논리 트리와 연구 설계 개론

개요

이 강의는 논리 트리를 활용한 문제 해결 방법과 마케팅 연구의 기초 원칙을 소개한다.

• 논리 트리: 복잡한 문제를 계층적으로 분해해 결론을 도출하는 도구
• 연구 설계: 탐색적(Exploratory), 기술적(Descriptive), 인과적(Causal) 연구의 차이와 적용 방법
• 데이터 수집: 2차(Secondary) vs 1차(Primary) 데이터, 샘플링 전략(확률 vs 비확률)

---

핵심 개념

---

상세 내용

1. 추론 방식

• Deductive: 세 가지 조건이 충족되면 파티에 가는 결론 → 조건이 주관적이어서 결론이 불확실
• Inductive: 대규모 데이터(예: 13~14세 결혼) → 일반화된 결론 도출

2. 논리 트리

• 구조:
  1. 트렁크(문제)
  2. 1층 큰 가지 (예: 건강 유지 → 물 마시기, 운동 등)
  3. 2층 작은 가지 (각 대안의 세부 실행 계획)
  4. 3층 결론 (구체적 목표)
• 작업: 각 층마다 MEC(다름, 완전, 상호 배타) 조건 충족
• 숙제: 1페이지 논리 트리 작성 (영어/워드/PDF/Excel/PowerPoint 금지)

3. 마케팅 정보 시스템 / 연구 절차

1. 수집 (정보 획득)
2. 정리 (정렬)
3. 분석
4. 평가 → 결론 도출
5. 배포 → 이해관계자에게 전달

4. 데이터 종류와 활용

• 2차 데이터: 시간·비용 절감, 방향성 제시 → 품질·정확성 한계
• 1차 데이터: 연구 목적에 맞춤 → 수집 과정이 필요

5. 정보 검색 프로세스

1. 목표 정의 (명확한 목적 진술)
2. 정보 수집 (2차 데이터, 설문·인터뷰, 사례 연구 등)
3. 문제 정밀화 (2차 데이터 기반 목표 조정)
4. 데이터 수집 (설문, 인터뷰, 관찰 등)
5. 원시 데이터 처리 → 코딩, 분석 → 결론 도출
6. 보고서 배포

6. 모집단 vs 표본

• 모집단: 연구 대상 전체(예: 전 세계 인구)
• 표본: 실제 조사 대상 집합
• 대표성 확보: 확률 샘플링이 가장 권장

7. 샘플링 전략

• 확률 샘플링: 각 요소에 선택 확률 부여 → 대표성 확보
• 비확률 샘플링: 연구자 판단에 따른 선택 → 대표성 부족
• 실제 적용: 비확률 샘플링이 때로는 실질적 결과를 더 잘 반영할 수 있으나, 과학적 근거는 확률 샘플링이 우수

8. 연구 설계

• 독립 변수: 변화 가능(예: 패키지 종류)
• 종속 변수: 결과(예: 매출량)
• 연속적 변화 vs 범주적 변화 구분 필요

9. 실습 및 적용

• 예시: "새 패키지 사용 시 매출이 증가할까?" → 독립(패키지 종류) vs 종속(매출량)
• 연구 질문:
  • 탐색적: 매출 감소 원인
  • 기술적: 고객 구매 빈도
  • 인과적: 패키지 변경이 매출에 미치는 영향

---

핵심 메시지

• 논리 트리는 문제를 체계적으로 분해해 결론을 도출하는 강력한 도구이다.
• 연구 설계는 목적에 따라 탐색적, 기술적, 인과적 중 적절한 유형을 선택해야 한다.
• 샘플링은 대표성을 확보하기 위해 확률 방식이 가장 바람직하지만, 상황에 따라 비확률 방식도 고려할 수 있다.
• 데이터 수집은 목표 정의 → 정보 수집 → 정밀화 → 수집 → 분석 → 배포라는 순환 과정을 거쳐야 한다.

---