반응형 bias2 Data literacy - 비응답 편향 1장 4절 | 표본, 샘플, 응답률 — 누구 말을 믿을까?뉴스 헤드라인을 보다가 이런 문장 본 적 있을 거야.“전국 20~30대 남녀 1,000명 대상으로 조사한 결과…”“직장인 87%가 재택근무를 긍정적으로 평가했다.”“2030 여성의 65%가 MZ 감성 브랜드에 호감을 보였다.”“20~30대 직장인 80%가 이직을 고려 중이다” “2030 여성의 65%가 ‘비혼이 낫다’고 응답”“직장인 10명 중 7명, 퇴사 후 창업 고려” 이런 수치를 보면 사실처럼 느껴지고, 꽤 신뢰감도 생기지?근데 여기엔 꼭 따져봐야 할 질문들이 있어.“그 1,000명, 도대체 누구?” 모든 조사는 ‘표본’이라는 선택의 결과다 세상 모든 사람을 대상으로 조사할 수는 없어.그래서 우리는 일부만 뽑아서 조사하고,그걸 전체의 의견처럼.. 2025. 4. 5. Data literacy - 자기 선택 편향 1장 3절 | 97%가 만족? 그 3%가 될 수 있는 나“사용자 97%가 만족한 토너!”“체험단 전원이 피부 개선 효과를 봤어요”“리뷰 평점 ★★★★★ 4.9점, 믿고 사는 제품!”…근데 정작 내가 써보면?"어? 그냥 그렇던데?", 심하면 "이거 왜 이렇게 피부 뒤집어져?"분명 만족도 97%라는데 왜 나만 별로일까?문제는 제품이 아니라, 그 ‘97%’가 어떻게 만들어졌는가에 있어. 만족도는 ‘사실’이 아니라 ‘구성된 수치’다 예를 들어볼게.어떤 화장품 브랜드에서 신제품 테스트를 진행했어.총 30명이 참여했고, 그중 29명이 “만족”이라고 답했대.→ 97% 만족도!근데 그 30명은 누구였을까?기존 VIP 회원체험단으로 뽑힌 사람들제품 무료로 받았거나 뷰티 커뮤니티 활동 중인 사람들“솔직한 후기 남겨주시면.. 2025. 4. 5. 이전 1 다음 반응형
