합성 포커스 그룹이 시장 조사에서 인기를 얻고 있는 이유

합성 포커스 그룹은 AI 생성 응답자를 사용하여 실제 인간 상호작용을 시뮬레이션합니다. 기본적으로 고객에 대한 데이터를 수집하고 이를 합성 시장 조사 도구에 입력한 다음 해당 정보를 기반으로 응답하는 합성 사용자를 생성합니다. 텍스트 채팅 외에도 설문조사, 인터뷰 및 합성 사용자 테스팅 연구를 실행하는 데 사용할 수 있습니다.

하지만 합성 응답자의 요점은 무엇일까요? 어차피 추측할 수 있었던 답변을 얻는 것뿐이라고 주장할 수도 있습니다. 실제로 새로운 정보를 발견하지 못한다면 이 접근 방식의 새로운 점은 무엇일까요?

물론, 참가자 모집과 신뢰할 수 있는 시장 조사원 고용 등으로 많은 비용과 시간이 소요될 수 있는 기존 조사 방법보다 저렴합니다. 게다가 지치지 않고 연중무휴 24시간 이용 가능하며 비용도 훨씬 적게 드는 시뮬레이션을 얻을 수 있습니다. 피로나 일정 충돌을 걱정하지 않고 계속 질문하고 필요에 따라 연구를 조정할 수 있습니다.

합성 포커스 그룹에는 많은 장단점이 있으며, 이 게시물에서는 작동 방식과 실제 사용 사례와 함께 대부분을 다룰 것입니다.

합성 고객 및 시장 조사에 대한 모든 것

합성 시장 조사는 AI 모델과 머신 러닝 시스템을 활용하여 실제 청중의 인구통계, 심리통계 및 행동 입력을 기반으로 현실적인 "합성 사용자"를 생성합니다. 이러한 합성 페르소나는 가상 고객처럼 행동하고 인간과 같은 방식으로 응답하여 마케터가 실제 참가자에게 전적으로 의존하지 않고 조사 연구를 수행할 수 있게 합니다.

그렇다면 정확할까요? 논란의 여지가 있습니다.

예를 들어, Google DeepMind와 Stanford의 연구에 따르면 GPT 기반 "합성 인물"이 실제 참가자의 설문조사 답변과 약 85% 일치하는 것으로 나타났으며, 이는 AI가 양질의 인간 데이터로 훈련될 때 실제 사용자를 밀접하게 모방할 수 있음을 증명합니다.

연구자들은 먼저 다양한 1,000명의 사람들로부터 포괄적인 생애 이력을 수집하기 위해 2시간 동안의 질적 인터뷰를 실시했습니다. 그런 다음 이러한 인터뷰를 GPT-4o에 입력하여 합성 페르소나 또는 "에이전트"를 생성했습니다. 다음으로 참가자와 해당 AI 에이전트 모두에게 General Social Survey(GSS) 및 Big Five Personality Inventory와 같은 일련의 사회과학 테스트를 완료하도록 요청했습니다.

결과는 에이전트가 참가자의 GSS 응답을 85%의 정확도로 재현했음을 보여주었습니다.

실제 뉴스룸 사용 사례에서도 유사한 패턴이 나타났습니다. Digiday Podcast 에피소드에서 The Times 및 Sunday Times의 GM인 Tracy Yaverbaun은 그녀의 팀이 합성 조사 기술을 실험해 왔다고 설명했습니다. 이를 테스트하기 위해 그들은 642,000명의 구독자 데이터베이스로 AI 생성 청중 패널을 구축했습니다.

The Times는 그런 다음 이러한 합성 응답자를 사용하여 새로운 비즈니스 팟캐스트의 이름을 확정하는 데 도움을 받았습니다. 그리고 DeepMind 연구와 마찬가지로 합성 응답을 실제 사용자와 비교했습니다. 합성 패널의 답변은 약 92% 정확했으며, 이는 기존 조사 벤치마크인 93%보다 단 1% 포인트 낮았습니다.

물론 모든 응답이 의미가 있는 것은 아니었습니다.

Times에서 원하는 새로운 경험이 무엇인지 물었을 때, 합성 고객들은 요약, AI 설명자 및 더 많은 자동화에 열광했습니다. 그러나 실제 충성 고객층은 제품에 AI를 도입하는 것에 대해 훨씬 덜 흥분했습니다.

따라서 보는 관점에 따라 다소 불확실합니다. 현재 합성 응답자는 실제 조사를 대체하기보다는 브랜드가 실험할 수 있는 공간, 샌드박스를 제공합니다.

합성 포커스 그룹란 무엇인가요? 장점, 단점 등

앞서 언급했듯이, 합성 포커스 그룹(SFG)는 다양한 유형의 사용자를 대표하는 AI 페르소나 또는 시뮬레이션된 사용자를 의미합니다. 이러한 사용자들은 실제 포커스 그룹의 참가자들처럼 서로 대화하고, 다른 사람의 말에 반응하며, 함께 아이디어를 논의할 수 있습니다.

SFG는 단순히 기존 데이터를 분석하는 것이 아니라 – 전통적인 AI 분석이나 예측 모델링과는 달리 – 텍스트 대화를 통해 새로운 질적 인사이트를 적극적으로 생성합니다. 그리고 요즘 이들이 주목받는 이유는 간단합니다. 전통적인 포커스 그룹은 소규모 비즈니스와 스타트업에게 실제로 실행 가능하지 않기 때문입니다.

대기업의 경우도 마찬가지입니다. 비용이 많이 들고, 시간이 오래 걸리며, 물류적으로 복잡합니다. 참가자를 모집하고, 연구 계획을 설계하고, 직접 토론을 진행하거나 전문 진행자를 고용해야 하는데, 이는 프로세스를 더욱 비싸게 만들 수 있습니다.

또한, 합성 포커스 그룹를 사용하면 여러 시나리오, 메시지 및 제품 컨셉을 빠르게 테스트할 수 있습니다. AI personas이기 때문에 편승 효과도 없고, 대화를 지배하는 단일 "큰 목소리"도 없으며, 피드백에 영향을 미칠 수 있는 사회적 압력도 훨씬 적습니다. AI 진행자가 사전 정의된 토론 구조를 따르기 때문에 진행자 편향도 제거됩니다.

실제로 합성 포커스 그룹가 작동하는 방식

대부분의 합성 리서치 도구는 포커스 그룹과 매우 유사한 방식으로 작동합니다. 패널을 선택하고, 연구 목표를 공유한 다음, 토론 가이드를 추가합니다. 그런 다음 AI 진행자가 세션을 이끌며, 주제를 소개하고, 후속 질문을 하고, 대화를 계속 이어갑니다.

장점 중 하나는 여러 포커스 그룹을 동시에 실행할 수 있으며, 각각 다른 customer 세그먼트나 persona에 맞춤화할 수 있다는 것입니다. 결과는 거의 즉시 나오며, 주요 테마, 감정, 동의 또는 불일치 지점, 인용문을 포함한 이해하기 쉬운 인사이트와 함께 전사본이 제공됩니다.

가장 좋은 점은 자유롭게 실험할 수 있다는 것입니다. 어떤 아이디어도 너무 위험하거나 너무 대담해서 시도할 수 없는 것은 없습니다.

마케팅 팀은 위험한 캠페인 아이디어를 먼저 합성 포커스 그룹을 통해 실행하여 다양한 사용자가 어떻게 반응하는지, 어떤 헤드라인이 공감을 얻는지, 어떤 메시지가 효과가 없는지 확인할 수 있습니다. 동시에 UI/UX 팀은 새로운 체크아웃 플로우의 프로토타입을 만들고 합성 사용자를 통해 이를 살펴보며, 사람들이 혼란스러워하거나 이탈하는 지점을 찾아낼 수 있습니다. 한편, 제품 팀은 구독, 사용량 기반 결제, 프리미엄 등 세 가지 가격 모델을 테스트하기 위해 병렬로 포커스 그룹을 실행하고, 각 세그먼트에 어떤 옵션이 가장 매력적으로 느껴지는지 확인할 수 있습니다.

모든 것이 빠르게 진행되고 실제 위험이 없기 때문에, 팀은 복잡한 아이디어를 시도하고 실제 고객을 참여시키기 전에 개선할 수 있습니다.

합성 포커스 그룹의 장단점

우리는 분명히 시장 조사를 수행하기 위해 사람조차 필요하지 않은 것처럼 느껴지는 시대에 살고 있습니다. 그러나 이것이 MarTech의 차세대 혁신인가요, 아니면 또 다른 AI 기믹일 뿐인가요?

주요 비판은 AI 모델이 과거 데이터에 의존하기 때문에 기본적으로 이미 알려진 것을 재구성하는 것이지 새로운 것을 생성하는 것이 아니라는 것입니다. 그러나 목표가 기존 customer 세그먼트를 이해하는 것이라면 이것은 실제로 결정적인 문제가 아닙니다.

또한 AI는 느끼지 못한다는 사실도 있습니다. 인간이 아닙니다. 사람들이 하는 것과 같은 방식으로 짜증나거나, 피곤하거나, 편향되지 않는데, 이는 실제로 장점이 될 수 있습니다. 왜냐하면 이러한 감정들이 종종 실제 인터뷰 응답에 영향을 미치기 때문입니다.

반면에, 합성 사용자가 생성하는 피드백을 완전히 신뢰하기는 어렵습니다. 어느 시점 이후에는 데이터가 희석되어 실제 인간 경험을 진정으로 대변하지 못할 수 있습니다. AI 모델이 AI가 생성한 콘텐츠로 학습되는 "AI 콘텐츠 우로보로스"를 떠올려 보세요.

그렇다면 왜 합성 포커스 그룹를 사용해야 할까요?

우선, 대부분의 비즈니스는 설문조사에 답하거나 포커스 그룹에 참여하는 데 열정적인 고객을 확보하고 있지 않습니다. 그런 경우, 합성 접근 방식은 실용적인 대안이 될 수 있습니다.

인간 참가자를 모집하거나 관리하는 데 돈을 쓸 필요가 없습니다. AI 참가자는 24시간 내내 작동할 수 있어 연구의 확장성을 크게 높여줍니다. 또한 사실상 모든 인구통계학적, 심리학적, 행동적 세그먼트에서 합성 사용자를 생성할 수 있는 유연성도 얻습니다. 게다가 속도도 빠릅니다.

합성 고객는 일반화된 customer 데이터를 기반으로 하기 때문에 실제 customer 데이터 작업과 동일한 규정 준수, 개인정보 보호 또는 동의 위험이 수반되지 않습니다.

재미있는 사실: SFG는 지식 격차를 메우고 수요를 예측하는 데 사용될 수 있습니다. 예를 들어, 소매업에서는 새로운 시장 세그먼트를 포착하기 위해 제품과 프로모션을 개선하는 데 도움이 될 수 있습니다. 이는 결과적으로 투자된 모든 달러에 대한 ROI를 개선하고 수익성 있는 성장을 촉진할 수 있습니다.

그렇다면 합성 고객을 어떻게 생성하나요?

인간의 행동은 복잡하지만, 항상 그런 것은 아닙니다. 정확한 고객 데이터가 있다면 많은 것을 예측할 수 있습니다. 그리고 합성 고객은 이를 수행하는 방법입니다. 기존 사용자 데이터로 구축된 가상 아바타이기 때문에 실제 고객의 행동과 선호도를 시뮬레이션하는 데 사용할 수 있습니다.

합성 고객을 생성하는 가장 쉬운 방법은 ChatGPT와 같은 대규모 언어 모델 또는 LLM을 사용하는 것입니다. 타겟 고객과 제품에 대한 간략하거나 상세한 설명이 포함된 프롬프트만 있으면 됩니다.

모든 의도와 목적을 위해 이러한 "AI personas"를 사용하여 제품 컨셉, 마케팅 캠페인 및 비즈니스 전략을 테스트할 수 있습니다. 그러나 일반적인 결과물과 때로는 특정 인구 통계 그룹에 대한 고정관념적 표현에 대비해야 합니다.

더 나은 방법은 이 목적을 위해 특별히 구축된 Delve AI의 합성 리서치 소프트웨어와 같이 온라인에서 사용할 수 있는 전문 합성 시장 조사 도구를 사용하는 것입니다.

Factors AI에서 "HBR과 학계가 탐구하고 있는 합성 페르소나/디지털 트윈 아이디어의 구현—마케팅 결과물이 첨부된"이라고 극찬한 Delve AI는 합성 사용자가 구축되는 방식에서 일반적인 생성형 AI 도구와 차별화됩니다. 이들은 CRM 레코드, 웹 분석, 소셜 오디언스 인텔리전스 및 40개 이상의 공개 데이터 소스를 포함한 실제 고객 데이터에 기반한 personas에서 파생됩니다. 여기에는 리뷰, 평점, 커뮤니티 포럼, 블로그, 뉴스 채널 등에서 가져온 고객의 소리 신호도 포함됩니다.

결과적으로 귀하의 합성 응답자는 AI 모델이 추측하는 방식이 아니라 실제 사람들이 실제로 생각하고 말하고 행동하는 방식에 기반합니다.

작동 방식은 간단합니다. 먼저 사용자 personas를 생성한 다음 합성 패널을 만들고 마지막으로 해당 패널을 사용하여 조사 연구를 수행합니다.

1단계. 사용자 페르소나 생성

Delve AI의 온라인 페르소나 생성기는 현재 6가지 유형을 제공하며, 이 경우 연구 페르소나 도구를 사용하겠습니다.

로그인하고 Research Persona로 이동합니다. 그런 다음 인터뷰 대본, 사용자 프로필, 설문조사 또는 업계 뉴스와 같은 시장 조사 문서, 기본적으로 고객과 관련된 모든 것을 업로드합니다. 조사 자료가 없으신가요? 문제없습니다. 타겟 고객에 대한 확실한 설명을 추가하고 Create Personas를 클릭하면 Delve AI가 제공한 데이터를 기반으로 personas를 개발합니다.

플랫폼은 AI와 머신러닝을 사용하여 고유한 오디언스 프로필을 생성합니다. 데이터베이스와 사용 사례에 따라 하나 또는 여러 개의 personas를 얻게 됩니다. 각 세그먼트에는 페르소나 세부 정보, 오디언스 분포, 인플루언서 및 여정 맵이 포함됩니다.

Persona Details를 클릭하면 사용자 인구 통계, 구매 트리거, 심리적 동인(목표, 동기, 욕구 등), 라이프스타일, 경력 상태 및 핵심 과제를 볼 수 있습니다. 또한 커뮤니케이션 선호도, 소셜 네트워크, 브랜드, 쇼핑 사이트, YouTube 채널, 팟캐스트, 서브레딧 등에 대한 인사이트도 찾을 수 있습니다.

각 persona는 매월 새로운 데이터로 갱신되며, 새로운 조사 자료를 추가하여 정확도를 지속적으로 향상시킬 수 있습니다.

2단계: 시뮬레이션된 사용자 패널 생성

다음 단계는 조사 연구를 위한 합성 사용자 또는 패널을 생성하는 것입니다. 시작하려면 합성 리서치로 이동하여 필요한 사용자 수를 구매합니다. 그런 다음 이 그룹으로 패널을 생성하고 Marketing Insights Group과 같은 이름을 지정합니다.

그러면 합성 사용자를 생성하는 데 사용할 페르소나 또는 페르소나 제품을 선택할 수 있는 화면으로 이동합니다. 이 예시에서는 Edward Collins라는 Research Persona의 세그먼트를 선택했습니다.

선택하면 소프트웨어가 이 페르소나 세그먼트를 기반으로 합성 사용자를 생성합니다. 이를 사용하여 다양한 유형의 합성 조사 연구를 수행할 수 있습니다. 각 합성 고객에는 Start Chat 옵션도 제공되어 직접 상호 작용할 수 있습니다.

3단계: 설문조사 및 인터뷰 실행

설문조사 또는 합성 인터뷰를 실행하려면 Studies로 이동하여 대시보드에서 Create Study를 선택합니다. 다음을 수행하라는 메시지가 표시됩니다:

• 합성 사용자 패널 선택
• 연구 이름 입력 (예: Product Market Fit Survey)
• 사용자 수 선택 (예: 100)
• 설문 질문이 포함된 CSV 파일 업로드 (예: 객관식, 평점 척도, 개방형 및 순위 질문)

플랫폼은 패널 전체에서 설문조사를 실행하고 결과를 자동으로 차트와 테마로 변환합니다.

Data 버튼을 클릭하면 각 질문에 몇 명이 응답했는지와 그들이 누구인지 확인할 수 있습니다. 전체 설문조사/인터뷰 대본을 확인하고 질문별 또는 응답자별로 정렬할 수도 있습니다.

표면적인 답변을 넘어서고 싶으신가요? 채팅 기능을 사용하여 후속 질문을 하고 사용자에게 특정 선택을 한 이유를 물어보세요. 다른 마케팅 또는 제품 질문도 탐색할 수 있습니다. 예를 들어, 아래 샘플에서는 사용자에게 온라인 구매를 완료하기로 결정한 데 영향을 준 요인이 무엇인지 물었습니다.

모든 것이 구조화되어 있고 실제 데이터 세트와 연결되어 있기 때문에 당사 플랫폼은 일반적인 챗봇 프롬프트보다 훨씬 더 통제된 시뮬레이션을 실행할 수 있습니다. 고정관념이 줄어들고 일관성이 높아지며 실제로 조치를 취할 수 있는 것에 훨씬 더 가까운 결과를 얻을 수 있습니다.

4단계: 포커스 그룹 토론 진행하기

포커스 그룹 토론을 진행하는 작업 흐름은 이전 단계와 매우 유사합니다. 포커스 그룹 옵션을 선택하고 “Create a new focus group”을 클릭한 다음 필요한 세부 정보를 입력하기만 하면 됩니다. 연구 이름을 입력하고, 참가자 수(최대 15명)를 선택하며, 세션 진행 시간을 지정하고, 토론 목표와 주제를 작성하세요. 마지막으로 포커스 그룹에 사용할 사용자 패널(예: Marketing Insights Group)을 선택합니다.

다음 단계는 토론 가이드를 추가하는 것입니다. 토론 섹션과 설명을 직접 수동으로 입력하거나 Delve AI가 자동으로 생성한 가이드를 사용할 수 있습니다. 토론에 사용하고 싶은 파일(JPG, PNG, MP3 또는 MP4)이 있다면 플랫폼에 업로드할 수도 있습니다. 모든 준비가 끝나면 세부 정보를 모두 검토한 후 “Run study”를 클릭하세요.

보시다시피 플랫폼은 시뮬레이션된 모든 사용자 응답을 분석하여 중요한 테마와 코드를 식별합니다. 또한 포커스 그룹 토론의 전체 대본을 확인할 수 있으며, 주요 결과를 강조하는 요약 보고서도 함께 제공됩니다.

합성 시장 조사 시작하기

이런 생각이 드실 수 있습니다: 합성 시장 조사가 전통적인 인간 기반 연구를 대체하게 될까요? 현재로서는 그럴 가능성이 매우 낮습니다.

합성 사용자는 초기 단계 테스트와 예측 모델링에는 훌륭하지만, 감정과 무의식적 의사결정은 아직 완전히 구현하지 못했습니다. 모든 것이 텍스트 기반이기 때문에, 사람들이 말하거나 반응할 때 보통 동반되는 어조, 신체 언어 또는 미묘한 표현을 실제로 포착할 수 없습니다.

AI 응답자는 과거 데이터로 학습되기 때문에 사회적 트렌드나 슬랭과 같은 문화적, 사회적 맥락을 놓칠 수도 있습니다. 따라서 합성 사용자는 매우 유용하지만, 인간 연구를 대체하는 것이 아니라 보완하는 것으로 보는 것이 가장 좋습니다.

합성 사용자를 사용하기 전과 사용하는 동안 염두에 두어야 할 몇 가지 사항도 있습니다:

• 데이터에서 지름길을 택하지 마세요. 합성 응답자의 품질은 전적으로 그들을 구축하는 데 사용된 데이터에 달려 있습니다. 제공하는 입력만큼만 좋습니다.
• 편향을 주의하세요. AI는 연구에 편향을 도입할 수 있습니다. 예를 들어, 지나치게 긍정적이고 가능한 최상의 결과에 집중하는 경향이 있습니다.
• 여러 도구를 테스트하세요. 하나를 선택하기 전에 다양한 합성 시장 조사 플랫폼을 시도해 보세요. 스스로에게 물어보세요: persona들이 현실적인가? 이 도구가 내가 테스트하고 싶은 사용 사례를 지원하는가?
• 작게 시작하세요. 비즈니스에 큰 영향을 미치지 않는 위험도가 낮고 간단한 작업부터 시작하세요. 이를 통해 너무 많은 것을 걸지 않고도 신뢰성과 정확성을 평가할 수 있습니다.
• 인간 연구로 검증하세요. 정확성과 신뢰성을 확인하기 위해 실제 인간 참가자로 구성된 전통적인 테스트 그룹과 결과를 비교 테스트하세요.

마무리 생각

모든 결점에도 불구하고, 인공지능은 미래에 더욱 발전하고 정교해질 것입니다. 결국, 2022년 이후 우리가 얼마나 발전했는지 보십시오. 아마도 1년이나 2년 후면, 합성 사용자는 대부분의 편견에서 벗어나 의사결정을 개선할 것입니다.

그들은 이미 인사이트의 속도를 높일 수 있습니다. 전통적인 시장 조사에서는 결과가 도착할 때쯤이면 시장이 이미 변했을 수 있습니다. 합성 사용자는 인사이트 도출 시간을 극적으로 단축하여 팀이 24시간 연중무휴로 새로운 컨셉, 아이디어, 인센티브를 테스트할 수 있게 합니다. 그들은 긴 대기 시간 없이 가설을 실행으로 옮기는 데 도움을 줍니다.

합성 응답자는 과거 데이터 분석을 넘어 고객이 미래에 무엇을 할 가능성이 있는지 알려줄 수 있습니다. 그들은 다양한 고객 그룹이 대규모로 어떻게 생각하고 행동하는지 보여줄 수 있습니다.

그렇긴 하지만, 합성 포커스 그룹은 인간 참가자를 대체할 수 없습니다. 그들은 공감으로 작동하거나 감정으로 생각하지 않습니다, 적어도 아직은 그렇습니다. 따라서 유용할 수 있지만, 인간의 입력을 대체하는 것이 아니라 보완하는 데 사용되어야 합니다.