LLM( 생성형) 업무효율화, 업무활용, 인공지능 활용하여 일잘 하는법 134

따라하면 성공하는 소비자 가치판단 기준 (컨조인트분석)

 

 

(앞선 글에 이어)

 

회귀식의 해석

우리가 지금 하는 것은 순위 소비자조사를 통해서 소비자들이 자기가 선호하는 순서대로 제품에 대해서 순위를 기록하고 그리고 각 선호 제품에 대해 하나씩 속성을 고르라고 했습니다.

그리고 범주형이다 보니 더미 처리를 위해 변수를 늘릴 수밖에 없었습니다. 마지막으로 순위를 종속변수로 하고 더미변수들을 독립변수로 해서 회귀식을 돌린 값입니다. 그 결과가 위에 이미지인데, 지금까지 배운 대로는 P 값이 0.05 이상이면 못 쓰는 것이라 했습니다. 그러면 먼저 디자인은 모두 못 써먹는 것입니다. 자세하게는 디자인을 항목을 독립변수로 순위를 종속변수로 하고 회귀식을 돌리고 P 값을 봐야 하지만, 이런 과정이 없더라도 이 수치들을 보면 아마 디자인 항목이 순위를 결정하는 데에 영향을 주지 않을 것입니다. 그래서 일단 디자인 항목은 모두 사용하지 못합니다. (‘회귀분석 수행(3)’ 시트 아래를 확인하시면, 디자인과 컬러는 사용 못 하는 것으로 결론이 나왔습니다.)

 

두 번째로 브랜드를 보면 브랜드 A는 0.09로 사용하지 못합니다. 하지만 고민해야 할 것은 0.1 가까운 이 숫자는 통계에서 해석하는 0.05~0.1 사이에 있습니다. 즉 통계적으로 의미가 없어 일반적으로 제거를 하지만 실무적 관점 그러니까 95% 신뢰수준에서는 의미 없지만 90% 수준에서는 의미가 있습니다. 물론 90% 수준은 통계적으로 사용하지 않는 것임은 맞습니다. 그래서 제가 실무적 관점이라는 이야기를 한 것입니다. 즉 브랜드A, B, C, D (D는 기준변수) 중 브랜드 A 가 다른 브랜드 보다 월등히 높은 숫자를 보여 주므로 의미가 있을 수도 있다는 것입니다. 그리고 첨부 데이터의 다른 회귀분석을 봐도 제 주장을 이해하실 수 있습니다.

 

세 번째로 가격을 보면 ‘가격 2’는 0.65로 매우 높습니다. 0.05 보다 무려 0.6이나 높습니다. 이건 선 넘었습니다. 그래서 빼야 합니다. 즉 가격 변수 범주가 1,2,3, 이 있는데 이때 우리는 가격 3을 기준으로 1, 2만 회귀식을 돌렸고 이때 가격2가 크게 의미가 없으니 가격2는 순위에 전혀 영향을 주지 않는 변수입니다. 이것은 빼고 가겠습니다.

 

네 번째로 무게를 보면 무게 4는 선 넘어서 제거, 다섯 번째 사이즈 4는 브랜드 A 와 같이 신중하게 결정해야 하는데 저는 사용하기로 결정했습니다.

 

이렇게 변수들을 넣고 빼면서 P 값을 보고 최종 분석을 마무리했습니다. 쉬트 ‘회귀분석 수행(5)’

 

이어지는 다음 포스팅에서는 컨조인트 분석을 진행하겠습니다.

 

(다음 포스팅에 이어서 계속)

.

.

.

생성형인공지능, LLM, 일잘러, RAG응용, 챗지피티 를 활용해서 프로 일잘러 되기 출간 준비중~~!!