---
title: "SPSS, R, Excel에서 Minds 조사 결과 분석하기 | Minds"
description: "조사 결과를 롱 포맷 CSV로 내보내 기존 분석 스택에서 바로 분석하세요. 페르소나 응답당 1개 행으로 구성되어 피벗 테이블, 교차분석, 데이터프레임 로드에 즉시 활용할 수 있습니다."
canonical_url: "https://getminds.ai/use-cases/ko/analyse-minds-results-in-spss-r-and-excel"
last_updated: "2026-10-01T14:22:11.321Z"
---

# SPSS, R, Excel에서 Minds 결과 분석하기

인사이트 팀에게 필요한 것은 또 다른 새로운 분석 플랫폼이 아닙니다. 교차분석 규칙, 가중치 부여 방식, 클라이언트에게 익숙한 차트 템플릿 등 모든 것은 이미 팀이 신뢰하고 사용하는 분석 도구 안에 구축되어 있습니다. 이러한 기존 툴과 호환되지 않는 리서치 솔루션은 파일럿 테스트 이후 버려지기 마련입니다.

Minds는 이러한 모든 분석 도구가 기본적으로 요구하는 깔끔한 롱 포맷(Long-format) 테이블 형태로 조사 결과를 내보냅니다.

## 내보내기 데이터 구조

원시 데이터는 페르소나 응답당 1개 행, 총 6개 열로 구성됩니다.

<table>
<thead>
  <tr>
    <th>
      열(Column)
    </th>
    
    <th>
      포함 내용
    </th>
  </tr>
</thead>

<tbody>
  <tr>
    <td>
      Question
    </td>
    
    <td>
      제시된 질문
    </td>
  </tr>
  
  <tr>
    <td>
      Group
    </td>
    
    <td>
      페르소나가 속한 타깃 세그먼트
    </td>
  </tr>
  
  <tr>
    <td>
      Persona
    </td>
    
    <td>
      개별 가상 응답자
    </td>
  </tr>
  
  <tr>
    <td>
      Discipline
    </td>
    
    <td>
      페르소나의 직무 또는 전문 분야 배경
    </td>
  </tr>
  
  <tr>
    <td>
      Answer
    </td>
    
    <td>
      집계 및 교차분석용 요약 응답
    </td>
  </tr>
  
  <tr>
    <td>
      Full response
    </td>
    
    <td>
      해당 응답을 내놓은 전체 정성적 이유 및 근거
    </td>
  </tr>
</tbody>
</table>

롱 포맷 구조는 매우 유용합니다. 피벗 테이블, 교차분석 엔진, `tidyverse` 파이프라인에서 바로 처리할 수 있는 표준 형태이므로, 분석을 시작하기 전에 데이터를 번거롭게 재가공할 필요가 없습니다.

## 도구별 데이터 연동 방법

**Excel 및 Google 스프레드시트:** CSV를 바로 열어 작업할 수 있습니다. UTF-8 BOM이 적용되어 있어 한글 및 다국어 텍스트가 깨지지 않고 유지됩니다. Question을 행으로, Group을 열로 지정해 피벗 테이블을 생성하면 표준 교차분석표가 완성됩니다.

**SPSS:** 조사를 `.sav` 파일로 내보내 바로 열 수 있습니다. 변수와 레이블이 사전 정의되어 있어 별도의 가져오기 마법사를 거칠 필요가 없습니다. 여러 도구 간 형식을 통일하고 싶다면 CSV 파일도 지원됩니다. <span>

파일

</span>

 → <span>

데이터 가져오기

</span>

 → <span>

텍스트 데이터

</span>

를 선택하고 쉼표 구분자 및 첫 번째 행을 변수 이름으로 지정하세요.

**R:** `read.csv("export.csv")` 또는 tibble 형식 생성을 위한 `readr::read_csv()`를 사용합니다. 롱 포맷이므로 데이터 변형 없이 `dplyr::count(Question, Group, Answer)`만으로 즉시 분포를 산출할 수 있으며, `Full response` 열을 활용해 텍스트 기반 정성 분석도 진행할 수 있습니다.

**Q, Displayr, Power BI, Tableau:** CSV를 플랫 파일(Flat file) 소스로 추가합니다. Question을 행 변수로, Group을 열 변수로 설정해 시각화 및 분석을 수행하세요.

**Python:** `pandas.read_csv()`로 불러온 후 `crosstab`이나 `groupby`를 적용합니다. 기존 설문조사 데이터 처리 스크립트 파이프라인에 그대로 통합하기에 적합합니다.

## 파일 내보내기 대신 자동화가 필요한 경우

일회성 분석이 아니라 반복적인 모니터링이 필요하다면 파일 다운로드 대신 API를 활용하세요. Bearer 키 인증 기반의 조사, 패널, 분석 엔드포인트를 제공하므로, 수동 작업 없이 스케줄러 작업을 통해 대시보드를 자동 갱신할 수 있습니다. 또한 [패널 분석 커넥터](/guide/looker-studio)를 통해 Looker Studio로 패널 분석 데이터를 연동하거나, 스프레드시트 중심 환경이라면 [Google 스프레드시트 부가기능](/guide/google-sheets)을 사용해 시트 내에서 직접 질문을 실행할 수도 있습니다.

## 분석 시 유의할 점

데이터 내보내기를 이용하면 가상 응답 데이터를 일반 설문조사 데이터처럼 손쉽게 다룰 수 있지만, 이것이 실제 인간 설문조사 데이터 자체는 아니라는 점을 기억해야 합니다. 합성 패널에서 도출된 수치는 모집단 전체의 통계가 아니라 해당 패널 내의 반응을 설명합니다. 이 데이터는 조건 간 비교, 잠재적 반론 파악, 가설의 우선순위 설정 등 방향성을 검토하는 용도로 활용하고, 실제 시장 침투율이나 수치적 빈도 검증은 실제 표본 조사를 통해 진행하세요.

가중치 부여, 유의수준 검정 기준, 차트 템플릿, 클라이언트 요구사항 등 기존 분석 워크플로우는 그대로 유지됩니다. 합성 데이터 레이어는 신속한 초기 방향성 파악을 돕고 분석 가능한 표를 즉시 제공할 뿐입니다.

## 프롬프트 예시

모든 타깃 오디언스에게 동일한 질문을 제시하고 짧은 구조화된 답변과 그 이유를 요청하세요. 그런 다음 원시 데이터를 내보내 그룹별 응답을 교차분석하면 어떤 세그먼트에서 의견 차이가 발생하는지 바로 확인할 수 있습니다.