합성 페르소나가 사용자 연구의 새로운 표준인가요?

인공지능은 콘텐츠 제작부터 이미지 생성, 소비자 연구까지 마케팅의 모든 측면을 변화시켰습니다. 이제 AI 모델들이 AI가 생성한 데이터를 사용하여 스스로를 훈련시키는 단계에 도달했습니다. 왜일까요? 인간의 데이터가 소진되었기 때문입니다; 기계들은 이제 사람이 아닌 다른 기계로부터 학습하고 있습니다. 물론, AI 어시스턴트들은 아직 완벽하지 않지만 매일 발전하고 있습니다.

따라서 대규모 언어 모델이 설문조사, 인터뷰, 연구 조사에서 실제 사람들을 대체할 수 있다는 것은 놀라운 일이 아닙니다. 시장 연구원들은 이미 ChatGPT와 같은 생성형 AI 도구를 사용하여 인간의 행동을 모방하고, 설명하고, (때로는) 성공적으로 예측할 수 있는 합성 페르소나를 만들고 있습니다. 목표는 간단합니다: 사용자 경험을 개선하면서 마케팅 비용을 줄이는 것입니다.

합성 페르소나는 마케터들이 고객을 이해하고 제품을 판매하는 데 중요하다고 믿는 전통적인 소비자 연구를 없앱니다. 하지만 이러한 방법들은 비용이 많이 들고 시간이 오래 걸립니다. 더 중요한 것은, 큰 예산과 인적 자원이 필요하다는 점입니다 - 설문 조사에 참여하고 질문에 답변할 의향이 있는 사람들이 필요합니다. 마케팅 비용이 증가하고 사람들이 자신들이 공유하는 데이터 종류에 대해 민감해지면서, 시장 연구원들은 종종 양질의 고객 정보를 수집하는 데 어려움을 겪습니다.

소비자 인구통계 및 행동 데이터를 수집, 처리, 분석하는 이러한 병목 현상을 합성 페르소나가 해결하고자 합니다. 비록 인간 상호작용이 포함된 정성적, 정량적 연구를 대체할 수는 없지만, 귀사의 제품이나 마케팅 캠페인이 받게 될 반응에 대한 전반적인 아이디어를 얻고 정보에 기반한 결정을 내리는 데 도움을 줌으로써 연구 방법을 보완할 수 있습니다.

합성 페르소나란 무엇인가요?

합성 페르소나는 사용자 인구통계, 심리통계, 행동 데이터를 기반으로 AI와 머신러닝 알고리즘을 사용하여 만든 가상 고객입니다. 특정 대상 세그먼트의 선호도, 비선호도, 생각, 선호사항, 요구사항 및 과제를 설명하며 정확한 표현을 제공합니다. 합성 사용자는 고객 페르소나와 비슷해 보이지만, 직접 상호작용하거나 대화할 수 있다는 점에서 다릅니다.

이들은 모델 생성과 정교한 조종을 사용하여 기업들이 만든 AI 휴먼과 다르지 않습니다. 이러한 아바타는 눈동자 움직임, 표정, 동공 확장을 추적하여 인간의 감정을 이해하고 도움이 되는 지침을 제공합니다 (또는 경우에 따라 제품이나 서비스를 판매합니다).

연구 목적에 따라 ChatGPT나 Delve AI와 같은 전용 AI 페르소나 생성기를 사용하여 다양한 합성 페르소나를 만들 수 있습니다. 만들기가 비교적 쉽고 실제 사람을 모집하여 연구하는 것보다 저렴합니다. 시스템에 입력되는 데이터를 완전히 제어할 수 있으며 후속 질문을 통해 인터뷰를 진행할 수 있습니다.

참고: ChatGPT는 올바른 고객 세그먼트를 이해하고 관련 사용자 페르소나를 채택하는 데 많은 프롬프팅이 필요합니다.

합성 사용자가 작동하려면 표준이 마련되어 있어야 합니다. AI 시스템에 입력되기 전에 데이터 검증이 필요합니다. 또한 결과로 나온 페르소나를 사용하기 전에 실제 사용 사례와 대조 확인해야 합니다.

합성 고객의 작동 방식

합성 페르소나는 선택된 양의 고객 데이터를 GPT-3와 같은 대규모 언어 모델(LLM)에 입력하고, 제공된 데이터를 기반으로 실제 고객의 "페르소나"를 채택하도록 프롬프트하는 방법론입니다. 이 데이터는 주로 나이, 성별, 위치와 같은 인구통계 정보와 성격 특성, 태도, 생활방식, 관심사와 같은 심리통계적 속성을 포함합니다. 생성된 페르소나는 고객 설문조사에서 인간과 같은 응답을 제공하는 데 사용됩니다.

합성 페르소나의 정확도는 학습 데이터의 품질에 직접적으로 비례합니다. 품질이 높을수록 페르소나가 더 좋아집니다. 입력 데이터가 일반적이고 부정확하면 출력도 마찬가지입니다.

데이터 문제를 제외하면, 합성 사용자를 활용하여 다양한 고객군을 시뮬레이션하고 제품이나 서비스에 대한 그들의 요구사항, 고충점, 과제에 대해 물어볼 수 있습니다. 질적 연구에서 사용자 인사이트를 얻고, 제품 디자인을 구축하고, 여러 대상 고객층에 걸쳐 광고 크리에이티브를 테스트하는 데 사용할 수 있습니다.

합성 데이터와 사용자 연구

과거에는 전화가 설문조사, 인터뷰, 비즈니스 대화를 수행하는 데 필수적인 도구였습니다. 전화 설문조사는 사람들로부터 인사이트를 수집하는 훌륭한 방법이 되었습니다. 기술의 발전과 인터넷의 등장으로 온라인 설문조사를 실시할 수 있게 되었습니다.

21세기로 넘어와서, 우리는 AI와 ML 알고리즘으로 생성된 합성 소비자 데이터를 보유하게 되었습니다. LLM이 책, 학술지, 신문 등에서 엄청난 양의 학습 데이터를 수집하여 텍스트 기반 형식으로 인간과 유사한 응답을 합성한다는 것을 알고 있습니다. 이들은 텍스트를 요약하고, 질문에 답하고, 심지어 시도 쓸 수 있습니다. LLM은 지속적으로 학습하는 개체로, 자신의 실수로부터 배웁니다.

이러한 데이터 처리와 학습 능력을 통해 소비자 데이터를 분석하고, 합성 사용자를 구축하며, 응답을 생성하여 사용자 연구를 지원할 수 있습니다. 합성 데이터는 실제 사건에서 도출되지만, 인간 설문 응답자로부터 수집하는 데이터와는 다릅니다. 기업들이 데이터 개인정보 보호법에 대한 걱정 없이 시나리오를 테스트하고 인터뷰를 수행할 수 있기 때문에 요즘 인기를 얻고 있습니다.

비용과 시간도 큰 역할을 합니다. 앞서 설명했듯이, 정량적 및 정성적 연구에는 높은 비용이 수반됩니다 - 데이터를 처리하고, 응답자를 모집하고, 시간을 정하고, 소비자 행동의 트렌드와 패턴을 발견하기 위해 인터뷰를 실시해야 합니다. 합성 데이터는 연구자들이 새로운 워크플로우를 개발하고 여러 시나리오를 시뮬레이션하는 데 쉽게 도움을 줍니다.

AI 기반 가상 어시스턴트는 귀하를 대신하여 사용자 연구를 수행할 수 있습니다 - 때로는 여러 언어로, 24/7 진행할 수 있습니다. 이들은 개인화된 후속 질문을 하기 위해 소비자 응답을 분석할 수 있습니다. 합성 페르소나는 추가로 정량 연구자들이 접근할 수 없는 인구통계를 연구하고 고급 예측 기능을 사용하여 누락된 데이터와 설문조사를 채우는 데 도움을 줍니다. 추가 비용 없이 틈새 대상 세그먼트를 분석할 수 있습니다.

Delve AI와 ChatGPT를 활용한 가상 사용자 생성하기

고객을 이해하는 좋은 방법은 그들의 의견을 듣고, 대략적인 고객 프로필을 만들고, 그들과 공감하는 것입니다. 하지만 이 세 가지 프로세스는 어떻게 작동할까요? 사용자 피드백을 통해 경청하고, 구매자 페르소나를 만들어 특성화하며, 고객 여정 지도를 개발하여 공감합니다. 네 번째 단계인 상호작용은 ChatGPT personas로 작동합니다.

Delve AI의 Persona는 웹사이트, 경쟁사, 소셜 미디어 사용자를 위한 personas를 생성하는 데 도움을 주는 페르소나 기반 마케팅 소프트웨어입니다. 이는 앞서 언급한 소비자 데이터, personas, 사용자 여정, 대화형 사용자 챗봇 등 네 가지 측면을 모두 다룹니다.

작동 방식은 다음과 같습니다: 우리의 소프트웨어는 퍼스트파티(웹 분석, 검색 콘솔, CRM 데이터)와 세컨드파티(소셜 분석 및 경쟁사 정보) 데이터를 수집한 다음, 40개 이상의 공개 데이터 소스(리뷰, 평가, 피드백, 온라인 포럼, 뉴스 등의 고객 의견 데이터)로 보강하여 데이터 기반 personas를 생성합니다.

비즈니스에 따라 3-7개의 personas가 생성되며, B2B persona segments는 녹색으로, B2C personas는 파란색으로 강조 표시됩니다.

각 persona는 원하는 대상과 원하지 않는 대상 세그먼트의 특성, 특징, 행동을 파악하기 위한 persona 세부 정보, 분포, 샘플 사용자 여정을 제공합니다. 예를 들어, 이커머스 비즈니스는 이탈자, 소극적 브라우저, 장바구니 포기자, 고가치 구매자 세그먼트를 각각 파란색과 빨간색으로 구분할 수 있습니다.

PERSONA 세부 정보는 해당 세그먼트의 연령, 성별, 위치, 직업 프로필, 목표, 동기, 어려움, 가치관, 관심사, 수행해야 할 작업, 취미를 제공합니다. 또한 선호하는 소셜 네트워크, 브랜드, 이커머스 사이트, 도구, TV 프로그램, 영화, YouTube 채널, 팟캐스트, 이벤트 등에 대한 인사이트를 얻을 수 있습니다.

분포 탭은 연령, 성별, 위치, 언어, 마케팅 채널, 온라인 활동 시간, 행동, 의사결정 단계별로 세그먼트를 그룹화합니다. 샘플 여정은 총 방문자 수와 함께 세션, 페이지뷰, 전환, 사용자가 있는 의사결정 단계를 표시합니다. 가장 좋은 점은? AI 생성 personas와 사용자 여정이 실시간 고객 데이터로 자동 업데이트된다는 것입니다.

이제 곧 출시될 chat with personas 기능에 대해 알아보겠습니다. Delve AI는 사용자가 온라인에서 고가치 고객 세그먼트와 상호작용할 수 있는 기능을 제공합니다. 대시보드는 WhatsApp이나 다른 메시징 앱과 유사합니다. 새로운 제품이나 마케팅 카피와 관련된 의문이 있으신가요? 저희 플랫폼을 방문하여 타겟 페르소나를 선택하고 질문을 던지시면 됩니다. Slack을 통해 직접 질문할 수도 있습니다 - Slack 워크스페이스를 Delve AI와 통합하기만 하면 됩니다.

ChatGPT 프롬프트로 합성 페르소나 만들기

ChatGPT는 방대한 양의 비정형 데이터 - 수치 데이터, 직무 프로필, 문헌, 연구 논문, 포럼, 리뷰, 웹사이트 - 를 처리하고 논리적으로 제시할 수 있습니다. 따라서 소비자 연구에 활용할 수 있는 인터랙티브 페르소나를 만드는 무료 대안입니다.

실제로 매우 간단한 작업입니다:

• ChatGPT에 고객 데이터 업로드
• 가능한 세그먼트를 나열하도록 지시
• 타겟팅하고자 하는 대상 세그먼트 선택
• ChatGPT가 해당 세그먼트의 페르소나를 채택하도록 프롬프트 작성

그런 다음 페르소나에게 설문 조사 세션에 참여하도록 요청할 수 있습니다. ChatGPT 페르소나는 틈새 시장이 아닌 광범위한 고객 프로필이 있을 때만 유용하다는 점에 유의하세요. 물론 ChatGPT가 가정을 형성할 수 있는 충분한 정성적, 정량적 데이터가 있는 경우는 예외입니다.

다음은 프롬프트 작성 예시입니다:

프롬프트 1: 제공된 고객 데이터를 분석하고 구조화하여 주요 인구통계학적, 행동적, 심리적 특성에 초점을 맞추세요. 다양한 고객 특성에서 나타나는 명확한 트렌드나 패턴을 요약하고 강조하세요.

프롬프트 2: 이 구조화된 데이터를 사용하여 가능한 고객 세그먼트를 나열하세요. 각 세그먼트의 이름을 지정하고 관심사, 구매 행동 및 기타 주목할 만한 인구통계학적 세부 사항을 포함하여 그들의 특징을 간단히 설명하세요.

프롬프트 3: [세그먼트명]에 초점을 맞추어 주요 동기, 일반적인 페인 포인트, 잠재적 브랜드 상호작용에 대해 자세히 설명하세요.

프롬프트 4: [세그먼트명] 대상의 전형적인 고객 페르소나를 채택하세요. 일상적인 라이프스타일, 관심사, 핵심 가치, 특정 니즈를 설명하세요. 추가 상호작용을 위해 이 페르소나의 캐릭터를 가정하세요.

ChatGPT는 의미를 이해할 수 없으므로 연구에서 합성 사용자가 귀하에게 전달하는 의미의 패턴을 만드는 데 사용할 수 없습니다. 목표에 도달하거나 작업을 완료하기 위해 사람들이 취하는 다양한 접근 방식을 이해하는 데 도움이 되지 않습니다. AI는 생각해보면 제품을 사용할 수 없습니다 - 단지 상상만 할 수 있습니다. 제품 아이디어를 검증하기 위한 테스트를 실행할 수 있지만 모든 의견이 긍정적일 수 있습니다 - ChatGPT 페르소나는 면접관을 만족시키는 것을 목표로 합니다.

Emporia Research는 세 그룹의 설문 응답을 비교 연구했습니다: LinkedIn 인증 응답자, 타겟 LinkedIn 프로필 데이터를 기반으로 AI가 생성한 합성 사용자, IT 의사결정자를 대표하는 AI 생성 페르소나 기반 사용자. 그들의 연구에 따르면 AI가 생성한 B2B 합성 사용자들은 실제 응답자들과 비교했을 때 강한 긍정적 편향을 보입니다. 그들은 집단 사고방식을 따르며, 인사이트의 품질도 그다지 좋지 않습니다.

실제 적용되는 합성 페르소나: 활용 사례와 예시

마르코 사르슈테트는 실리콘 샘플 연구에서 연구와 디자인에서의 합성 페르소나 활용을 보여줍니다. 그는 설문 문항에 대한 피드백을 얻고 포장 디자인을 개선하기 위해 이를 사용했습니다. 그의 적용 사례 외에도 합성 페르소나는 다른 마케팅과 제품 관련 사례에도 활용될 수 있습니다.

마케팅, 세분화, 그리고 브랜딩

합성 페르소나는 개별 고객을 대표하는 유형과 고객 그룹을 대표하는 유형, 이렇게 두 가지를 만들 수 있습니다. 각각은 개인 고객 데이터에 접근하지 않고도 사용자 행동과 선호도에 대한 정보를 얻을 수 있게 해줍니다. 이는 목표 고객층에 익숙하지 않은 전문가들에게 좋은 출발점이 됩니다. 다양한 고객 세그먼트를 개발하여 캠페인을 테스트하고 어떤 세그먼트가 가장 잘 반응하는지 파악할 수 있습니다. 결과적으로 목표 고객 세그먼트의 선호도에 맞게 마케팅 자산, 콘텐츠, 카피를 맞춤화할 수 있습니다.

캠페인 개발 과정에서 피드백을 얻기 위해 마케팅 계획, 그래픽 디자인, 비디오, 광고를 간단히 업로드하세요. 자료를 모델에 업로드한 후, 합성 사용자에게 다음과 같은 입력을 요청하세요:

• 이 비디오 광고가 행복함이나 슬픔을 불러일으키나요 (원하는 감정으로 대체하세요)?
• 이 광고를 어디서 보고 싶으신가요? 빌보드, 페이스북, 인스타그램, 또는 링크드인에서요?
• 광고 카피가 전달하려는 전반적인 메시지가 마음에 드시나요?
• 이 이메일 캠페인에 응답하실 가능성이 얼마나 되시나요?

또한, 과거 마케팅 캠페인의 성과 데이터를 추가하여 무엇이 효과가 있었고 무엇이 그렇지 않았는지 확인하세요 - 이는 AI 모델에 더 많은 맥락을 제공합니다. 효율적인 결과를 얻기 위해 프롬프트를 조정해야 하겠지만, 그 결과는 충분히 가치가 있습니다. 어쩌면 바이럴이 될 광고를 만드는 데 도움이 될지도 모릅니다!

제품 개발, 디자인, 그리고 테스팅에서

합성 사용자를 통해 제품팀은 사용자와 공감하고 소비자의 니즈와 기대에 부합하는 새로운 제품, 기능, 특징을 만들 수 있습니다. 잠재적 문제를 파악하고 제품이 다양한 상황에서 잘 작동하는지 확인하기 위해 사용 시나리오를 시뮬레이션할 수 있습니다.

기업들은 제품을 공개적으로 출시하기 전에 제품 디자인을 검증하기 위해 이를 활용할 수 있습니다. 예를 들어, 실제 고객에게 테스트할 필요가 없는 비교적 위험이 없는 환경에서 사용자 인터페이스와 상호작용이 얼마나 잘 작동하는지 테스트할 수 있습니다. 이를 통해 전반적인 제품 사용자 경험(UX)을 개선할 수 있으며, 제품이 공식 출시될 때 문제가 발생할 가능성을 크게 줄여 새로운 사용자를 유치하고 고객 이탈률을 낮출 수 있습니다.

질문: 리서치를 수행할 수 없다면, 가상의 페르소나스를 사용해도 괜찮을까요? 그럴 수도 있고, 아닐 수도 있습니다. 아무것도 배우지 않는 것보다는 새로운 것을 배울 수 있습니다. 하지만, 중요한 제품이나 마케팅 결정을 가상 데이터에 기반하는 것은 이상적이지 않습니다.

가령 여러분의 새로운 기능이 가상의 고객들에게 히트를 쳤다고 가정해 봅시다. 시장에 출시했지만 실제 사용자들에게는 실패했다면 어떻게 될까요? 다른 곳에 더 잘 쓸 수 있었던 자원과 돈을 낭비하게 됩니다. 따라서, 그들의 반응을 항상 약간의 의구심을 가지고 받아들이세요.

합성 사용자의 문제점들

AI가 얼마나 정교해지더라도 합성 사용자에는 겉보기와는 다른 너무나 많은 한계가 있습니다. 합성 페르소나는 머신러닝 모델을 사용하여 구축되므로 실제 고객 데이터가 부족하거나 제한적인 시나리오에서 매우 유용합니다. 하지만 이를 워크플로우에 통합하기 전에 알아야 할 사항들이 있습니다.

우선, 합성 페르소나는 인간의 행동과 행위의 전체 범위를 포착하는 데 어려움이 있습니다; 그들의 반응은 너무 단순화되거나, 일반적이거나, 논리적일 수 있습니다. 인간은 항상 논리적이지 않습니다 - 우리는 우리가 기능하고 사물에 반응하는 방식을 지배하는 다양한 내부 및 외부 요인들(개인적 경험, 성격, 의견, 가치관 등)의 영향을 받습니다.

합성 페르소나의 기초가 되는 인공지능과 머신러닝 시스템은 아직 이러한 요인들을 이해하지 못합니다. 예를 들어, AI 응답자들은 항상 면접관을 기쁘게 하려 하고, 주어진 과제를 완벽하게 완수하며, 긍정적으로 대답합니다(아첨이라고 하는 현상). 그들은 일차원적인 응답을 제공하고, 모든 것에 관심이 있는 것처럼 보이며, 니즈, 도전과제, 관심사의 긴 목록을 제공합니다. 사람들은 그런 목록을 가지고 있지 않습니다 - 그들은 특정한 것들에 관심이 있고, 다른 것들은 생각조차 하지 않습니다.

"매니저와 AI가 바에 들어가다: ChatGPT는 우리처럼 편향된 결정을 내리는가?"라는 제목의 논문에서 첸 외는 ChatGPT가 매몰 비용 오류와 같은 고객 행동을 특징짓는 효과를 재현하지 못하는 경우가 많다는 것을 발견했습니다. 사람들은 단지 입찰에서 이기고 싶다는 이유만으로 가치 이상의 가격으로 입찰을 계속합니다. 더욱이 그들의 응답에는 계층 구조가 없습니다 - 무엇이 중요하고 무엇이 중요하지 않은지 어떻게 이해할 수 있을까요?

또 다른 우려사항은 합성 페르소나를 만드는 데 사용되는 데이터입니다; 학습 데이터에 편향이 있다면, 응답에는 고정관념이 영속화될 것입니다. 데이터 부족으로 인해 소외되거나 주변화된 사용자를 대표하기도 어렵습니다. 검증도 까다롭습니다. 합성 사용자를 실제 상황과 결과에 대해 테스트하기가 쉽지 않습니다. 이들은 실제 사용자 데이터로 지속적으로 모니터링, 업데이트, 검증되어야 합니다. 우리는 익명화되고 민감한 고객 정보를 노출하지 않는 데이터에 대해 이야기하고 있습니다.

이러한 모든 사항들을 체크리스트에서 해결했다 하더라도, 기존 시스템에 합성 사용자를 통합하는 것은 어려울 수 있습니다. 기술적 문제와 데이터 문제를 제쳐두더라도, 회의적인 이해관계자들에게 그 유용성을 설득하는 것이 가장 큰 과제가 될 수 있습니다. 더 안 좋은 것은, 귀하의 회사가 사용자 연구를 위해 가상의 고객을 사용하는 것에 익숙해져서 실제 연구에 투자하기를 꺼리게 될 수 있다는 것입니다.

합성 사용자 페르소나의 미래

합성 페르소나는 고객에 대한 알려지지 않은 인사이트를 보여줍니다. 하지만 합성 데이터를 신뢰할 수 있을까요? 신뢰할 수 있고 윤리적일까요? 아무도 모릅니다. 어떤 이들은 이것이 사용자 연구의 미래라고 하고, 다른 이들은 일반적으로 인간 응답자에게서 발견되는 미묘한 차이와 변화가 부족하다고 말합니다. 그러나 시장 조사에 막대한 비용이 드는 세상에서, 합성 페르소나는 고객을 이해하는 비용 효율적인 방법입니다.

새로운 사용자 그룹에 대해 배우고, 그들의 관심사와 온라인 행동 방식을 파악하여, 실제 사용자와의 작업에 도움이 되는 프로토-페르소나와 사용자 여정을 개발할 수 있습니다. 다른 모든 발명품과 마찬가지로, 합성 사용자 페르소나에도 장단점이 있지만, 잘 수행된다면 장점이 단점을 훨씬 능가합니다.