단어를 나누는 방법
단어 분리는 브라우저에 내장된 Intl.Segmenter를 사용합니다. Unicode 단어 경계 규칙을 따르며 중국어·일본어·태국어에는 사전을 쓰기 때문에 띄어쓰기가 없는 텍스트도 단어로 나뉩니다. 한국어는 띄어쓰기 단위로 나뉘며 형태소 분석이나 조사 분리는 하지 않습니다. 따라서 ‘배달이’와 ‘배달은’은 서로 다른 단어로 셉니다.
한국어 불용어 목록에는 자주 쓰이는 대명사, 접속어, 보조 표현(그리고, 하지만, 너무, 정말, 있어요, 주세요 등)이 들어 있습니다. 자동 모드에서는 응답마다 한글이 있으면 한국어, 가나가 있으면 일본어, 한자만 있으면 중국어 목록을 사용합니다.
계산식
언급 비율 = 그 단어를 한 번 이상 언급한 응답의 가중치 합 ÷ 텍스트가 있는 응답의 가중치 합(가중치가 없으면 각 응답 1). 같은 응답 안의 반복은 한 번만 세고, ‘언급 수’에는 전체 등장 횟수를 보여 줍니다.
세그먼트 비교는 단어마다 합동 분산을 쓰는 두 비율 z 검정입니다: z = (p₁ − p₂) ÷ √(p̄(1 − p̄)(1/n₁ + 1/n₂)). p₁은 해당 세그먼트의 언급 비율, p₂는 나머지 모든 세그먼트를 합친 비율, p̄는 합동 비율입니다. 가중치를 쓰면 n에 Kish 유효 표본 크기 (Σw)² ÷ Σw²를 사용합니다(근사).
분석 예시
‘샘플 데이터 사용’을 누르면 가상의 음식 배달 서비스 조사가 불러와집니다. 응답자 480명이 “저희 음식 배달 서비스에서 가장 개선되었으면 하는 한 가지는 무엇인가요?”에 답했고, 그중 464명이 내용을 적었습니다. 기본 설정(자동 한국어 불용어, 단어당 최소 응답 2개)에서 가장 많이 언급된 단어는 ‘늦어요’로 응답 72개(15.5%)가 언급했고 모두 72번 나옵니다. 그다음은 ‘많았으면’(14.9%), ‘음식이’(14.0%)입니다.
고객 유형별로 비교하면 구독 회원(n = 121)의 응답 중 28.1%가 ‘구독’을(를) 언급한 반면, 다른 고객은 4.7%입니다(z = 7.15, p < .001). 이 단어가 해당 세그먼트의 특징 단어입니다.
한국어 조사는 단어에 붙은 채로 남기 때문에(배달이, 배달은) 같은 주제가 여러 형태로 나뉠 수 있습니다. 두 단어 구를 켜거나 단어를 눌러 응답을 직접 읽어 보면 주제를 놓치지 않을 수 있습니다.
적합한 경우와 적합하지 않은 경우
단어 빈도는 ‘어떤 단어를 썼는가’에 답할 뿐, ‘무슨 뜻인가’에는 답하지 않습니다.
- 코드프레임을 만들기 전에 많은 주관식 응답을 빠르게 훑어볼 때.
- 특정 세그먼트, 조사 차수, 시장에서 유독 많이 쓰이는 단어를 찾을 때.
- 한국어·중국어·일본어를 포함한 여러 언어의 짧은 응답을 어디에도 업로드하지 않고 분석할 때.
- 의미나 감성을 보고할 때. 단어 빈도는 부정과 맥락을 무시하므로 코딩이 필요합니다.
- 응답이 매우 적을 때(약 30개 미만). 단어 간 차이는 대부분 잡음입니다.
- 긴 문서. 토픽 모델이나 꼼꼼한 코딩이 더 적합합니다.
결과 해석
글자 크기가 아니라 언급 비율을 보세요. 응답의 20%에 나오는 단어는 흔한 주제이고 2%는 세부 사항입니다. 단어를 인용하기 전에 그 단어가 쓰인 응답을 꼭 읽으세요. 세그먼트 비교의 ▲는 해당 세그먼트가 p < .05에서 유의하게 더 많이 언급했다는 뜻입니다. 단어가 많으면 우연히 유의해지는 차이도 생기므로, 차이가 크고 의미가 통하며 CSV의 Benjamini–Hochberg q값도 작은 단어를 우선하세요. 다음 단계로 주관식 응답 코딩에서 반복되는 주제를 테마와 코딩 변수로 정리할 수 있습니다.