오픈서베이는 합성 페르소나를 어떻게 구현했을까?

합성소비자 시리즈의 앞선 글에서, 합성 페르소나는 "소비자가 왜 그렇게 느낄 수 있는지"를 탐색하는 도구라고 정의했습니다. 여기서 자연스럽게 다음 질문이 이어집니다. "이 페르소나는 어떤 과정을 통해 만들어지며, 도출된 답변을 비즈니스 의사결정에 어디까지 활용할 수 있을까?"

이번 글에서는 오픈서베이가 합성 페르소나를 구축하는 과정을 소개합니다. 만드는 방식을 투명하게 공개하는 이유는, 사용자가 결과값의 신뢰 수준을 스스로 판단하고 현명하게 활용할 수 있도록 돕기 위해서입니다.

'그럴듯한 답'과 '근거 있는 답'의 차이

범용 LLM에 "30대 직장인 여성 소비자처럼 답해줘"라고 요청하면, 수 초 내에 그럴듯한 답변이 생성됩니다. 하지만 치명적인 문제가 있습니다. 답변의 출처를 확인할 방법이 없다는 점입니다. 이는 LLM이 학습한 웹 데이터의 보편적인 패턴을 흉내 낼 뿐, 현재 한국 시장의 타깃 데이터를 직접적으로 반영하지 않기 때문입니다.

반면, 기업이 내부 데이터 전체를 직접 모델링해 가상 고객을 구축하는 방식은 근거는 확실하지만 초기 구축 비용이 매우 높습니다. 실무 과정에서 수시로 발생하는 가볍고 뾰족한 질문을 해결하기에는 너무 무거운 솔루션입니다.

오픈서베이는 이 사이에서 제3의 길을 택했습니다. 실제 소비자 데이터에 기반하되, 사용자가 타깃을 입력하는 즉시 가볍게 생성하는 방식입니다.

출발점은 '실제 소비자 데이터'입니다

오픈서베이의 합성 페르소나는 미리 박제된 가상 인물이 아닙니다. 사용자가 궁금한 타깃을 입력하면, 이를 구현하기에 가장 최적화된 실제 데이터를 검색하는 과정부터 시작합니다. 다양한 산업군과 채널을 분석해온 오픈서베이의 트렌드 리포트 데이터가 기본 원천이 되며, 자사 데이터를 축적해 온 고객이라면 내부 데이터까지 함께 활용할 수 있습니다.

이처럼 출발점을 실제 데이터에 둔 이유는 명확합니다. 페르소나와 답변이 어떤 데이터에서 도출되었는지 사용자가 인지해야, 어디까지 신뢰하고 참고할지 판단할 수 있기 때문입니다.

합성 페르소나, 4단계 생성 프로세스

1. 데이터 검색 (Data Sourcing): "한국 스킨케어 제품의 미국 진출 타깃이 궁금해"와 같이 질문을 입력하면, 관련성이 높은 [미국 K뷰티 트렌드 데이터]를 검색하여 원천 소스로 지정합니다.

2. 세그먼트 분석 (Segmentation): 검색된 데이터 내에서 두 가지 작업이 동시 진행됩니다. AI가 리서처처럼 시장 상황에 맞는 세그먼트를 제안하고, 분석 엔진은 이를 교차 검증하여 실제로 유의미하게 구분되는 집단인지를 확인합니다. 그리고 데이터 내에서 확실히 분절되는 집단만을 최종 후보로 남깁니다.

3. 페르소나 생성 (Persona Generation): 확정된 세그먼트의 성별, 연령, 라이프스타일, 구매 행태를 바탕으로 그 집단의 핵심 특징을 추출하여 페르소나를 생성합니다. 이때 입혀지는 속성은 "일반 소비자 대비 해당 세그먼트에서 두드러지는 차별점"입니다. 이를 통해 전형적이고 평균적인 인물이 아닌, 해당 타깃다운 페르소나가 도출됩니다.

4. 근거 기반의 대화 (Grounding): 대화 과정에는 두 가지 역할이 동시에 작동합니다. 소비자처럼 말하는 페르소나와, 그 답변이 실제 데이터 범위를 벗어나지 않도록 제어하는 분석 엔진입니다. 답변 이면에는 데이터 분석 결과가 존재하며, 직접적인 답이 없는 경우에도 어떤 특성을 기반으로 추론했는지 명시합니다. 예를 들어 답변 하단에 근거가 된 데이터의 응답 경향을 함께 표시하는 식입니다.

어디까지 참고하고, 무엇을 주의해야 할까

이렇게 생성하더라도 합성 페르소나의 답변은 실제 소비자의 '직접 발언'이 아닙니다. 시장을 대변하는 인용문으로 쓰기보다는, 잘 모르는 시장 또는 소비자에 대한 이해를 넓히거나 다음 조사에서 확인할 가설을 도출하는 용도로 사용하는 것이 가장 올바른 활용법입니다.

원천 데이터가 풍부한 주제일수록 답변의 근거는 단단해지며, 데이터에서 멀어질수록 추론의 비중은 높아집니다. 오픈서베이는 이 '근거'와 '추론'을 명확히 구분하여 보여줍니다. 사용자는 어떤 답이 데이터에 기반하고 어떤 답이 추론인지 확인하며 대화할 수 있습니다. 단, 가격 수용도나 구체적인 구매 의향처럼 실제 의사결정에 직결되는 지표는 실제 소비자 조사를 통해 최종 검증해야 합니다.

Dataspace AI에서 지금 시작하세요

합성 페르소나는 Dataspace AI 위에서 작동합니다. 인터뷰가 종료되면 대화 맥락을 이해한 DS AI에게 요약 보고서를 요청할 수 있고, 도출된 가설을 실제 소비자 대상으로 검증하기 위한 설문 설계까지 원스톱으로 이어갈 수 있습니다. 페르소나와의 대화가 단순한 문답으로 끝나지 않고, 다음 비즈니스 액션으로 연결되는 구조입니다.

다음 글에서는 실제 인터뷰 화면과 함께, 합성 페르소나와의 대화를 통해 무엇을 얻을 수 있는지 깊이 있게 다루겠습니다.