"자유 기술을 넣었는데 절반 이상이 공란이거나 '특별히 없음'이었다" — 설문 운영 현장에서 가장 자주 공유되는 고민 중 하나입니다. 자유 기술(오픈엔드) 문항은 고객의 생생한 말을 가져올 수 있는 유일한 수단이지만, 설계를 잘못하면 써주지 않는다·너무 짧아 쓸 수 없다·해석할 수 없다 라는 삼중고에 빠집니다.
이 글에서는 자유 기술 문항의 본질적 역할·출현률과 응답 품질의 관계·질문문 설계 원칙·UI/UX 판단축·AI 해석을 염두에 둔 설계까지 정리합니다. "자유 기술을 늘리면 고객 이해가 깊어진다"는 소박한 신념은 절반만 정답 이라, 운영 시점에서 무엇을 의식하면 써주는 자유 기술이 되는가를 중심으로 씁니다.
1. 자유 기술 문항이란
자유 기술 문항(Open-Ended Question / OA / FA: Free Answer)은 응답자에게 선택지를 주지 않고, 자신의 말로 텍스트를 입력하게 하는 문항 형식입니다.
자유 기술이 하는 역할
- 상정 외의 응답을 포착 — 설계자가 사전에 예상하지 못한 선택지·관점을 발견
- 응답의 이유·배경을 받음 — 점수형 문항의 "왜?"를 보완
- 고객의 생생한 말을 보존 — 마케팅 소재·사내 공유용의 리얼한 목소리
- 망라형 설계의 한계를 보충 — "기타"를 선택한 사람의 리얼한 내용 파악
일반적인 사용법
Q. 당사 서비스의 종합 만족도를 알려주세요 (10단계 평가)
→ 점수 = 6
Q. 위 평가의 이유를 자유롭게 기재해 주세요 (자유 기술)
→ "가격이 타사보다 비싼 편이지만 서포트의 질로 허용하고 있다"
학술적으로는 Schuman & Presser (1979) The Open and Closed Question이 "자유 기술은 폐쇄형 문항으로는 잡을 수 없는 '현재적 관심사(salient issues)'를 드러낸다" 고 정리했습니다. 한편 자유 기술을 다용하면 인지 부하가 폭증해 무응답이나 단문 응답이 급증한다 는 트레이드오프도 40년 이상 반복적으로 지적되어 왔습니다.
2. 왜 자유 기술은 "써주지 않는가"
자유 기술의 최대 적은 인지 부하입니다. 선택지 문항이 "있는 것에서 고른다"인 데 비해, 자유 기술은 "스스로 처음부터 언어화한다" 작업을 요구하므로 인지 비용이 자릿수가 다릅니다.
출현률과 응답 품질의 학술 데이터
Smyth, Dillman, Christian & McBride (2009) "Open-Ended Questions in Web Surveys"는 웹 설문에서 자유 기술의 거동을 실증적으로 분석한 대표 연구입니다. 주요 관찰:
- 문항 배치 위치 — 자유 기술을 첫머리에 두면 무응답률 대폭 상승, 후반에 두면 응답 내용이 짧아짐
- 글자 수 분포 — 대부분이 30~100자, 200자 이상 응답은 전체의 10% 미만
- "특별히 없음" "없음" 출현률 — 자유 기술 응답의 15~30% 가 사실상 무응답(단문·부정형)
인지 부하의 구조
응답자 머릿속에서 일어나는 일을 분해하면 자유 기술은 4단계의 처리 를 요구합니다:
- 질문 의미 이해 — 무엇을 답해야 하는지의 해석
- 기억 검색 — 관련된 경험·감정의 상기
- 언어화 — 사고를 텍스트로 변환하는 작업(가장 부하가 높음)
- 타이프 입력 — 물리적인 입력 작업
이를 Tourangeau, Rips & Rasinski (2000) The Psychology of Survey Response의 "이해 → 상기 → 판단 → 보고" 모델로 보면, 선택지 문항은 "보고" 단계만, 자유 기술은 4단계 모두를 요구 한다는 것을 알 수 있습니다.
3. 자유 기술 vs 선택지 — 언제 어느 쪽을 사용하는가
"자유 기술로 써주면 고객 이해가 깊어진다"는 발상은 절반은 틀렸습니다. 양자는 잘하는 영역이 다르므로 목적에 따라 구분해서 써야 합니다.
사용 구분의 판단축
| 목적 | 적합한 문항 형식 | 이유 |
|---|---|---|
| 수치로 집계·비교하고 싶다 | 선택지(SA/MA) | 통계 분석이 전제라면 선택지 필수 |
| 상정 외의 선택지를 발견 | 자유 기술 | 가설 구축 단계에서 위력 |
| 점수의 이유를 알고 싶다 | 점수 + 자유 기술 | 수치와 질적 데이터의 조합 |
| 대규모 N에서 경향 파악 | 선택지 | N=1,000의 자유 기술을 읽는 것은 비현실적 |
| 소수의 깊은 목소리 | 자유 기술(IDI 보조) | N이 적으면 자유 기술의 가치가 두드러짐 |
"선택지로 가능하면 선택지를 사용한다"가 원칙
Geer (1991) "Do Open-Ended Questions Measure Salient Issues?"는 "자유 기술로 얻는 정보의 80%는 적절히 설계된 선택지 문항으로도 포착할 수 있다" 고 지적합니다. 거꾸로 말하면 나머지 20%의 '예상 외 발견'을 노리는 것이 자유 기술의 역할. 모든 질문을 자유 기술로 하면 고객 이해가 깊어진다는 착각은 버려야 합니다.
4. 질문문 설계 5원칙
응답해 줄 자유 기술이 되도록 질문문 측 설계 룰을 5개 정리합니다.
원칙1: "구체적인 대상"을 질문에 명시
❌ "무언가 의견 있으십니까?" — 너무 추상적이라 무엇을 써야 할지 모름 ✅ "서포트 팀 대응에 대해 개선하길 바라는 점이 있으면 구체적으로 적어 주세요" — 대상(서포트)과 관점(개선점)을 명시
원칙2: 질문문 길이는 1~2문으로 억제
질문문이 너무 길면 응답자는 다 읽기 전에 사고가 산만해집니다. 40~80자 를 기준으로 필요한 정보만 남깁니다. 학술적으로는 Holland & Christian (2009) "The Influence of Topic Interest and Interactive Probing"에서 질문문의 장황함이 무응답률을 높인다 는 것이 실증되어 있습니다.
원칙3: "왜"와 "어떻게"를 구분하여 사용
"왜 그렇게 생각했습니까?"는 이유·배경 을 끌어냅니다. "어떻게 개선할 수 있습니까?"는 해결안·요청 을 끌어냅니다. 양자를 혼동하면 응답자는 무엇을 답해야 할지 헤매고 결과적으로 "특별히 없음"의 온상 이 됩니다.
원칙4: 직전 문항과의 연결을 만든다
직전의 점수 문항과 연결하여 "위 평가의 이유를…", "Q3에서 '불만'을 선택한 분은…" 같은 유도문을 넣으면 응답률이 체감으로 2배 가까이 변하는 케이스도 있습니다. 문맥을 끊으면 응답자는 "이 질문은 누구에게 무엇을 위해 묻는가" 를 알 수 없게 되어 쓸 동기를 잃습니다.
원칙5: 예시·플레이스홀더로 "쓰기 시작"을 지원
완전한 공란은 심리적 허들이 높습니다. 플레이스홀더나 보조문으로 "예: 배송이 늦었다, 상품 설명과 실물이 달랐다" 처럼 보이면 응답이 구체화됩니다. 단 유도가 너무 강하면 "예시에의 동의 응답"이 늘어나므로 여러 방향성을 예시(긍정·부정 양쪽 등)하는 것이 바람직합니다.
5. UI/UX 설계 원칙
질문문과 같은 정도로 입력란 설계 가 응답률을 좌우합니다.
텍스트 영역 사이즈가 응답 길이를 결정
Israel (2010) "Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys"는 준비하는 입력 스페이스 사이즈에 비례하여 응답 글자 수가 늘어난다 는 것을 실증했습니다. 웹 설문에서도 같은 원리가 작동합니다.
| 텍스트 영역 | 상정되는 응답 길이 | 권장 용도 |
|---|---|---|
| 1행 입력(OA) | 5~20자 | 상품명·사명 등 단답 |
| 3~4행 | 30~80자 | 이유·요청의 간결한 기재 |
| 5~8행 | 100~300자 | 상세한 체험담·개선안 |
| 자동 확장형 | 제한 없음 | UGC·리뷰풍 수집 |
"일단 넓게"라고 생각해 10행 텍스트 영역을 두면 공백이 위압적으로 느껴져 무응답이 늘어나는 아이러니한 현상도 일어납니다. 목적에 따라 사이즈를 의도적으로 좁히는 것이 정답입니다.
필수/임의의 판단
- 필수화 → 응답률은 오르지만 "특별히 없음" "." "없음" 입력으로 돌파되므로 실질적인 품질 향상으로 이어지지 않는 경우가 많음
- 임의 → 쓰고 싶은 사람만 씀. 질 높은 응답이 모이기 쉬움 이지만 샘플 수는 줄어듦
업계에서는 "자유 기술은 기본적으로 임의. 단, 점수가 극단적으로 낮은 응답자에게만 필수화" 라는 조건부 필수화가 주류 운영 패턴이 되어 있습니다.
모바일에서의 입력 부하
모바일 단말에서는 소프트 키보드 입력의 물리적 부담 이 커서 자유 기술 응답 길이는 PC 대비 30~50% 짧아진다 는 것이 업계 공통 관찰입니다. 모바일 비율이 높은 설문에서 자유 기술을 다용하면 수집할 수 있는 정보량이 상정보다 대폭 적어집니다.
6. AI 해석을 염두에 둔 설계
최근에는 자유 기술의 AI 해석(LLM에 의한 코딩·감정 분석·요약)이 일반화되고 있어 설계 단계에서 해석을 의식하면 운영 효율이 크게 변합니다.
AI 해석과 궁합이 좋은 문항 설계
- 대상과 테마를 명확하게 좁힌다 — "서포트 대응에 대해" 처럼 대상이 한정된 문항은 AI에 의한 분류 정확도가 높다
- 1문항 1토픽 — "가격과 품질과 배송"을 하나의 자유 기술로 물으면 AI가 혼재 테마를 분리할 필요가 있어 비용 증가
- 점수와 세트로 받음 — 5단계 평가와 그 이유를 짝으로 받으면 점수별 이유 분석(고평가의 이유 vs 저평가의 이유) 이 용이
AI 해석과 궁합이 나쁜 문항 설계
- 너무 추상적인 질문 — "의견을 적어 주세요"는 AI도 사람도 곤란
- 여러 토픽이 혼재된 질문 — 태그 부여가 무너짐
- 초단문만 모이는 문항 — 30자 미만의 응답은 AI 분석에서도 노이즈가 되기 쉬움
자세한 해석 방법은 자유 기술의 AI 해석 방법에서 자세히 해설합니다.
7. 편집부 시각 — 자유 기술에서 반드시 효과 보는 5가지 실천
업계 기사와 공개 사례를 추적해 온 입장에서, 강하게 말해두고 싶은 원칙 5개를 씁니다.
1. 자유 기술은 1설문당 2~3문으로 좁힌다. "자유 기술을 많이 넣는 편이 고객의 목소리를 받을 수 있다"고 생각해 5문도 6문도 넣는 팀을 업계 기사에서 반복적으로 봅니다. 실제로는 자유 기술이 늘수록 후반의 자유 기술 응답 품질은 급강하 합니다. 최중요인 1~2문으로 좁히고, 나머지는 선택지로 대체 하는 것이 수량과 품질의 양립으로 이어지는 현실적인 해입니다.
2. "특별히 없음"이 30%를 넘으면 문항의 재작성을 검토한다. 무응답률이 30%를 넘는 것은 "설계가 나쁘다"는 시그널. 질문의 추상도·배치 위치·직전 문항과의 연결 중 어딘가에 문제가 있습니다. "다들 흥미가 없다"고 포기하는 것이 아니라 문항문 재검토로 5포인트 이상 개선되는 것은 보통 입니다.
3. 자유 기술의 필수화는 기본적으로 피한다. 필수화로 응답률은 오르지만 "." "아" "없음" 같은 사실상 무응답의 혼입률도 오르므로 데이터 품질은 오히려 악화됩니다. 임의로 모은 질 높은 60% > 필수로 모은 품질이 들쭉날쭉한 95% 라는 것이 업계 기사에서 반복적으로 지적되는 운영 지견입니다.
4. 텍스트 영역 사이즈를 "기도 설정"으로 하지 않는다. "일단 넓게 잡아두면 많이 써줄지도"라는 희망 베이스의 설정은 역효과가 될 수 있다 는 것을 Israel (2010)이 보여줍니다. 응답에 요구되는 길이에 따라 사이즈를 의도적으로 정하는 것이 올바른 접근으로, 너무 큰 공란은 위압적으로 느껴져 응답을 줄입니다.
5. AI 해석을 전제로 하는 시대는 설계 단계부터 "분류하기 쉬운 문항"으로 한다. "모은 데이터를 나중에 AI에 던지면 어떻게든 된다"고 생각하면 추상적인 질문으로 모은 응답은 AI도 정리할 수 없다 는 것을 깨닫습니다. 설계 시에 "이 문항의 응답을 어떤 태그로 분류할지"를 5~10개 적어 보고, 그 분류가 성립하는 문항이 되어 있는지 를 확인합니다. 이것만으로도 후단의 해석 비용이 절반이 됩니다.
8. 설문조사 도구 Kicue에서의 자유 기술 운용
Kicue에서는 자유 기술 문항 운용에 필요한 기능을 표준으로 갖추고 있습니다.
OA / FA 문항 타입
자유 기술 문항 타입으로 OA(1행 입력)와 FA(복수행·장문)의 2종류를 제공합니다. OA는 1행 고정으로 단답에 적합, FA는 복수행으로 상세한 기재에 적합 처럼 용도에 따라 구분해 사용합니다. 필수/임의·최소 최대 글자 수 설정도 개별로 가능합니다.
관련 설계 기사
자유 기술 문항은 다른 조사 설계와도 밀접하게 관련됩니다. 매트릭스 문항의 설계와 함정, 스크리닝 문항의 설계, 설문의 순서 효과와 문항 순서 설계, 자유 기술의 AI 해석 방법도 함께 참조해 주세요.
적합한 도구 선택 — 무료 플랜 한도, 분기 로직 지원, AI 기능, CSV 내보내기는 도구마다 크게 다릅니다. 무료 설문조사 도구 비교에서 이 접근법에 맞는 도구를 찾아보세요.
정리
자유 기술 문항의 설계와 운영 체크포인트:
- 자유 기술은 "상정 외의 발견"을 노리는 문항 형식 — 수치 분석이나 대규모 경향 파악에는 선택지가 적합
- 무응답률은 15~30%가 표준 — 문항 설계로 크게 개선 가능, 단 0이 되지는 않음
- 질문문 5원칙: 대상을 명시 / 1~2문 / "왜"와 "어떻게"를 구분 / 직전 문항과의 연결 / 예시로 쓰기 시작 지원
- 텍스트 영역 사이즈가 응답 길이를 결정 — 너무 크면 오히려 무응답 증가
- 1설문에 자유 기술 2~3문이 현실적인 상한 — 늘릴수록 후반의 품질이 떨어짐
- AI 해석 시대는 설계 단계부터 "분류하기 쉬운 문항"으로 — 후속 정리는 효율이 나쁨
"자유 기술을 많이 받으면 고객의 목소리가 깊어진다"는 소박한 신념은 사실 역효과가 되는 장면도 많다 는 것이 업계 기사와 학술 연구에서 보이는 공통 견해입니다. 선택지로 끝낼 것은 선택지로 끝내고, 자유 기술은 '진짜 필요한 2~3문'에 집중 투자 — 이것이 양과 질을 양립시키는 자유 기술 운영의 핵심입니다.
참고 문헌
학술·방법론
- Schuman, H., & Presser, S. (1979). The Open and Closed Question. American Sociological Review.
- Smyth, J. D., Dillman, D. A., Christian, L. M., & McBride, M. (2009). Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Holland, J. L., & Christian, L. M. (2009). The Influence of Topic Interest and Interactive Probing on Responses to Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Israel, G. D. (2010). Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys. Journal of Official Statistics.
- Geer, J. G. (1991). Do Open-Ended Questions Measure Salient Issues? Public Opinion Quarterly.
- Tourangeau, R., Rips, L. J., & Rasinski, K. (2000). The Psychology of Survey Response. Cambridge University Press.
업계 벤더·실무 가이드
- Qualtrics: Open-Ended Question Best Practices.
- SurveyMonkey: Open-Ended Survey Questions.
- Forsta: Designing Effective Open-Ended Questions.
자유 기술 문항의 설계부터 본 수집·집계까지 한 번에 실시할 수 있는 무료 설문조사 도구 Kicue를 사용해 보지 않으시겠습니까. OA(1행 입력) / FA(복수행) 문항 타입을 표준 탑재하고 있어, 용도에 따라 구분해 사용함으로써 "써주는 자유 기술"을 실현할 수 있습니다.