1

한국리서치 웹리서치 노트 No. 89

Hankook Research Web Research Note

Sens’Visor®: 소비자 눈높이로 측정하는 Sensory Test:

평가 속성 개발과 개선점 도출을 위한 관능조사

혁신연구센터 한우석 전무

인공지능과 빅데이터 시대에도 컴퓨터가 인간의 모든 것을 대신할 수는 없다. 특히 사람

의 오감을 통한 관능 조사(sensory test)는 인공지능이 발전되어도 가까운 미래에는 만족

할만한 결과물을 만들어 내기 어려운 분야이다.

한국리서치가 개발한 Sens’Visor®는 소비자 관점에서 소비자 호감도에 영향을 주는 속

성을 발굴하고 개선 방향을 제시하는 관능조사 평가 모듈이다.

관능 조사는 평가 제품에 대한 평가 속성을 정의한 후 제품을 평가하고 제품에 대한 호

감도와 비교하여 개선 포인트를 도출한다.

평가 속성의 개발을 위한 GPA (Generalized Procrustes Analysis)

관능 조사의 평가 속성은 해당 제품에 대한 소비자의 호감도에 가장 큰 영향력을 행사하

는 요소라고 기업이 선정한 것이다. 그러나 제조사가 중요하다고 분류한 속성이 소비자

에게는 덜 중요할 수도 있고 혹은 그 반대인 경우도 있다. 이전에 소비자가 중요하게 인

식한 속성의 중요도가 달라지거나 더 중요한 새로운 속성이 나타날 수도 있다.

기존에 사용하던 속성 평가 대신 소비자 스스로의 언어로 제품을 평가하면 이러한 문제

를 해결할 수 있다. GPA (Generalized Procrustes Analysis)에서는 먼저 소비자가 평가 제

품을 각자 주관적으로 기술하고 이렇게 기술된 항목을 평가 속성으로 활용하여 그 제품

을 평가하게 한다.

평가자가 주관적으로 평가 제품을 평가하더라도 가장 중요한 속성은 대다수의 평가자의

주관적인 기술 내용에 공통적으로 나타나며 연구자는 통계적 조정 (alignment)을 통해

공통 요인을 뽑아 내어 평가 속성으로 변환할 수 있다. (그림1)

2

[그림 1] GPA에서 사용하는 평가 속성 조정 과정(alignment)

<그림 2>는 5개 와인 제품을 대상으로 GPA를 활용하여 도출한 10가지 평가 속성이다.

[그림 2] GPA를 이용한 와인 평가 속성의 도출 결과

페널티 분석 (Penalty Analysis)을 이용한 개선 중점 속성 추출

GPA에서 도출된 평가 속성 중 제품 호감도에 유의미한 영향력을 행사하는 속성을 추출

하려면 페널티 분석을 이용한다. 페널티 분석은 CATA (Check-All-That-Apply) 분석 모듈

이며 평가 제품이 이상적인 제품과 얼마나 가까운지 이상적인 제품이 되기 위해 무엇을

3

개선해야 하는지에 대한 포인트를 파악할 수 있는 평가 기법이다.

CATA 분석에서는 숙련된 전문 평가 패널이 아닌 일반 소비자가 평가 제품의 호감도를

평가한 후 각 평가 제품을 잘 설명한다고 생각되는 평가 속성을 모두 선택하고 마지막으

로 이상적인(ideal) 제품이 가져야 할 속성을 모두 선택한다.

평가 제품이 이상적인 제품의 속성을 가지고 있을 때 대비해서 이상적 제품의 속성을 가

지고 있지 않을 때의 호감도 하락 정도(Penalty) 혹은 그 반대의 경우를 분석하여 평가

속성을 4가지의 범주로 구분한다.

[그림 3] CATA를 이용한 Penalty 분석

필수 요소 (MUST-HAVES): 해당 속성이 있을 경우 대비 없을 경우에 호감도 점수 하락

폭이 크고 실제 평가 제품에는 없는 경우가 많은 제품 속성

제거 요소 (MUST-NOT-HAVES): 이상적인 제품에는 없어야 하는 속성이 실제 제품에 없

는 경우의 호감도 점수 대비 실제 제품에는 있는 경우 호감도 점수가 하락한 속성

보너스 요소 (NICE-TO-HAVES): 이상적인 제품에는 없어야 한다고 응답한 속성이 실제

제품에도 없는 경우의 호감도 점수 대비 실제 제품에는 있는 경우 호감도 점수가 오히려

상승한 속성

불필요 요소 (IRRELEVANT): 이상적인 제품에서의 해당 속성 존재 여부와 관계없이 평가

제품에서 속성의 존재 여부가 호감도에 유의미한 차이를 보이지 않는 제품 속성

위의 네 가지 요소 중 평가 제품간에 의미있는 격차를 보이는 필수 요소와 제거 요소를

우선 평가 속성으로 선정하고 불필요한 요소에 해당하는 평가 속성은 제외한다.

4

관능조사를 위한 숙련된 평가 패널의 선정

평가 속성이 결정되면 각 평가 속성에 대한 평가 제품의 평가 강도 자료와 평가 제품에

대한 소비자의 호감도 자료를 수집한다. 관능조사에서 평가제품에 대한 호감도는 타겟

소비자로부터 수집하지만 평가 제품의 성분 별 차이에 따른 평가 속성의 강도 평가를 위

해서는 훈련된 패널이 필요하다.

SPA(Sensory Panel Analysis)는 제품 평가에서 패널의 기준을 평가하기 위한 분석틀이다.

SPA는 10~20명의 평가자 패널을 대상으로 한 평가자의 평가가 다른 평가자와 상이한

패턴을 보이는지, 어떤 속성에서 평가의 일치 정도가 높고, 어떤 평가자가 전체 평균에서

많이 벗어나는지 각 평가 속성별로 각 평가자의 제품 변별력이 충분한지를 분석한다.

[그림 4] 평가 패널들의 평가 패턴 및 제품 변별력 비교

<그림 4>의 좌측 도표에 의하면 평가자 8,9,10의 평가는 다른 평가자와 분명한 차이를

보이며 우측 도표는 평가자 1,4,5의 제품 변별력이 다른 평가자 대비 많이 낮음을 보여

준다. 평가자 8,9,10과 1,4,5의 경우 해당 관능 조사의 평가자 패널로 포함하기 전 신중

한 검토가 필요하다.

제품 성분, 관능 경험, 소비자 호감도의 결합

평가 제품의 성분 정보, 평가 속성에 대한 평가 자료와 평가 제품에 대한 소비자의 호감

도 자료가 수집되면 부분 최소 자승 회귀 (PLS Regression)를 통해 이들 자료를 통합할

수 있다. 부분 최소 자승 회귀 분석은 사례 수 대비 독립 변인의 수가 많고 종속변인 역

시 복수로 주어질 경우 적용하는 회귀분석 방법이다.

5

[그림 5] 두 가지 유형의 부분 최소 자승 회귀 (PLS Regression)

예를 들어 20명의 평가자가 6개 제품, 10가지 속성을 평가하고 다양한 프로파일의 타겟

소비자가 6개 제품에 대한 호감도를 측정한 후 평가 제품을 사례로 평가 속성을 독립

변인으로 호감도를 종속변인으로 설정한 회귀 분석을 하면 <그림 5>의 유형 B와 같이

평가제품의 속성 평가와 소비자 프로파일 별 이상점을 시각화할 수 있다.<그림 6 좌측>

또한 평가 제품을 사례로 평가 제품의 성분을 독립 변인으로 설정하고 평가 제품의 관능

평가 자료를 종속변인으로 설정하여 회귀 분석을 하면 <그림 5>의 유형 A와 같이 관능

평가와 제품 성분 간의 관계를 시각적으로 구현할 수 있다.<그림 6 우측>

또한 3원 3블럭 부분 최소 자승 회귀 분석 (3 way & 3 block PLS Regression)을 통해 소

비자 별 이상점, 평가 속성, 평가 성분 정보를 하나의 그래프로 통합할 수 있다.

[그림 6] 관능 경험과 소비자 프로파일의 시각화와 제품 성분과 관능 경험의 시각화

6

Sensory Test 결과 개선 포인트의 정량화

관능조사에서 전반적 호감도와 속성별 호감도를 각각 종속변인과 독립변인으로 두고 회

귀분석을 하면 어떤 속성이 전반적 호감도에 상대적으로 더 큰 영향력을 행사하는지 알

수 있다. 또한 해당 제품의 평가 속성 별 호감도 정보와 교차분석을 하여 개선의 우선

순위도 파악할 수 있다. 추가로 각 평가 속성별로 JAR (Just-About-Right) 척도를 사용

하거나 이상점에 대한 질문을 하여 평가 속성 별 개선 방향에 대한 정보도 얻을 수 있다.

그러나 이상점 대비 평가 제품의 개선 방향에 더하여 개선 정도를 정량화하기 위해서는

속성별 제품 평가 척도를 연속변인으로 변환할 필요가 있는데 이를 위해 선척도(line

scale)를 사용한다.

모든 평가자의 속성별 제품 평가 자료와 그 때의 호감도 자료와의 관계를 2차 곡선으로

표현하고 해당 속성에 대한 제품의 평가 및 호감도를 적합(fitting)시키면 각 제품의 개

선 정도를 평가 제품들 간의 속성 평가 강도 비율로 변환할 수 있다.

[그림 7] 선 척도를 이용한 QIP (Quantifying Ideal Point) 결과

7

Sens’Visor®: 소비자 중심의 Sensory Test (관능 조사) 모듈

소비자 중심의 관능조사를 위해 한국리서치가 개발한 Sens’Visor®는 평가 속성의 개발에

서부터 평가 패널의 선정 및 제품의 개선을 위해 실질적으로 구현 가능한 산출물을 도출

하기 위한 체계적인 분석 단계를 모두 포함한다.

Sens’Visor®는 크게 6 개의 단계이다.

첫 번째는 GPA를 이용한 소비자 언어로 구성된 최적 평가 속성 도출 단계이다.

두 번째는 제품 개선에 필수적인 속성을 발굴하는 단계이다. 이 단계에서는 페널티 분석

을 통해 도출된 평가 속성을 반드시 있어야 하는 것, 반드시 없어야 하는 것, 있으면 좋

은 것, 있든 없든 상관 없는 것의 4 가지 부류로 구분한다.

세 번째 단계는 SPA를 이용하여 패널을 선정하는 단계이며 이 단계를 거치면 관능조사

의 평가틀이 최적화된다.

[그림 8] Sens’Visor® 의 소비자 중심 관능조사 6단계

그 다음 단계의 목적은 제품 개선 포인트를 도출한 후 이들을 실제 제품의 개선에 적용

할 수 있도록 정량화하는 것이다.

4 단계와 5 단계에서는 SPA를 통해 선정된 전문 패널을 대상으로 다양한 성분으로 구성

된 평가 제품에 대해 이전 단계를 통해 도출된 관능 속성의 강도와 매칭하는 작업을 하

고 동시에 일반 소비자를 대상으로 평가 제품에 대한 호감도를 측정한다.

8

[그림 9] Sensory Test 결과 개선 포인트 정량화 7단계

이렇게 수집된 제품 성분, 관능 경험, 소비자 프로파일 별 호감도 자료를 부분 최소 자승

회귀를 이용하여 하나의 공간에 같이 표현함으로써 소비자의 호감도 증대를 위해 어떤

성분을 변경해야 하는지 파악한다.

마지막 6 단계에서는 도출된 개선 속성 및 조정해야 할 성분을 QIP (Quantifying Ideal

Point)를 통해 정량화하는 작업을 진행한다.

한국리서치가 개발한 Sens’Visor®는 소비자 관점에서 관능조사를 체계적으로 진행하여

소비자 호감도에 영향을 주는 속성을 발굴하고 개선 방향을 제시하는 평가 모듈이다.

Sens’Visor®를 활용한 소비자 중심의 관능조사 (Sensory Test)는 평가 속성의 개발에서

실질적인 제품의 개선 포인트 도출까지 위에서 언급한 6 단계를 모두 거치지만 조사 목

적 및 제품 상황에 따라 일부 모듈만 선별하여 진행할 수도 있다.

Sens’Visor®를 활용한 소비자 중심의 Sensory Test 문의는 한국리서치 혁신연구센터

한우석 전무이사에게 하시기 바랍니다. (전화: 3014-0040, 이메일 wshan@hrc.co.kr)