---
title: "Minds 리서치 방법론 파이프라인 카탈로그"
description: "사용 가능한 Minds의 정성 및 정량 리서치 방법론, 필수 입력값, 버전 관리되는 파이프라인 단계, 계산기, 산출물 및 한계를 정리한 공개 맵입니다."
canonical_url: "https://getminds.ai/research/ko/research-method-pipeline-catalog"
last_updated: "2026-09-08T09:29:45.597Z"
---

# Minds 리서치 방법론 파이프라인 카탈로그

Minds는 리서치 방법론을 단순한 챗봇 라벨이 아닌 하나의 제품 규약(Product Contract)으로 다룹니다. 등록된 각 방법론은 필수 입력값, 지원 데이터 소스, 산출물 유형, 설정 스키마, 파이프라인 단계, 산출물 규약, 가용성, 버전, 그리고 적용 가능한 계산기를 정의합니다.

이 문서는 2026년 8월 21일 기준 Minds 리서치 시스템에 등록된 카탈로그를 설명합니다. 실제 사용 가능 여부는 요금제, 설정 및 지원되는 워크플로에 따라 달라질 수 있습니다. 고객 대상 기능 설명 및 요금제별 적용 범위는 [Minds 기능 카탈로그](/guide/features) 및 관련 계약의 기준을 따릅니다.

## 지원하는 방법론

<table>
<thead>
  <tr>
    <th>
      방법론
    </th>
    
    <th>
      주요 목적
    </th>
    
    <th>
      파이프라인 형태
    </th>
    
    <th>
      핵심 추정치 또는 산출물
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td>
      커스텀 리서치
    </td>
    
    <td>
      다각도 질문 탐색
    </td>
    
    <td>
      수집 → 종합
    </td>
    
    <td>
      응답 및 정성적 증거
    </td>
  </tr>
  
  <tr>
    <td>
      단일 집중 질문
    </td>
    
    <td>
      범위가 한정된 단일 질문
    </td>
    
    <td>
      수집 → 종합
    </td>
    
    <td>
      응답 및 정성적 증거
    </td>
  </tr>
  
  <tr>
    <td>
      설문지
    </td>
    
    <td>
      구조화된 질문 세트
    </td>
    
    <td>
      수집 → 종합
    </td>
    
    <td>
      응답, 분포, 핵심 테마
    </td>
  </tr>
  
  <tr>
    <td>
      정성 탐색
    </td>
    
    <td>
      이유, 반론, 사용 언어 탐색
    </td>
    
    <td>
      수집 → 종합
    </td>
    
    <td>
      정성적 테마 및 제언
    </td>
  </tr>
  
  <tr>
    <td>
      순위 선호도
    </td>
    
    <td>
      우선순위 서열화
    </td>
    
    <td>
      수집 → 추정 → 종합
    </td>
    
    <td>
      버전 관리된 순위 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      세그먼트 비교
    </td>
    
    <td>
      오디언스 그룹 간 차이 분석
    </td>
    
    <td>
      수집 → 비교 → 종합
    </td>
    
    <td>
      세그먼트 비교 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      MaxDiff
    </td>
    
    <td>
      항목 간 상대적 우선순위 분석
    </td>
    
    <td>
      수집 → 추정 → 검증 → 종합
    </td>
    
    <td>
      카운트, 진단 데이터, 순위 기반 증거
    </td>
  </tr>
  
  <tr>
    <td>
      컨조인트
    </td>
    
    <td>
      속성 및 수준 간 절충(Trade-off) 분석
    </td>
    
    <td>
      설계 → 수집 → 추정 → 검증 → 시뮬레이션 → 종합
    </td>
    
    <td>
      효용치, 진단 데이터, 시뮬레이션 점유율
    </td>
  </tr>
  
  <tr>
    <td>
      NPS
    </td>
    
    <td>
      추천자, 중립자, 비추천자 분포
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      NPS 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      Top/bottom box
    </td>
    
    <td>
      척도 집중도 분석
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      Top/bottom box 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      핵심 동인(Key drivers)
    </td>
    
    <td>
      동인과 결과 간의 관계 분석
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      핵심 동인 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      TURF
    </td>
    
    <td>
      조합별 증분 도달률(Reach) 분석
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      TURF 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      Gabor-Granger
    </td>
    
    <td>
      가격대별 반응도 분석
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      가격 반응 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      Van Westendorp
    </td>
    
    <td>
      가격 민감도 임계점 분석
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      Van Westendorp 추정치
    </td>
  </tr>
  
  <tr>
    <td>
      Kano 모델
    </td>
    
    <td>
      기능 기대치 범주 분류
    </td>
    
    <td>
      수집 → 계산 → 종합
    </td>
    
    <td>
      Kano 추정치
    </td>
  </tr>
</tbody>
</table>

## 정성 워크플로

커스텀 리서치, 단일 집중 질문, 설문지 및 가이드 기반 정성 탐색은 패널 수집과 증거 종합 방식을 사용합니다. 연구 목적이 고객 언어, 이유, 반론, 테마 또는 잠재적 가설을 발견하는 것일 때 적합합니다.

산출물에는 방법론에 따라 텍스트, 분포, 정성적 테마, 제언 등이 포함될 수 있습니다. 정성 분석 결과는 승인된 응답으로 역추적할 수 있어야 합니다. 단순히 다수의 합성 오디언스가 참여했다는 이유만으로 이를 통계적 주장으로 변환해서는 안 됩니다.

## 순위 선호도 및 세그먼트 비교

순위 선호도 방법론은 실행 시 구조화된 태스크를 준비하고, 응답을 기록하며, 버전 관리되는 순위 계산기를 적용하여 순위 기반 증거를 생성합니다. 세그먼트 비교는 오디언스 그룹 간에 설정된 측정 지표를 적용하고, 정성적 종합에 앞서 버전 관리되는 비교 계산을 수행합니다.

이 방법론들은 자유로운 탐색과 고도화된 실험 설계 사이를 잇는 유용한 가교 역할을 합니다. 다만 여전히 명확하게 정의된 오디언스와 모호함 없는 조사 항목이 필요합니다.

## MaxDiff 파이프라인

제공되는 MaxDiff 파이프라인은 사전에 등록된 항목 세트를 필요로 합니다. 실행 시 제어된 최선/최악(Best/Worst) 수집 태스크를 생성하고, 응답을 기록하며, `maxdiff-count-v1` 추정기를 적용하고, `maxdiff-diagnostics-v1`을 실행하여 순위 기반 증거를 종합합니다.

산출물에는 응답 기록, 추정치, 진단 데이터, 종합 증거가 포함됩니다. 태스크 완료율 및 응답 품질 검증이 없는 순위 결과는 거짓된 정밀도(False Precision)를 유발할 수 있으므로 진단 절차는 필수적입니다.

## 컨조인트 파이프라인

제공되는 컨조인트 파이프라인은 속성, 수준, 선택 태스크를 필요로 합니다. 다음과 같은 구성요소를 사용합니다:

1. 설계를 위한 `conjoint-design-v1`
2. 통제된 선택 수집을 위한 `panel-conjoint-collection-v1`
3. 추정을 위한 `multinomial-logit-v1`
4. 진단을 위한 `conjoint-validation-v1`
5. 설정된 시뮬레이션을 위한 `conjoint-share-simulation-v1`
6. 결과 해석을 위한 증거 종합 단계

산출물은 설계, 응답, 추정치, 진단, 시뮬레이션 점유율, 증거를 그대로 보존합니다. 이는 분석 경로의 재현성을 보장하지만, 합성 데이터 기반의 선택 결과를 실제 관측된 시장 수요로 전환해 주는 것은 아닙니다.

## 스코어링 및 프라이싱 방법론

NPS, Top/Bottom Box, 핵심 동인, TURF, Gabor-Granger, Van Westendorp, Kano는 방법론별 고유 설정과 계산기를 바탕으로 '수집-계산-종합'이라는 공통 구조를 공유합니다. 해결하고자 하는 리서치 질문이 방법론과 정확히 부합해야 합니다.

프라이싱의 경우 합성 데이터 결과는 방향성을 파악하는 용도로 활용됩니다. 시나리오 비교, 사용 언어 진단, 실제 조사 도구 개선에는 유용하지만, 적절한 행동 데이터나 인간 대상 증거 없이 정확한 지불 용의 금액(WTP)으로 해석해서는 안 됩니다. 자세한 내용은 [가격 책정 리서치 방법론 가이드](/blog/pricing-research-methods-guide)를 확인하세요.

## 파이프라인 산출물 및 폴백

등록된 방법론은 어떤 산출물이 필수인지, 실행이 불안정하거나 설정이 불충분할 때 어떤 방법론이 대체(Fallback) 수단으로 작동하는지 명시합니다. 대체 실행 여부는 투명하게 공개되어야 합니다. 설문지 결과를 컨조인트나 MaxDiff 연구가 완료된 것처럼 잘못 표기해서는 결코 안 됩니다.

리서치 결과물은 응답 규약 및 분류 체계에도 의존합니다. 결정론적 추정은 승인된 응답이 해당 방법론에 필요한 형식을 충족한 후에만 시작됩니다. 이러한 산출물 추적 경로가 있기에 요약 내용과 기반 응답 및 계산 과정을 대조하여 검증할 수 있습니다.

## 이 카탈로그가 입증하는 것

이 카탈로그는 Minds가 이러한 방법론들을 리서치 시스템 내에서 언제든 사용 가능한 버전 관리 파이프라인으로 체계화했음을 보여줍니다. 하지만 이것이 보편적인 외적 타당성을 증명하는 것은 아닙니다. 검증은 다음 두 가지 계층으로 이루어집니다:

- 구현 검증: 설계와 계산기가 명세대로 정확히 작동하는가
- 증거 검증: 합성 응답이 의사결정에 필요한 실제 인간 또는 행동 기준 지표를 정확히 따르는가

두 계층 모두 필수적입니다. [정량 파이프라인 vs 페르소나 챗 비교](/comparison/quantitative-research-pipelines-vs-ai-persona-chat) 및 [합성 오디언스 검증 비교 분석](/comparison/synthetic-audience-validation-and-accuracy)을 참고하세요.

## 적합한 방법론 선택하기

- 문제 정의나 고객의 언어가 명확하지 않을 때는 정성 탐색을 사용하세요.
- 상대적 우선순위를 결정해야 할 때는 순위 선호도나 MaxDiff를 사용하세요.
- 제품 번들 및 다중 속성 간의 절충(Trade-off)이 중요할 때는 컨조인트를 사용하세요.
- 가격 책정 질문의 성격에 따라 Gabor-Granger 또는 Van Westendorp를 사용하세요.
- 조합 간 증분 도달률이 중요할 때는 TURF를 사용하세요.
- 기능 기대치 범주를 파악할 때는 Kano 모델을 사용하세요.
- 오디언스 그룹 간 차이에 따라 의사결정이 달라질 때는 세그먼트 비교를 사용하세요.
- 의사결정에 외부 검증이 반드시 필요할 때는 실제 인간 또는 행동 연구를 병행하세요.

이 카탈로그를 [Minds 방법론](/research/methodology), [Minds 리서치](/research), [검증 체크리스트](/research/synthetic-audiences-validation-checklist), [합성 응답자 플랫폼 허브](/blog/synthetic-respondents-comparison-hub)와 함께 활용하세요.