교육 성과 판단

이번 영상에서는 마소전자마트가 홍동균 매니저의 노하우를 받아들여서 판매교육을 실시했을 때 과연 이 교육이 성과가 있었는가 여부를 판단하는 과정, 판단하는 방법을 함께 다뤄보도록 하겠습니다. 여러분께서 가지고 계시는 실습 파일의 12번 판매사원 교육성과 엑셀파일을 이용해서 함께 하실 수 있습니다. 마소전자마트의 새로운 신임 본부장님은 사내에 있는 여러 판매사원들 그 중에서 실적이 우수한 직원을 뽑았죠 그 사람이 바로 홍동균 매니저였고 홍동균 매니저가 어떻게 하면 자신이 매출을 크게 변동할 폭 없이 매출도 이익도 높은 상태 유지할 수 있는가 라고 하는 몇 가지 노하우를 이야기를 했습니다 고객을 다양한 방법으로 ABC 분석, 매출액을 기준으로 ABC 분석을 하거나 이탈 리스크를 가지고 ABC 분석을 한다거나 RFM 분석이나 코호트를 만든다거나 아니면 구매 주기에 따라서 적절한 제품을 추천한다거나 등등 여러 가지 방법을 이야기를 했습니다. 그런데 이 교육은 정말 효과가 있었을까요? 라고 하는 의문이 본부장님에게 떠올랐습니다. 본부장님은 정말 이 홍동균 사원의 교육이 각 판매사원들의 업무 성과 향상으로 이어졌는가 여부를 확인하고 싶습니다 만약에 확인을 해서 별다르게 효과가 없다라고 하면 빨리 다른 길을 찾고 새로운 시도를 해야 되는 거죠 그런데 그렇지 않고 이게 효과가 좀 있다라고 하면 그렇다면 이 노력을 이 방향에 좀 확신을 갖고 이 노력을 쭉 더 추진하면서 좀 더 정교하고 조금 더 깊이 있게 조금 더 각자의 어떤 상황에 맞게 좀 응용해 가고 변형을 해 가면서 좀 발전해 나가는 그런 노력을 경주할 필요가 있을 겁니다 이게 꼭 교육이 아니더라도 마케팅에서도 이러한 상황은 정말 많이 있습니다 우리가 기존에 판매하고 있던 어떤 이 제품에 대해서 이 제품의 디자인을 바꾼다거나 포장지를 변경한다거나 아니면 광고의 소재를 바꾼다거나 지금까지 이 광고의 타겟팅을 이러이러한 조건으로 했는데 그걸 바꿔본다거나 입찰 전략을 바꾼다거나 너무나 많은 우리가 좀 더 나은 성과를 하기 위해서 시도하는 것들이 정말 많이 있죠 이러한 시도를 했을 때 이 시도가 정말 효과가 있는 것인가 웹사이트 디자인을 바꾸는 것이 정말 매출 향상으로 이어지는 게 맞는가 내가 광고 소재를 빨간색으로 하는 것과 파란색으로 하는 것이 정말 이렇게 기존에 있었던 거에서 난 좀 나아지지 이렇게 하면 나아지지 않을까 라는 생각으로 변경을 가했는데 그게 진짜 성과 향상으로 이어졌다고 볼 수 있는가 그럼 우리 고객들은 앞으로도 내가 좀 파란색 위주의 광고 소재를 계속 쓴다면 좀 더 나은 어떤 성과를 얻는다고 기대해도 괜찮은 건가? 우리가 실질적으로 업무를 하면서 이런 의문이 들고 궁금할 때가 많이 있습니다. 이런 것들을 데이터를 가지고 판단할 수 있는 방법이 여러 가지가 있는데요. 그 중에서도 우리가 가장 쉽고 또 대중적으로 많이 활용할 수 있는 대표적인 방법을 하나 다뤄보겠습니다. 그건 바로 대응표본 T검정이라고 하는 것입니다. 이 대응표본 T검정은 정말 이름이 많습니다. 다른 말로 종속적 T검정이라고 하기도 하고요. 사전사후 검정이라고도 하고 정말 많은 이름들이 있습니다. 쌍체 비교 이런 표현도 쓰는데요. 어찌됐든 어떠한 이벤트를 중심으로 해서 이벤트 전과 후 사전과 사후를 비교함으로써 이 안에 뭔가 유의미한 통계적으로 유의미한 차이가 있는가 라고 하는 것을 판단하는 것이 바로 대응표본 T검정이고 우리가 어떠한 조치를 했을 때 이 조치의 효과를 판단하는데 가장 대표적으로 많이 쓰이는 방법이다 라고 말씀드릴 수 있습니다 그럼 이런 대응 표본 T 검정을 어떤 식으로 할 수 있는지 우리가 실습 파일을 가지고 간단하게 같이 한번 해보도록 하겠습니다. 실습 파일을 열어보시면 워크시트 하나가 있습니다. 01 교육 성과 판단이라고 하는 워크시트가 한 개 들어있고요. 이 워크시트는 여러 부분으로 좀 나뉘어져 있습니다. 크게 보시면 제일 왼쪽에는 마소전자마트의 수많은 판매사원들의 이름이 있고 이 판매사원들이 작년에 이 교육을 받은 이후 예를 들어서 교육이 4월달에 진행이 됐다라고 치겠습니다 교육이 4월달에 진행이 됐다면 그렇다면 5월달에 매출액을 가지고 이제 비교를 하는 겁니다 그래서 올해 5월달 올해 5월에 매출액 그리고 이 교육은 올해 4월에 이루어졌으니까 전년동기 작년도 5월 작년 5월달에 매출액을 이 두 가지를 비교하라고 합니다 전년동기 대비법을 사용하는 것이죠 작년도 5월 올해 5월 매출액 비교 한 명의 판매사원이 작년에는 얼마를 판매했는데 올해 매출은 얼마를 냈다 라고 하는 것을 비교해서 만약에 작년에 비해서 올해 매출이 굉장히 높아졌다 라고 하면 우리가 아 그러면 이 판매 교육이 좀 효과가 있었구나 라고 판단할 수 있다 라는 것이죠 그런데 이 마소전자마트에는 판매 직원들이 굉장히 많이 있습니다 여러 명의 직원들이 있고 이 직원들이 다 교육을 들었는데 홍동균 사원의 교육을 들었는데 그럼 모두 다 매출이 증가했는가 라고 물어보면 사실 그렇진 않습니다 그게 개인차가 있는 거죠 예를 들어서 알베르토라고 하는 판매 사원이 있는데 올해의 매출을 비교하니 겨우 13만원 정도가 늘었습니다 강남 상황 같은 경우는 오히려 마이너스가 됐죠 작년보다 오히려 줄어든 직원들도 있습니다 259,000원, 17만원, 10만원 정도가 오히려 교육을 받은 후에 줄어든 직원도 있는 거죠 누군가는 늘었고 누군가는 감소를 했습니다 교육을 받았다고 해서 모든 사람이 다 매출이 늘어나는 것도 아니고 모든 사람이 다 감소하는 것도 아니고 제각각인 거죠 이렇게 제각각인 상태는 우리에게 판단을 하는데 너무 혼란스럽고 어렵습니다 그렇기 때문에 그래서 이것을 평균을 내봤습니다 자 이제 평균을 냈습니다 개인별로는 모두 다르니 그렇다면 평균을 내보자 그러면 작년도에 작년도에 이 매출은 그래서 각각의 판매사원들이 평균적으로 얼마였는가 라고 해보니 개인별로는 차이가 있으나 평균으로 보면 7,249,000원 정도 매출을 냈습니다 그리고 올해는 그것보다 좀 올랐는데요 올해의 매출액의 평균을 내보니 올해는 7,490,000원 정도의 매출액을 냈습니다 그냥 단순히 표본 데이터를 평균으로 요약을 한 결과를 보면 작년보다는 올해가 더 매출액이 높으니까 그렇다면 이것은 교육의 성과가 있구나 라고 판단할 수 있는 걸까요? 사실은 그렇지 않다는 걸 우리 모두 경험적으로 압니다 만약에 작년에 한 700만원이었는데 올해는 한 7천만원이 됐다 정말 그 정도까지 뛰었다면 그럼 우리가 아 이게 정말 교육의 성과가 있구나 라고 말할 수 있을지도 모릅니다 하지만 평균적으로 한 달에 724만원 정도였던 매출이 749만원 정도가 됐다 라고 하면 오르긴 올랐는데 이게 그냥 어쩌다 보니 원래 매년 같은 시기라고 해서 매출액이 똑같은 건 아니니까요 어쩌다 보니 우연히 뭐 그 정도는 조금 뭐 원래 좀 더 커질 수도 있고 작아질 수도 있는 거니까 그런 좀 일반적인 어떤 범위 안에 있다고 봐야 되는 것인가 아니면 이것이 정말로 이 판매 교육 이 판매 홍동균 매니저의 판매 노하우 교육이 정말로 효과가 있어서 비록 아직은 그 차이가 좀 작게 나타나긴 하지만 어쨌든 이게 진짜 효과가 있어서 그래서 정말로 차이가 확 나는 것인가 라고 하는 것을 판단할 필요가 있다라는 것이죠. 우리가 이럴 때 사용하는 것이 바로 대응표본 T검정, 다른 말로 종속적 T검정이라고 합니다. 그런데 이러한 대응표본 T검정을 하는 방법이 엑셀 프로그램을 만약에 이용한다. 우리가 지금 왼쪽에 있는 데이터를 가지고 그렇다면 이 차이가 정말 우연인가 아니면 정말 통계적인 의미가 있는 차이인가라는 것을 판단하려고 하는 건데 이러한 대응표본 T검정 이라고 하는 것을 실행을 하는 방법이 엑셀에서는 크게 두 가지 정도의 방법이 있습니다 하나는 지금 보시다시피 통계 함수를 활용하는 거고요 또 하나는 데이터 분석 기능을 이용하는 겁니다 어떤 걸 하시든 사실 상관없습니다 둘 다 유용하고 여러분께서 조금 더 편리한 방법을 쓰시면 되겠습니다 우리는 여러분께서 좀 더 본인에게 맞는 방법도 편한 방법을 찾으실 수 있도록 두 가지 방법을 모두 다 실행을 해보려고 합니다 그런데 이런 함수를 사용하든 데이터 분석 기능을 사용하든 우리가 미리 우리가 분석하고자 하는 곳에 이름을 지어 두면 조금 더 다루기가 쉽습니다 그래서 우리는 여기 예를 들어 전년 동월 매출 그리고 올해 월 매출이라고 하는 우리가 분석해야 하는 두 개의 데이터 집합 이것을 좀 정리하자면 이렇게 되는 거죠 사전 데이터가 되는 거죠 전년도 매출이라고 하는 건 사전 데이터인 거고 중간에 사건이 있었습니다 바로 판매 노하우 교육이라는 사건이 있었던 거죠 그리고 사후 데이터로 올해의 매출이 있었습니다 우리가 엑셀에서 함수를 이용하든 데이터 분석 기능을 이용하든 사전 데이터 그리고 사후 데이터에 미리 이름을 좀 지어 두시면 훨씬 다루기가 편리합니다 이름을 짓는 방법은 해당하는 범위를 모두 잡으셔서 위쪽에 이름 상자에다가 원하시는 이름을 정해주면 되는 건데요 수식 메뉴 위쪽 상단 메뉴의 수식을 보시고 수식의 이름 관리자를 클릭해보시면 지금 보시는 것처럼 올해의 월매출을 올해 매출이라는 이름으로 또 올해의 전년도 매출을 전년도 동월 매출을 전년 매출이라는 이름으로 미리 해당하는 범위를 다 잡아 두었습니다. 이 이름을 활용해서 우리가 해보도록 하겠습니다. 그래서 잘 보시면 평균을 내는 것도 해당하는 이름을 활용하고 있다 라고 하는게 보이시죠? 자 그러면 통계 함수를 좀 활용해 볼까요 통계 함수를 활용하는데 우리가 이러한 검정을 할 때 처음 해야 하는 첫 번째 단계에서 우리가 해야 되는 것은 가설을 수립하는 겁니다 우리는 항상 어떠한 차이가 통계적으로 유의미한가라는 것을 확인하려면 가설이 필요하고요 이때 가설은 귀무가설과 대립가설이라고 하는 두 가지로 구별이 됩니다 귀무가설을 아주 간단하게 설명하지만 귀무가설이란 건 한마디로 이 둘 사이에 아무런 관계도 없고 차이도 없고 영향도 없고 한마디로 아무것도 없다 이건 무조건 아무 상관없다 라고 할 때 사용하는 것이 바로 귀무가설이고요 대립가설은 귀무가설에 완전히 반대되는 가설입니다 그래서 이 가설이라고 하는 것은 검정이 끝나면 반드시 둘 중 하나가 선택되게 되어 있습니다 그래서 귀무가설 또는 대립가설 둘이 완전히 반대가 되고 우리는 검정 과정을 통해서 귀무가설을 기각할 것인가 말 것인가를 결정을 합니다 그래서 결론은 항상 귀무가설을 기각한다 또는 귀무가설을 기각하지 않는다 라는 형태로 나오게 되고요 이때 귀무가설이 만약에 기각된다 라고 하면 귀무가설은 기각됐으니까 이건 틀렸어 라고 결론이 나왔기 때문에 이때는 우리가 귀무가설을 기각하고 대안으로서 대립가설을 채택하게 된다 라고 말할 수 있습니다 이게 바로 가설 검정의 기본적인 원리죠 자 그러면 귀무가설부터 우리가 지어 보도록 하겠습니다 귀무가설은 한마디로 전년도 매출과 올해 매출의 평균의 차이가 없다는 것이죠. 전년도 매출과 올해 매출의 평균은 차이가 없다는 것이 바로 귀무가설입니다. 그렇다면 대립가설은 뭐겠습니까? 완전히 반대되는 가설이죠. 없다의 반대이기 때문에 있다 라고 적어주시면 되겠습니다. 전년매출과 올해 매출의 평균은 차이가 있다 이것이 귀무가설이 의미하는 것은 결국 지금 보기에 724만원, 749만원으로 봐서 차이가 있어 보이지만 사실 이것은 우리가 주사위 하나를 가지고 주사위를 던져도 1부터 6까지 매번 같은 수가 나오는 게 아니라 때로는 조금 큰 수가 나오기도 하고 때로는 조금 작은 수가 나오는 것처럼 사실 이 사이에는 차이가 없고 그냥 그 정도는 우연히 어떤 상황에서는 우연히 발생할 수 있는 차이다라고 보는 것이 귀무가설입니다 대립가설은 그렇지 않고 이 둘은 엄연히 차이가 있다. 그런데 이 둘 사이에서 달라진 부분이라고 하는 것은 홍동균 매니저의 판매 노하우를 교육한 것이기 때문에 이 둘 사이에 차이가 있다 라고 판단을 한다면 그러면 이 교육이 효과가 있다고 보는 것이 옳겠다 라는 것이 바로 대립가설입니다. 이렇게 가설을 선택하고 나면 우리는 다음으로 유의 수준이라는 것을 정하게 되는데요 유의 수준이라는 것은 우리가 한마디로 우리의 이 가설 검정이 혹시라도 우리가 잘못 판단해서 틀릴 경우에 그 틀릴 확률이 이 정도 되는 수준쯤은 우리가 좀 감수하고 가겠다고 우리가 허용할 수 있는 오차의 한계, 틀릴 확률의 한계 이것이 바로 유의 수준이라는 겁니다 대략적으로 비즈니스 애널리틱스에서는 절대적인 수치는 아니지만 비즈니스 애널리틱스에서는 보편적으로 유의 수준은 5% 정도로 우리의 판단이 항상 100% 다 맞을 수는 없기 때문에 대략적으로 한 95% 정도는 맞을 것 같다 라고 한다면 혹시 우리 생각이 틀릴 5%의 확률이 존재하더라도 그래도 받아들이고 결정하고 간다 라는 개념이 바로 유의 수준입니다. 0.05인 거죠. 그러면 실질적으로 이것은 유의 수준은 우리가 정한 임계값입니다. 이 정도 수준까지는 허용하겠다 라고 하는 것이죠. 그럼 실질적으로 이 틀릴 확률이라고 하는 유의 확률이 얼마인가 라고 하는 것을 같이 계산해 보도록 하겠습니다. 통계함수를 사용할 때는 이때 사용하는 함수가 바로 T.TEST라고 하는 함수를 사용합니다. T.TEST 함수로 입력할 수 있습니다. T.TEST에서 선택합니다. 선택하신 후에 인자를 입력하게 되는데요 첫번째는 array1 이라는 것을 입력합니다 array1 이라는 것은 우리가 검증하고자 하는 데이터 배열을 말합니다 아까 우리가 이름을 지어둔 전년매출 이라고 생각하시면 되겠습니다 array2 라고 하는 것은 두번째 배열인 거죠 올해의 매출입니다 이것을 범위로 선택해도 좋지만 이렇게 이름을 미리 지어 주시면 조금 더 편리하게 하실 수 있습니다 다음으로 우리는 이것이 단측 분포인가 양측 분포인가 라고 하는 것을 판단해야 됩니다 우리는 단측 분포를 쓰도록 하겠습니다 하나가 다른 것보다 큰가를 판단하는 것이 바로 단측 분포이고 양측 분포라는 건 단측 분포 선택 다음으로 우리는 1, 2, 3, 3가지 중에 하나를 선택해야 됩니다. 어떠한 종류의 T검정을 실행하고 있는가? 우리가 실행하고자 하는 것은 사전의 데이터, 어떠한 조치, 이벤트, 홍동균 매니저의 판매노하우 교육 이벤트의 이전 사전 데이터와 사후 데이터 두가지를 비교하는 대응표본 T검정 대응표본 1 이 두 배열이 정말로 전년 매출과 올해 매출의 평균의 차이가 정말 있는 건가? 한쪽이 다른 쪽보다 통계적으로 유의미하게 큰 건가? 작은 건가? 라고 하는 것을 판단하는 유의 확률 p-value를 구할 수가 있습니다. p값이 소수점 아래로 정말 많이 내려갔는데도 불구하고 어떤 숫자가 보이질 않고 그냥 0 0 0 보이시죠? 한마디로 무지무지무지 작습니다. 우리가 계산한 결과의 p-value, 유의 확률 p라고 하는 것이 엄청나게 작은 것을 볼 수가 있습니다. 우리가 계산한 유의 확률 P라고 하는 것이 아까 우리가 정했던 유의 수준 우리가 허용할 수 있는 임계치 유의 수준 이것을 다른 말로 알파라고 적습니다 비즈니스 애널리틱스에서는 통상적으로 알파를 5% 즉 0.05 정도로 설정을 합니다 우리가 이 정도까지 봐줄 수 있어 라고 하는 유의 수준 알파보다 우리가 실제로 계산한 p가 훨씬 작죠 p가 알파보다 매우 작습니다 이렇게 p가 알파보다 매우 작을 경우에는 우리가 이런 경우에는 귀무가설을 기각하고 대신 대립가설을 귀무가설을 기각하고 대립가설을 채택합니다. 만약에 P가 알파보다 크다 라고 하면 반대로 귀무가설을 기각할 수 없습니다. 대립가설은 채택되지 않죠. 이러한 방식으로 어떤 가설을 선택할 것인가 라고 하는 것은 우리가 계산한 유의 확률 P와 우리가 정한 임계값 알파를 비교함으로써 판단을 하게 됩니다. 우리가 계산한 p-value가 알파보다 훨씬 작기 때문에 우리는 그렇다면 귀무가설을 기각하고 대립가설을 채택하겠다 라고 결론을 내렸습니다 한마디로 전년도 매출과 올해 매출의 평균에 차이가 있는 거죠 이것은 통계적으로 유의미한 차이가 있다라는 것입니다 즉 올해 매출이 전년매출보다 큰데 이게 우연히 그런게 아니라 정말로 이 사이에는 뭔가 정확한 정체는 모르지만 통계적으로 분명한 차이를 갖고 오는 무엇인가가 있었다 라고 판단할 수 있는 거죠 그런데 같은 판매사원이 동기 작년 5월이나 올해 5월이나 같은 시기에 같은 제품을 판매하고 있는데 그럼 달라진 점은 뭡니까? 결국 판매 교육이 중간에 있었고 이 교육이 이러한 통계적으로 유의미한 차이를 가져왔다 라고 우리가 판단하게 되는 거죠 그러므로 우리가 사전 데이터와 사후 데이터를 어떠한 중간에 이벤트 조치 이벤트가 있습니다 어떠한 이벤트가 있을 때 사전 데이터와 사후 데이터를 대응표본 T검정을 해서 만약에 귀무가설이 기각되고 대립가설이 채택된다 라고 하면 우리는 같은 것을 두 번 같은 조건 하에서 평가를 했는데 통계적으로 큰 차이가 발생을 한 거기 때문에 이것은 아 그렇다면 가운데 있었던 이 이벤트가 해당하는 차이를 불러 왔구나 라고 판단할 수 있다라는 것입니다 그렇다면 우리가 이걸 토대로 어떤 판단을 할 수 있습니까? 비록 지금 어떤 사람은 매출이 오히려 낮아지는 이런 모습도 있었지만 이건 분명한 효과가 있는 조치이므로 믿고 계속 조금 더 잘 할 수 있도록 숙련해 나가고 조금 더 자기에게 좀 체득을 하고 열심히 연습을 하고 이러한 판매 성과를 높이기 위해서 배운 내용을 잘 실행을 해보면 전국에는 분명히 성과가 높아질 거다 라는 어떤 믿음 방향성을 가질 수 있다는 것이죠 우리가 대응표본 T검정을 통해서 중간에 있는 조치의 유효함을 확인할 수 있는 크나큰 이점이 있습니다 그러면 이러한 대응표본 T검정을 엑셀의 데이터 분석 기능으로도 한번 해보도록 하겠습니다 엑셀의 데이터 탭에서 오른쪽 끝 부분에 있는 데이터 분석을 실행하도록 하겠습니다. 엑셀 데이터 탭의 오른쪽 끝에 있는 데이터 분석을 실행하겠습니다. 만약에 여러분의 엑셀 프로그램에 현재 데이터 분석 이라고 하는 해당 메뉴가 안 보이신다 라고 하시면 이 분석 기능을 꺼내기 위해서 실습 환경의 데이터 분석 기능 사용 영상 별도 영상을 참고하시기 바랍니다. 데이터 분석 기능을 실행하시면 여러가지 통계 분석법이 있는데요. 그 중에 아래에서 네 번째쯤에 보시면 이렇게 T검정 쌍체 비교 라고 하는 메뉴가 있습니다. 이게 바로 대응표본 T검정의 또 다른 이름입니다. 쌍체비교 대화상자 우리가 분석하고자 하는 데이터를 입력하는 공간이 있고 아래쪽에는 이 검정의 결과를 출력하는 이러한 부분이 있습니다 우리는 위쪽에 이제 우리가 필요로 하는 데이터를 입력해 보도록 하겠습니다 전년도 매출과 올해 매출 데이터 검정의 대상인 두 어레이를 선택해 주면 되겠죠 그리고 출력 범위는 출력 범위를 선택해서 이 위치는 여기쯤으로 하도록 하겠습니다. W4쯤 될까요? W4쯤 되는 이 위치를 우리가 선택해서 결과가 나오도록 해보도록 하겠습니다. 자 그럼 실제로 입력해 볼까요? 변수 1의 범위를 입력해야 되는데요. 우리가 분석하고자 하는 첫 번째 변수는 전년도 매출입니다. 그래서 우리는 이름 그대로 전년매출이라고 지정해 주도록 하겠습니다. 지금 보시는 것처럼 미리 우리가 분석할 대상이 되는 배열을 이름을 정해두면 통계 함수를 사용하시든 데이터 분석 기능을 사용하시든 굉장히 편리하게 활용할 수 있습니다 두 번째 변수는 올해 매출이 되겠죠 우리는 전년 매출과 올해 매출을 대응표본 T 검정하고자 합니다 결과는 출력 범위 선택하시고 출력 범위는 여기 W4 셀을 선택하도록 하겠습니다. 이제 확인 누르시면 둘 사이에 대응표본 T검정 결과가 이렇게 나타나게 됩니다. 대응표본 T검정의 결과가 나타납니다. 지금 보시면 우리가 변수 1 즉 전년도 매출과 변수 2 올해 매출 대응표본 T검정 단측검정을 한 결과, 얻게 되는 P-Value의 값이 여기 들어있는 걸 볼 수 있습니다. 지수적으로 표현되어 있는데요. 이것은 E-17 이라고 하는 것은 소수점 아래로 17자리까지 내려가서 이제 얘기가 시작된다. 이 숫자가 나타난다 라고 하는 뜻입니다. 소수점 아래로 한 10개 정도 자릿수 이상 내려갔는데도 모두 0으로 표시가 됐잖아요. 이 굉장히 아래쪽 소수점 17자리쯤 내려가면 거기서 나타나게 되는 숫자값은 4.60781 정도 된다. 그러니까 0.00000460781 정도로 이 p값이 굉장히 작다라고 하는 것을 이 분석 결과로도 알 수가 있습니다. 방법은 달랐지만 p-value를 구해내는 방법은 다르지만 일단 이렇게 값을 얻게 되면 판단하는 방법은 동일합니다 언제나 그래서 p-value가 우리가 정한 임계 수준 알파보다 큰가 작은가를 토대로 가설의 선택을 결정하게 되고요 만약에 유의률 p라고 하는 것이 알파보다 작다 라고 하면 귀무가설을 기각하고 대신 대립가설을 채택하게 된다 라는 것입니다 어떤 방법을 사용하시든 여러분께서는 동일한 결론을 얻으실 수 있습니다 지금 보시다시피 이렇게 대응표본 T검정을 이용해서 우리는 현재 홍동균 사원의 판매 교육이 과연 효과가 있는가 라고 하는 것을 판단했는데요 비슷하게 우리가 예를 들어서 광고 소재를 변경한다거나 웹사이트 디자인을 바꿨다거나 어떠한 변경을 가했을 때 이 조치가 정말 효과가 있었는가 라고 판단할 때도 동일한 방법으로 대응표본 T검정을 이용해서 사전, 사후 데이터를 비교함으로써 우리가 중간에 있었던 조치가 정말 통계적으로 유효한 차이를 가져오는 의미 있는 조치였는가 라고 하는 것을 판단할 수 있습니다.