컨조인트 분석 입문 — 속성·수준을 정하고 가상 응답자로 미리 점검하기

방식 고르기 — 평가형과 선택형

컨조인트 분석에는 여러 방식이 있지만, 입문 단계에서는 두 가지만 알아도 충분합니다.

	평가형	선택형(CBC)
응답 방법	조합 하나하나에 점수를 매기거나 순위를 정함	조합 2~4개 중 하나를 고름
장점	응답자 한 명의 선호를 자세히 봄	실제 구매 상황과 닮아 답하기 자연스러움
주의할 점	점수 매기기가 실제 구매 판단과 다를 수 있음	응답자 한 명당 정보가 적어 과제를 여러 번 줘야 함

선택형 컨조인트(Choice-Based Conjoint, CBC)는 여러 대안 중 하나를 고르는 선택 실험 설계(Louviere·Woodworth, 1983)에서 발전했습니다. 「이 중에서 산다면 무엇을?」이라는 질문이 실제 구매 행동과 닮아 있어 실무에서 많이 씁니다. 디지털 트윈 실험실의 컨조인트 분석도 가상 응답자에게 이런 선택 과제를 주는 선택형 방식입니다.

선택 과제 예시. 가상 아웃도어·여행 용품 브랜드의 기내용 캐리어로 만든 데모입니다. (예시 데이터)

속성과 수준 정하기 — 가장 많이 틀리는 단계

컨조인트 분석에서 결과를 망치는 실수는 대부분 분석이 아니라 설계에서 나옵니다. 아래는 기내용 캐리어로 정한 예시 설계입니다.

속성	수준
무게	2.3kg / 2.8kg / 3.3kg
외장 소재	폴리카보네이트 / 알루미늄 / 나일론(소프트)
수납 방식	양쪽 분할 수납 / 앞 포켓 노트북 수납
스마트 기능	없음 / 잠금·무게 표시
가격	149,000원 / 189,000원 / 229,000원

예시 설계. 가상 품목입니다.

속성과 수준을 정할 때 지킬 원칙은 다섯 가지입니다.

1. 실제 선택에 영향을 주는 속성만. 소비자가 매장에서 비교하지 않는 속성은 넣어도 정보가 되지 않고 응답 부담만 늘립니다.
2. 속성끼리 겹치지 않게. 「경량」과 「무게」처럼 같은 것을 두 번 재는 속성이 있으면 중요도가 나뉘어 왜곡됩니다.
3. 수준은 현실적인 범위로. 1kg짜리 하드 캐리어처럼 만들 수 없는 수준은 빼야 합니다.
4. 가격 수준은 가격 조사 결과와 맞추기. 가격 수준을 어디에 둘지 모르겠다면 PSM 가격 민감도 분석으로 수용 가격 범위를 먼저 찾고, 그 안팎에 수준을 두면 좋습니다.
5. 속성 수는 적게. 속성이 많아질수록 응답자가 몇 가지 속성만 보고 고르는 경향이 커집니다. 처음에는 4~6개 안에서 시작하는 것이 안전합니다.

결과 읽기 — 중요도, 부분 가치, 시뮬레이션

예시 결과입니다. 실제 조사나 고객 데이터가 아닙니다. (예시 데이터)

위 예시라면 이렇게 읽습니다.

• 가격과 무게의 중요도가 합쳐 60%입니다. 이번 설계에서 선택을 가장 크게 가른 두 속성이므로, 기획에서 먼저 지켜야 할 것은 이 두 가지입니다.
• 스마트 기능의 중요도는 낮았습니다. 「있으면 좋지만 돈을 더 내고 고를 만큼은 아니다」로 읽힙니다. 원가를 올리는 기능이라면 다시 생각해 볼 이유가 됩니다.
• 수납 방식에서는 앞 포켓 노트북 수납이 선호되었습니다. 출장 여행자를 겨냥한 콘셉트라면 강조할 만한 포인트입니다.

읽을 때 주의할 점도 있습니다.

• 중요도는 「이번 설계의 수준 폭 안에서」의 값입니다. 가격 수준을 10만~30만 원으로 넓혔다면 가격의 중요도는 더 커졌을 것입니다. 수준 폭을 바꾸면 중요도도 바뀝니다.
• 선호 시뮬레이션은 시장 점유율 예측이 아닙니다. 「이 세 조합만 있다면 몇 %가 고를까」를 보여 줄 뿐, 경쟁 제품·유통·인지도가 빠져 있습니다. 조합끼리 상대적으로 비교하는 데 쓰세요.

본조사 전에 가상 응답자로 점검할 것

컨조인트 본조사는 표본이 크고 과제가 많아 비용이 많이 듭니다. 설계를 잘못 잡으면 다시 하기 어렵습니다. 가상 응답자에게 같은 선택 과제를 먼저 돌려 보면 아래를 미리 확인할 수 있습니다.

• 속성·수준 설명을 이해하는가. 「잠금·무게 표시」 같은 수준 이름이 응답자에게 의도대로 읽히는지 봅니다.
• 비현실적인 조합이 섞이지 않았는가. 「229,000원짜리 나일론 소프트 캐리어」처럼 어색한 조합이 자주 나온다면 수준이나 조합 규칙을 다시 봅니다.
• 수준 하나만 바꿨을 때 선택이 예상 방향으로 움직이는가. 다른 조건이 같을 때 가격을 올리면 선택이 줄어야 합니다. 그렇지 않다면 설계나 설명에 문제가 있다는 신호입니다.
• 소비자층별로 중요도가 갈리는가. 연령대나 나라별로 중요도가 크게 다르다면, 본조사에서 그 집단에 표본을 따로 배정할 이유가 됩니다.

가상 응답자로 얻은 중요도는 설계를 점검하는 데 쓰는 값입니다. 그 값으로 바로 제품 사양을 확정하면 안 됩니다. 가상 응답자의 쓰임과 한계는 AI 설문조사, 써도 되는 때와 쓰면 안 되는 때에서 자세히 다뤘습니다.

정리 — 컨조인트 결과를 기획에 쓰는 순서

1. 중요한 속성 확인 — 선택을 크게 움직인 속성 2~3개를 찾습니다.
2. 콘셉트 조합 2~3개 만들기 — 중요한 속성의 선호 수준을 중심으로 후보 조합을 만듭니다.
3. 콘셉트 테스트·가격 조사와 맞춰 보기 — 후보 조합을 콘셉트 테스트로 다듬고, 가격은 PSM 범위와 겹쳐 봅니다.
4. 사람 대상 본조사로 확인 — 최종 결정은 실제 소비자 조사로 확인합니다.

AI 조사는 사람 조사를 대신하기보다, 사람 조사를 언제·누구에게 할지 판단하도록 돕습니다. 컨조인트에서는 특히 「무엇을, 어떤 수준으로 물을지」를 정하는 데 그 쓸모가 큽니다.

다음 단계

우리 제품의 속성과 수준으로 컨조인트 설계를 미리 점검해 보고 싶다면, 디지털 트윈 실험실 데모에서 선택 과제를 직접 실행해 볼 수 있습니다.

• 디지털 트윈 실험실 데모 신청
• 논문용 설문 실험이나 본조사 설계 점검이 목적이라면 연구 목적 활용 문의

---

참고 문헌

• Green, P. E., & Srinivasan, V. (1978). Conjoint analysis in consumer research: Issues and outlook. Journal of Consumer Research, 5(2), 103–123. doi:10.1086/208721
• Green, P. E., & Srinivasan, V. (1990). Conjoint analysis in marketing: New developments with implications for research and practice. Journal of Marketing, 54(4), 3–19. doi:10.1177/002224299005400402
• Louviere, J. J., & Woodworth, G. (1983). Design and analysis of simulated consumer choice or allocation experiments: An approach based on aggregate data. Journal of Marketing Research, 20(4), 350–367. doi:10.1177/002224378302000403

가상 인물 데이터의 출처는 NVIDIA Nemotron-Personas(CC BY 4.0)입니다.