이미지의 일부로 빈 곳을 채우는 AI.
고객의 행동으로 니즈를 읽어내는 AI.
이미지 복원 AI는 보이는 조각과 학습한 패턴을 연결해
가려진 영역을 복원합니다.
RE:SEARCH는 고객이 남긴 말과 행동에
LLM의 추론 능력과 소비자 이론을 연결합니다.
리뷰 한 줄, 비교한 제품, 구매를 망설인 순간에서
선택을 만드는 니즈와 맥락을 읽어냅니다.
“효과가 좋고, 가격이 합리적이면 사겠어요.”
그 대답만으로는 고객의 마음을 움직일 이유가 보이지 않습니다.
같은 질문“이 프리미엄 영양제를 구매하시겠어요?”
“퇴근하면 지쳐서 간편하게 챙기고 싶어요. 효과가 확실하고 가격이 합리적이면 꾸준히 먹을 것 같아요.”
“가족 챙기느라 제 건강은 뒷전이죠. 성분을 믿을 수 있고 가격 부담이 적으면 구매할 의향이 있어요.”
“운동만큼 영양 관리도 중요하다고 봐요. 효능이 검증되고 가격이 적당하면 한번 시작해보고 싶네요.”
설정도, 말투도 다릅니다.
그런데 누구에게 무엇을 다르게 제안해야 할까요?
평균적인 답으로 수렴개인의 차이가 지워지고 비슷한 응답으로 모이는 동질화.
긍정·동조 편향구매하지 않을 이유보다 질문자가 듣고 싶은 답에 맞추는 경향.
같은 질문“이 프리미엄 영양제를 구매하시겠어요?”
“일이 바빠서 아침도 잘 못 챙겨 먹습니다. 이거라도 챙겨 먹어야 내 몸을 챙긴다는 느낌이에요.”
“내가 버텨야 우리 가족들도 챙기죠. 그런 생각에 적어도 영양제는 비싸더라도 좋은 걸 먹고 싶어요.”
“운동하기 전 간단히 한 알 챙겨 먹으면 덜 피로한 느낌입니다. 아무래도 흡수가 빠른 게 중요한 것 같아요.”
같은 피로, 다른 구매의 조건.
고객의 서사에서 선택의 이유를 읽습니다.
SNS 반응·리뷰·인터뷰·리서치·시장 지표
→ 고객의 욕구·갈등·선택을 연결하는 서사
대표적인 ICP부터 롱테일까지.
실제 시장의 데이터를 근거로 고객의 이미지를 완성합니다.
프로필을 부여한 LLM의 응답 동질화와 사용자 의견에 동조하는 편향은 각각 연구에서 관찰된 문제입니다. 이를 고객 모델의 데이터 구성과 응답 검토에 반영합니다.
Persona Collapse · 응답 동질화 연구 ↗Sycophancy · 동조 편향 연구 ↗접근 방식의 비교입니다. 특정 제품의 성능 실험 결과가 아닙니다.흩어진 니즈를 한눈에 연결하고,
서로 다른 고객의 대화에서 기획의 방향을 찾습니다.
SNS의 반응, 커뮤니티의 질문, 구매 후 리뷰. 서로 다른 단서를 함께 읽습니다.
퇴근하면 소파랑 한 몸…
주말엔 아이랑 좀 놀아주고 싶은데
내 체력이 먼저 방전됨.
함량이 높으면 더 좋은 건지,
지금 먹는 영양제랑 겹치는 건지.
비교할수록 더 모르겠어요.
좋다는 말 듣고 샀는데 알이 커서
자꾸 손이 안 가네요.
꾸준히 먹기 편한 게 더 중요했어요.
직업과 관계, 돈과 시간의 쓰임까지. 선택을 만드는 생활의 서사를 담습니다.
갑작스러운 배차 변경과 현장 요청을 유연하게 조율합니다. 업무의 변수를 수습하고 나면, 저녁에는 기력이 남지 않습니다.
주말에는 아이들과 대부도·시화호 주변을 걷습니다. 격렬한 운동보다 가족과 풍경을 나누는 시간이 좋습니다.
월 400만 원 안팎의 수입으로 생활을 꾸립니다. 가족 외식이 잦아 식비가 늘고, 저축 계획은 가끔 뒤로 밀립니다.
커리어의 성장만큼 퇴근 후 자녀와 보내는 시간을 소중히 여깁니다. 집에서는 아내와 아이들의 이야기에 귀를 기울이고 싶습니다.
건강한 나물 요리를 직접 챙기면서도 아이들이 좋아하는 피자와 버거를 함께 즐깁니다. 건강 관리와 가족의 즐거움이 한 식탁에 공존합니다.
‘건강을 챙기는 40대’에서,
‘가족과 보낼 저녁의 여력을 원하는 사람’으로.
기존 합성 페르소나 프로필을 요약한 예시입니다. 개인의 실제 관찰 사실이 아닌, 리서치를 위한 합성 서사입니다.
원하는 결과 · 겪는 어려움 · 일상의 맥락을 하나의 맵으로.
비타민 B 제품 탐색 · 성분, 포장, 가격과 매일 먹는 방식에 관한 대화
새 비타민 B 제품을 고른다고 해볼게요. 성분, 가격, 먹는 편의 중에서 먼저 확인하고 싶은 게 뭔가요? 실제로 챙겨 먹는 하루를 떠올려 주세요.
저는 먹는 게 안 번거로웠으면 좋겠어요. 아침에 배차 바뀌었다고 전화 오면 챙기던 것도 놓치거든요. 한 번 먹을 만큼 따로 있으면 가방에 넣어둘 것 같아요.
챙기기 쉬워야 한다는 건 저도 같아요. 그런데 저는 낱개 포장까지는 잘 모르겠네요. 매일 먹을 거면 병에 든 게 편하지 않나요? 포장 때문에 비싸지는 건 싫고요.
저도 포장보다는 가격을 먼저 볼 것 같아요. 다만 싸다고 바로 고르진 않고요. 이미 먹는 약이 있으니까, 뭘 더 먹어도 되는지 확인하는 게 먼저예요.
세 분 다 꾸준히 먹기 쉬운 건 중요하다고 하셨네요. 상규님, 동건님은 낱개 포장 때문에 비싸지는 건 싫다고 하셨는데, 그 말씀은 어떠세요?
그건 저도 그래요. 편해 보인다고 돈을 더 내겠다는 뜻은 아니었어요. 지금도 안 챙겨 먹는 날이 있는데, 비싼 걸 사놓고 또 남기면 아깝죠.
아, 밖에서 먹을 수 있게 해두자는 거였군요. 그러면 이해는 돼요. 저는 오히려 여기저기 넣어두면 잊을 것 같아서, 집에서 늘 보는 자리에 하나 두는 게 낫겠네요.
두 분 말씀 들으니 포장 하나로 해결될 일은 아닌 것 같네요. 저는 먹는 시간이나 같이 먹는 걸 확인해야 해서요. 설명이 복잡하면 편하게 포장돼 있어도 손이 안 갈 것 같아요.
그럼 성분과 하루 기준 가격이 같다고 해볼게요. 적은 양으로 먼저 사는 제품과, 넉넉하게 한 병으로 사는 제품 중에서는요? 처음 살 때와 다시 살 때가 다를까요?
처음 먹는 거면 적은 양이 낫겠네요. 아까 병이 편하다고 한 건 계속 먹을 제품이라고 생각해서였어요. 괜찮아서 다시 사는 거면 그때는 큰 걸 고르겠죠.
저도 처음에는 적게요. 그런데 며칠 먹어보고 “효과 있네”라고 알 수 있을지는 모르겠어요. 적어도 제가 안 빼먹고 먹는지, 먹기 불편하진 않은지는 보겠죠.
저는 양을 고르기 전에 확인할 게 남아 있어요. 먹는 약이랑 같이 챙겨도 되는지 상담하고, 괜찮다고 확인되면 적은 양부터요. 작은 포장이라고 그 과정이 없어지진 않죠.
답변을 모으는 데서,
서로의 말에 반응하며 이유를 깊이 묻는 데까지.
기존 합성 페르소나를 활용해 제품 탐색 과정을 보여주도록 재구성한 대화 예시입니다. 실제 고객 인터뷰나 기존 73개 발언의 원문이 아닙니다.
인간의 재응답 일관성 대비 상대 정확도
미국인 1,052명의 자료를 활용한 연구에서, 인터뷰와 설문을 결합한 에이전트가 보인 결과입니다. 인구통계만 제공한 조건은 같은 기준에서 74%였습니다.
연구 원문 보기 ↗동일 인력·예산으로 늘어난 조사량
Electric Twin이 공개한 The Times 사례입니다. 제품 우선순위, 팟캐스트 이름, 잠재 독자 탐색 등으로 합성 고객의 활용을 넓혔습니다.
해외 고객 사례 보기 ↗짧은 댓글 한 줄도,
어떤 맥락에서 나온 말인지 중요합니다.
Datacast는 7년간 빅데이터와 SNS 자연어를 분석하며 기업에 소비자 버즈·리뷰 데이터를 제공해왔습니다.
소셜 리스닝과 자연어 분석의 경험을 실제 자료의 선택, 고객 모델의 구성, 구매 맥락의 해석에 연결합니다.
빅데이터 분석 전문 기업
대기업 및 정부 기관
프로젝트 수행
각종 SNS/리뷰/VoC
데이터 추출 및 분석
관련 특허 2건 보유 · 데이터 분석과 현업 적용의 축적
조사 전에는 질문과 가설을 넓히고, 조사 후에는 기존 자료로 후속 질문과 새로운 상황을 탐색하는 데 활용합니다. 합성 탐색에서 얻은 가설과 기획 대안은 실제 고객 조사로 확인합니다.
보유한 고객 인터뷰, 설문, 시장 보고서, 사용 가능한 SNS 반응과 리뷰에서 시작할 수 있습니다. 먼저 자료가 어떤 고객과 시점을 담고 있는지 확인하고, 충분히 다룰 수 있는 질문과 추가 자료가 필요한 영역을 정합니다.
자료와 맥락을 연결한 고객 모델, 구매 동기와 장벽에 대한 인사이트 후보, 제품 컨셉·광고 소구의 비교, 그리고 다음 검증 질문을 담은 브리프를 구성합니다. 실제 과제에 맞춰 결과물의 범위를 정합니다.
보유 자료, 이해하고 싶은 고객, 검토 중인 아이디어.
우리 팀의 과제에 RE:SEARCH를 어떻게 활용할지 함께 살펴봅니다.
