 더 나은 판단, 더 빠른 성장을 위해 자신있게 권할 수 있는 효율화라고 믿기 때문이죠. 지금, 우리는 그 당연함의 시작에 있습니다.

• 왈라의 ‘주관식 응답 분석’ 서비스는 Enterprise 플랜에서 지원됩니다.
  admin@paprikadatalab.com으로 문의주세요!

• Edited by 김다영 | 이 글은 파프리카데이터랩의 다영님께서 작성해주셨습니다.

• 해당 콘텐츠는 2024.01.23. 기준으로 작성되었습니다.