NPS가 의료 클리닉의 매출을 정말 예측할까? 12주 동안 직접 확인해 보았습니다.

Source: Dev.to

왜 나는 의료 분야에서 NPS에 의문을 가졌는가 (시작 이야기)

브라질의 미용 의료 클리닉에서 6년 이상 일하면서 나는 NPS가 복음처럼 대우받는 것을 보았다: 모두가 NPS를 숭배했다.

매달: Net Promoter Score. 어느 임상의, 매니저, 혹은 경영진도 환자 “충성도”와 실적 사이의 연관 데이터를 제시하지 못했다. 그 격차가 나를 괴롭혔고, 호주 토렌스 대학교에서 Prof. Dr. Bushra Naeem (디지털 전환 ICT R&D 전문가) 아래에서 석사 과제로 깊이 파고들게 만들었다.

REM502의 구조는 이 불만을 체계적인 연구로 전환시켰다:

• Assessment 1 – Critical Literature Review
  12개 이상의 연구를 해부하고 격차를 찾아냈다. 나는 NPS가 재무와 연결된 근거가 없다는 점에 주목했다 – 문헌은 “환자 경험이 중요하다”(예: Godovykh & Pizam, 2023)고 외치지만, 의료 분야에서 수익 상관관계를 검증한 연구는 없었다. 이는 “지식 격차”(감정 감지, 감정‑결과 연계, NPS 약점)를 식별하고 내 방향을 설정했다: 실증적으로 검증한다.

• Assessment 2 – Research Tools & Methodologies
  격차를 바탕으로 직감을 과학으로 구체화했다. 연구 질문을 만들고(예: “NPS가 매출 성장과 상관관계가 있는가?”), 가설을 설정했다(H1: 긍정적 연관). 그리고 정량적 도구키트(Python 파이프라인을 이용한 상관/회귀)를 구축했다.

• Assessment 3 – Full Research Proposal
  모든 것을 하나의 출판 준비 계획으로 통합했다: 실용‑실증주의 설계, 윤리 프레임워크, ICT 소프트웨어 흐름. 이는 단순 학술을 넘어 생산 BI 시스템을 위한 청사진이다.

---

연구 결과 (그리고 빠진 부분)

나는 환자 경험, NPS 방법론, 충성도 이론, AI 기반 피드백 시스템을 다룬 12개 이상의 피어‑리뷰 논문을 검토했다.

우리가 아는 것

• 환자 경험은 충성도를 높인다 (Godovykh & Pizam, 2023)
• NPS는 널리 사용되지만 비판도 많다 (Dawes, 2024)
• AI 감정 분석은 기술적으로 강력하다 (Alkhnbashi et al., 2024)
• 환자 피드백은 운영 품질을 예측한다 (Shankar & Yip, 2024)
• 감정은 참여에 영향을 미친다 (Angelis et al., 2024)

아무도 하지 않은 것

❌ 의료 분야에서 NPS가 매출을 통계적으로 예측하는지 검증한다.

이 격차가 내 연구 질문이 되었다.

---

데이터셋 (27,000개 설문 응답, 36 개월)

Pro‑Corpo Estética, 브라질의 의료 그룹 덕분에 다음을 확보했다:

왜 이 데이터셋이 금광인가
우리는 흔히 쓰는 가정을 테스트할 수 있다: “NPS가 상승하면 매출도 상승한다.”

이제 확인해 볼 차례다.

---

데이터 파이프라인 (Python + Pandas + Statsmodels)

워크플로우

Raw CSV
→ Cleaning & Missing Values
→ Outlier Detection
→ Aggregation (clinic‑month)
→ Derived Metrics (revenue growth %, lagged NPS)
→ Correlation Tests
→ Regression Modelling
→ Visualisations / Dashboard

코드 예시: 상관 분석

import pandas as pd
from scipy.stats import pearsonr, spearmanr

df = pd.read_csv("clinic_nps_revenue_clean.csv")

# Calculate revenue growth
df['revenue_growth'] = df.groupby('clinic')['revenue'].pct_change() * 100

# Pearson Correlation
pearson_r, pearson_p = pearsonr(
    df['nps_score'].dropna(),
    df['revenue_growth'].dropna()
)

print(f"Pearson r = {pearson_r:.3f}, p = {pearson_p:.4f}")

계획된 모델

• Pearson & Spearman 상관관계
• 시차 변수를 포함한 선형 회귀
• K‑means 클러스터링 (클리닉 행동 패턴)
• 시각화 대시보드 (Streamlit)

---

NPS가 매출을 예측할까? (3가지 시나리오)

결정‑영향 프레임워크를 구축했다:

추가 자료

• GitHub:
• Portfolio: