답변
먼저 정직하게 짚어야 할 한계가 있습니다. 설문 응답이라는 특성상 관찰 데이터로는 '상관관계'까지만 입증할 수 있고, 엄밀한 '인과관계'를 증명하려면 NPS 개선 개입을 한 그룹과 안 한 그룹을 비교하는 무작위 실험 설계가 필요합니다. 그래서 실무에서는 대개 '강한 상관관계'를 인과의 대리 근거로 쓰는 정도에 그친다는 점을 먼저 알고 접근하시는 게 맞습니다. 실행 가능한 방법은 코호트 분석입니다. NPS 응답자를 프로모터(9~10점)·패시브(7~8점)·디트랙터(0~6점) 세 그룹으로 나누고, 설문 응답 시점 이후 일정 기간(3개월·6개월 등) 각 그룹의 재구매율을 추적해 비교하는 방식입니다. 이때 반드시 설문 응답자 ID와 구매 이력 데이터를 연결할 수 있어야 그룹별 실제 격차를 계산할 수 있으니, 설문 설계 단계에서 회원 ID를 함께 수집하는 게 전제 조건입니다. 그룹 간 차이가 우연이 아니라 통계적으로 유의한지 보려면 카이제곱 검정(재구매 여부와 NPS 그룹 간 독립성 검정)을 쓰고, NPS 점수와 재구매까지 걸린 기간의 관계를 보려면 상관계수나 로지스틱 회귀(재구매 여부를 종속변수로, NPS 점수를 독립변수로)를 쓰는 게 실무에서 흔히 쓰이는 접근입니다. 마지막으로 혼입변수를 꼭 주의하셔야 합니다. 고관여·고액 구매 고객일수록 NPS 응답률도 높고 재구매율도 높은 경우가 흔한데, 이런 제3의 변수(구매 금액·가입 기간)가 둘 다에 영향을 미치면 NPS 자체의 순수한 효과인지 구분이 안 될 수 있습니다. 회귀분석에 구매 금액·가입 기간 같은 통제변수를 함께 넣어야 이 오류를 줄일 수 있습니다.