설문 응답이 수백 개라 막막하다면? AI로 주관식 답변 분류하고 핵심 의견 찾는 법

고객 만족도 조사나 사내 설문을 진행하고 나면 숫자로 된 객관식 결과는 비교적 쉽게 정리할 수 있어요. 문제는 불편했던 점을 자유롭게 적어주세요처럼 작성된 주관식 답변입니다.

응답이 20개 정도라면 직접 읽어볼 수 있지만, 200개나 1,000개가 넘어가면 상황이 달라지죠. 비슷한 의견끼리 묶고, 자주 나온 불만을 세고, 보고서에 넣을 대표 의견까지 고르려면 생각보다 많은 시간이 걸립니다.

이럴 때 AI를 활용하면 주관식 설문 응답을 주제별로 분류하고, 반복되는 의견을 찾고, 핵심 내용을 요약하는 작업을 훨씬 빠르게 처리할 수 있어요. 다만 설문 데이터를 그대로 넣고 분석해줘라고만 하면 결과가 들쭉날쭉해질 수 있습니다.

핵심은 한 번에 보고서를 만들어 달라고 요청하는 것이 아니라, 분류 기준 만들기 → 응답 분류하기 → 빈도 계산하기 → 핵심 의견 요약하기 순서로 나누는 거예요.

AI로 주관식 설문 응답을 분석하면 무엇이 편해질까?

주관식 응답 분석은 단순히 문장을 짧게 줄이는 작업이 아닙니다.

실제로는 각각의 답변이 어떤 주제에 해당하는지 판단하고, 비슷한 내용을 묶은 다음, 그중 중요한 의견을 골라야 하죠.

예를 들어 온라인 쇼핑몰 만족도 조사에서 다음과 같은 답변이 들어왔다고 해볼게요.

예

고객 주관식 응답

• 배송은 빨랐는데 포장이 너무 많이 찌그러져 있었어요.
• 상품 검색 결과가 너무 많아서 원하는 제품을 찾기 어려웠습니다.
• 교환 문의를 남겼는데 답변이 늦게 왔어요.
• 모바일에서 결제 버튼이 자꾸 눌리지 않습니다.
• 가격은 괜찮지만 배송비가 조금 비싼 것 같아요.

사람이 직접 분석한다면 각각을 배송, 검색, 고객지원, 결제, 가격 같은 항목으로 나눠야 합니다. AI는 이런 문장의 의미를 바탕으로 비슷한 응답을 묶는 데 도움을 줄 수 있어요.

잘 활용하면 다음과 같은 작업 시간을 줄일 수 있습니다.

1

비슷한 의견을 주제별로 분류

표현은 달라도 의미가 비슷한 답변을 배송, 가격, 기능, 서비스 같은 항목으로 묶을 수 있습니다.

2

긍정·부정·개선 요청 구분

단순한 칭찬인지, 불만인지, 새로운 기능을 요청하는 의견인지 구분할 수 있어요.

3

반복되는 문제와 핵심 문장 추출

가장 자주 등장한 불편 사항과 보고서에 참고할 만한 대표 응답을 빠르게 찾을 수 있습니다.

설문 응답을 AI에 넣기 전 먼저 해야 할 일

1. 개인정보와 민감한 정보를 제거하기

설문 응답에는 이름, 전화번호, 이메일 주소, 회사명, 사번처럼 개인을 식별할 수 있는 정보가 포함될 수 있어요. AI 도구에 데이터를 입력하기 전에는 이런 정보를 삭제하거나 다른 값으로 바꾸는 것이 좋습니다.

예를 들어 “김민수 고객님이 6월 10일 주문한 상품”이라는 문장이 있다면 “A 고객이 최근 주문한 상품”처럼 바꿀 수 있습니다.

회사 내부 설문이라면 특히 주의하세요.
외부 AI 서비스 사용이 허용되는지, 사내 보안 지침상 어떤 데이터를 입력할 수 있는지 먼저 확인해야 합니다. 기밀 정보나 개인정보가 포함된 원본 데이터를 그대로 업로드하는 방식은 피하는 것이 안전해요.

2. 한 행에 하나의 응답만 정리하기

AI가 설문 결과를 안정적으로 분석하려면 데이터 형식도 일정해야 합니다. 가장 간단한 방법은 엑셀이나 스프레드시트에서 한 행에 하나의 답변을 배치하는 거예요.

형식

권장 데이터 구조

• 응답번호: 001
• 설문문항: 서비스 이용 중 불편했던 점
• 주관식 응답: 상담 답변을 받기까지 시간이 오래 걸렸습니다.

여러 설문 문항을 함께 분석한다면 응답번호, 문항, 답변을 각각 별도 열로 구분하는 것이 좋습니다. 그래야 AI가 서로 다른 질문의 답변을 섞지 않아요.

3. 분석 목적을 먼저 정하기

같은 설문 데이터라도 목적에 따라 분석 결과가 달라질 수 있습니다. 단순히 자주 나온 의견을 찾고 싶은지, 불만 원인을 찾고 싶은지, 다음 서비스 개선 항목을 정하고 싶은지 먼저 정해야 해요.

예를 들어 고객 만족도 설문이라면 다음처럼 목적을 구체화할 수 있습니다.

목적

분석 목적 예시

• 가장 많이 언급된 불편 사항 5개 찾기
• 결제 과정과 관련된 오류 의견만 추출하기
• 긍정 의견과 부정 의견 비율 비교하기
• 고객이 가장 많이 요청한 신규 기능 정리하기
• 다음 달 우선 개선할 항목 선정하기

AI로 설문 응답 분류하는 방법

1단계: AI에게 분류 기준부터 만들게 하기

처음부터 모든 응답을 분류해 달라고 요청하면 카테고리가 지나치게 많아지거나 비슷한 항목이 따로 나뉠 수 있어요. 먼저 전체 응답의 일부를 보여주고, 어떤 기준으로 나누면 좋을지 제안받는 것이 좋습니다.

1

분류 기준 생성 프롬프트

설문 응답의 일부를 제공하고, 겹치지 않는 카테고리를 먼저 만들어 달라고 요청합니다.

프롬프트 예시

• 아래 내용은 온라인 쇼핑몰 이용 고객의 주관식 설문 응답입니다.
• 응답을 분석하기 위한 상위 카테고리를 6개 이내로 만들어주세요.
• 각 카테고리가 서로 최대한 겹치지 않게 구성해주세요.
• 각 카테고리의 이름, 분류 기준, 포함되는 답변 예시를 표로 정리해주세요.
• 판단하기 어려운 응답은 ‘기타’로 분류할 수 있게 해주세요.

AI가 배송, 상품, 가격, 결제, 고객지원, 웹사이트 사용성처럼 기준을 제안했다면, 실제 분석 목적과 맞는지 사람이 먼저 확인해야 합니다.

예를 들어 배송 관련 문제가 중요한 조사라면 배송을 ‘배송 속도’와 ‘포장 상태’로 더 세분화할 수 있어요. 반대로 응답 수가 적다면 너무 세부적으로 나누지 않는 것이 좋습니다.

2단계: 각 응답을 정해진 항목으로 분류하기

카테고리가 정해졌다면 그 기준을 AI에게 다시 제공하고, 각 응답이 어떤 항목에 해당하는지 분류하게 합니다.

2

설문 응답 분류 프롬프트

프롬프트 예시

• 아래 설문 응답을 다음 기준으로 분류해주세요.
• 카테고리: 배송, 상품, 가격, 결제, 고객지원, 웹사이트 사용성, 기타
• 각 응답에 응답번호, 카테고리, 세부 주제, 긍정·부정·중립, 판단 근거를 표시해주세요.
• 하나의 응답에 주제가 여러 개 있으면 주 카테고리와 보조 카테고리를 구분해주세요.
• 원문은 수정하지 말고 그대로 유지해주세요.
• 결과는 엑셀에 붙여넣기 쉬운 표 형식으로 작성해주세요.

여기서 중요한 부분은 원문을 함께 남기는 것입니다. 분류 결과만 저장하면 나중에 AI가 왜 그렇게 판단했는지 확인하기 어려워요.

응답번호, 원문, 주 카테고리, 보조 카테고리, 감정, 판단 근거를 함께 보관하면 잘못 분류된 답변을 검토하기 훨씬 편합니다.

3단계: 카테고리별 응답 수를 집계하기

분류가 끝났다면 각 카테고리가 몇 번 등장했는지 계산해야 합니다. 응답 수가 많지 않다면 AI에게 집계를 요청할 수도 있지만, 정확한 숫자가 중요한 경우에는 엑셀 피벗테이블이나 스프레드시트 함수로 계산하는 편이 더 안전해요.

AI는 문장의 의미를 해석하는 데는 유용하지만, 긴 표의 모든 행을 빠짐없이 세거나 정확한 비율을 계산하는 작업에서는 실수가 생길 수 있습니다.

추천 역할 분담
AI는 문장 분류와 요약에 사용하고, 응답 개수·비율·합계 계산은 엑셀이나 데이터 분석 도구로 처리하는 방식이 안정적입니다.

4단계: 카테고리별 핵심 의견을 요약하기

응답 개수를 계산했다면 각 항목에서 어떤 내용이 반복되는지 확인해야 합니다. 이때 AI에게 단순 요약이 아니라 반복되는 원인, 대표 의견, 개선 방향을 구분해 달라고 요청할 수 있어요.

3

카테고리별 핵심 의견 요약 프롬프트

프롬프트 예시

• 아래는 ‘고객지원’ 카테고리로 분류된 설문 응답입니다.
• 반복적으로 등장하는 불만 원인을 3개 이내로 정리해주세요.
• 각 원인별로 대표 응답을 1개씩 선정해주세요.
• 응답에 없는 내용을 추측해서 추가하지 마세요.
• 확인 가능한 내용과 해석이 필요한 내용을 구분해주세요.
• 마지막에 실행 가능한 개선 아이디어를 제안해주세요.

이렇게 요청하면 “고객지원이 불편하다”처럼 막연한 요약보다, “첫 답변까지 시간이 오래 걸림”, “담당자마다 안내가 다름”, “처리 진행 상황을 확인하기 어려움”처럼 구체적인 문제를 찾기 쉬워집니다.

설문 응답이 많을 때는 나눠서 분석해야 해요

수백 개 이상의 답변을 한 번에 AI에게 입력하면 일부 응답이 누락되거나 앞부분과 뒷부분에 서로 다른 기준이 적용될 수 있습니다. 입력할 수 있는 데이터 양에도 제한이 있기 때문에 여러 묶음으로 나누는 편이 좋아요.

예를 들어 응답이 1,000개라면 100개씩 10번 나누어 분석할 수 있습니다. 다만 매번 분류 기준이 바뀌지 않도록 첫 번째 단계에서 만든 카테고리 정의를 모든 요청에 동일하게 넣어야 합니다.

4

대량 설문 응답 분석 순서

• 전체 응답 중 일부를 사용해 공통 카테고리 만들기
• 카테고리 정의와 분류 규칙 확정하기
• 응답을 일정한 개수로 나누기
• 각 묶음에 동일한 프롬프트 적용하기
• 분류 결과를 하나의 엑셀 파일로 합치기
• 엑셀에서 카테고리별 개수와 비율 계산하기
• 최종 결과만 다시 AI에 넣어 보고서 문장 만들기

이 과정을 반복적으로 해야 한다면 AI와 스프레드시트 자동화 도구를 연결하는 방식도 고려할 수 있습니다. 다만 처음부터 자동화하기보다는, 분류 기준이 안정적으로 작동하는지 먼저 소량 데이터로 테스트하는 것이 중요해요.

엑셀 데이터 정리 방법이 궁금하다면 이전에 작성한 ‘엑셀 정리 오래 걸릴 때 AI 쓰면 어디까지 줄일 수 있을까?’ 글도 함께 보면 설문 결과를 표로 정리하는 과정까지 연결하기 쉬워요.

AI 분석 결과를 그대로 믿으면 안 되는 이유

1. 비슷한 문장을 서로 다르게 분류할 수 있어요

“배송이 느렸다”와 “주문 후 일주일이 지나서 받았다”는 같은 배송 지연 문제지만, AI가 하나는 배송 항목으로, 다른 하나는 서비스 불만으로 분류할 수도 있습니다.

이를 줄이려면 카테고리 이름만 제공하지 말고, 각 항목의 정의와 포함 예시까지 함께 제공하는 것이 좋아요.

2. 한 문장에 여러 의견이 들어갈 수 있어요

“제품은 만족스럽지만 배송이 느리고 상담 답변도 늦었다”는 상품, 배송, 고객지원이라는 세 가지 주제를 포함하고 있습니다.

이런 답변을 하나의 카테고리로만 분류하면 일부 의견이 사라질 수 있어요. 따라서 주 카테고리와 보조 카테고리를 함께 만들거나, 문장을 의견 단위로 나눠 분석하는 방법이 필요합니다.

3. AI가 없는 의미를 해석할 수 있어요

응답자가 “그냥 그랬어요”라고 작성했는데, AI가 이를 부정적인 평가라고 판단할 수 있습니다. 하지만 실제로는 중립적인 의미일 수도 있죠.

애매한 답변은 억지로 긍정이나 부정으로 나누지 말고 ‘판단 어려움’ 항목을 따로 두는 것이 좋습니다.

4. 응답 수와 비율은 다시 확인해야 해요

AI가 “배송 관련 불만이 전체의 약 30%”라고 요약했더라도 실제 행 수를 기준으로 다시 계산해봐야 합니다. 특히 경영 보고서나 고객 분석 자료에 들어가는 수치는 반드시 원본 데이터와 대조해야 해요.

AI의 역할은 최종 결정을 대신하는 것이 아니라, 사람이 읽고 분류하는 데 걸리는 시간을 줄여주는 보조 도구에 가깝습니다.

보고서 문장까지 AI로 정리하는 방법

설문 분석이 끝나면 결과를 보고서 형태로 정리해야 합니다. 이때 AI에게 원본 응답 전체를 다시 보여주기보다, 사람이 확인한 집계표와 대표 의견만 제공하는 것이 좋아요.

5

설문 결과 보고서 작성 프롬프트

프롬프트 예시

• 아래는 고객 만족도 설문 분석 결과입니다.
• 응답 수: 500명
• 주요 불만: 배송 지연 120건, 상담 답변 지연 85건, 모바일 결제 오류 52건
• 경영진 보고용으로 핵심 내용을 5문장 이내로 요약해주세요.
• 가장 시급한 개선 과제와 그 이유를 구분해주세요.
• 제공된 숫자 외의 통계는 만들지 마세요.
• 과장된 표현보다 객관적인 보고서 문체를 사용해주세요.

블로그나 발표 자료에 넣을 내용이라면 같은 데이터를 바탕으로 독자 수준에 맞게 표현을 바꿀 수도 있습니다.

예를 들어 내부 보고서에는 “배송 지연 관련 의견이 전체 주요 불만 중 가장 높은 비중을 차지했다”고 작성하고, 고객 안내문에는 “배송 과정에서 불편을 겪었다는 의견을 우선적으로 개선하겠다”고 표현할 수 있어요.

설문 응답 AI 분석, 이런 업무에 활용할 수 있어요

A

고객 만족도와 VOC 분석

상품 후기, 상담 기록, 불만 접수 내용에서 반복되는 문제를 찾는 데 활용할 수 있습니다.

B

사내 구성원 의견 조사

업무 환경, 복지, 교육, 조직문화 설문에서 공통적으로 등장하는 개선 요청을 분류할 수 있어요.

C

교육과 행사 만족도 조사

참가자가 좋았던 점, 아쉬웠던 점, 다음 교육에서 원하는 내용을 항목별로 정리할 수 있습니다.

D

제품 사용자 피드백 분석

사용자가 요청한 기능과 자주 발생하는 오류를 구분해 제품 개선 우선순위를 정하는 데 참고할 수 있어요.

마무리: AI는 설문을 대신 판단하는 도구가 아니에요

AI를 활용하면 수백 개의 주관식 설문 응답을 하나씩 읽고 분류하는 시간을 크게 줄일 수 있습니다. 특히 비슷한 의견을 묶고, 반복되는 문제를 찾고, 보고서 초안을 만드는 작업에서 유용하죠.

하지만 AI가 만든 분류와 요약이 항상 정확한 것은 아닙니다. 카테고리 기준을 사람이 먼저 확인하고, 애매한 답변을 다시 검토하며, 최종 숫자는 엑셀이나 원본 데이터로 검증해야 해요.

처음 사용할 때는 전체 응답을 한꺼번에 분석하기보다 30~50개 정도의 작은 데이터로 테스트해보세요. 분류 기준이 원하는 방향으로 만들어졌는지 확인한 다음 전체 데이터에 적용하면 훨씬 안정적인 결과를 얻을 수 있습니다.

설문 분석에서 AI가 가장 잘하는 일은 ‘답을 대신 정하는 것’이 아니라, 사람이 확인해야 할 핵심 의견을 빠르게 찾아주는 것입니다.