TechnologyCohort Simulation

Twins as needed.Cohorts, always.

조사할 소비자 집단을 정하고 그 집단이 어떻게 답하는지 시뮬레이션합니다. 필요한 조사에는 실제 사람의 응답 패턴을 바탕으로 만든 디지털 트윈을 집단에 넣습니다.

사람 조사와 비교한 PoC · 2026년 10월
146건
평균 재현율(CSI)
89%
최신 버전 · 2026년 3분기 PoC 12건
93.2%
작은 조약돌 무리
Two engines

두 엔진, Marble과 Flint

사람의 응답에도 서열이 있습니다. 두 엔진은 그 서열을 서로 다른 단위로 해독합니다.

흰 대리석 원석

Marble

합성 패널

또렷한 집단의 모습

01 추출

실제 사람들이 답한 조사 데이터에서 집단의 응답 신호를 추출합니다.

02 해독

집단에 공통으로 흐르는 응답 서열을 해독합니다.

03 발현

해독한 서열을 조사할 집단으로 발현합니다. 새 질문에도 그 집단다운 분포가 나옵니다.

짙은 부싯돌

Flint

디지털 트윈

현실과 가상을 잇는 한 사람

01 추출

동의를 받아 비식별 처리한 조사 데이터에서 한 사람의 응답 신호를 추출합니다.

02 해독

그 사람만의 응답 서열을 해독합니다.

03 발현

해독한 서열을 트윈으로 발현합니다. 그 사람을 그대로 옮긴 트윈이라 후속 질문에도 그 사람답게 답합니다.

언제 어떤 엔진을 쓰나요?

세로축은 한 사람의 답이 앞뒤가 맞는 정도, 가로축은 여러 카테고리에서 응답 분포가 사람 조사와 닮은 정도입니다.

두 엔진의 상대적 위치를 나타낸 개념도입니다. 축에 수치 눈금은 없습니다.

Marble합성 패널

강한 곳 · 응답 분포여러 카테고리에 걸쳐 사람 조사와 닮은 분포를 냅니다.

Marble이 맞는 조사
  • 여러 카테고리를 넘나드는 소비자 조사
  • 선호도나 점유율처럼 응답 분포가 사람 조사와 닮아야 할 때
  • 취향과 관심이 다른 세부 집단을 나눠 볼 때

Flint디지털 트윈

강한 곳 · 개인의 일관성같은 트윈에게 다시 물어도 답이 거의 달라지지 않습니다.

Flint가 맞는 조사
  • 같은 사람에게 다시 묻거나 사람마다 반응이 어떻게 다른지 볼 때
  • 응답이 어느 조사에서 왔는지 출처를 함께 보여야 할 때
  • 트윈을 만든 조사와 가까운 주제로 후속 질문을 이어 갈 때

조사에 맞는 엔진을 고릅니다. TheSurvey.ai에서도 두 엔진을 모두 제공합니다.

How a study runs

조사 한 건은 이렇게 돌아갑니다

어느 엔진으로 하든 조사는 같은 여섯 단계로 돌아갑니다.

Cohort

집단 정의

조사마다 스크리너 조건과 쿼터로 조사할 소비자 집단을 정합니다. 사람 패널 조사와 같은 방식으로 설계합니다.

ILLUSTRATIVE점 개수는 실제 규모와 무관
ILLUSTRATIVE스크리너와 쿼터

SCREENER

ELIGIBLE POOL

73%합성소비자 모집단 대비

QUOTA

가상 예시 · 비율과 셀 구성은 그림용
Draw

집단 구성

적격 풀에서 쿼터 셀마다 합성소비자를 무작위로 뽑습니다. 구성원마다 나이·직업 같은 프로필과 성향이 다릅니다. 필요한 조사에는 디지털 트윈도 넣습니다. 동의를 받아 비식별 처리한 실제 사람의 응답 패턴으로 만든 트윈입니다.

ILLUSTRATIVE점 개수는 실제 규모와 무관
ILLUSTRATIVE여 35~49 · 20명 중 4명
    가상 예시 · 실제 응답자 아님 · 성향 이름은 설명용 · 추첨마다 뽑히는 사람이 다름
    Recent context

    최근 맥락

    뽑힌 구성원마다 조사 주제의 최근 정보를 함께 줍니다. 최근 정보일수록 더 크게 반영합니다.

    ILLUSTRATIVE점 개수는 실제 규모와 무관
    ILLUSTRATIVE주제 · 수면 추적 스마트 링

    뉴스커뮤니티콘텐츠출시 소식

    진할수록 응답에 더 크게 반영

    가상 예시 · 제목과 출처는 표시하지 않음 · 항목 수는 그림용
    One question at a time

    구성원별 응답

    구성원마다 한 번에 한 문항씩 답합니다. 답마다 이유를 한 줄 남깁니다.

    ILLUSTRATIVE점 개수는 실제 규모와 무관
    ILLUSTRATIVE구성원 5명 × 문항 6개
    가상 예시 · 응답과 이유는 설명을 위해 쓴 문장
    Clean · Refill

    정제와 보충

    조사마다 한 사람의 답이 앞뒤가 맞는지 확인합니다. 맞지 않거나 성의 없는 응답은 빼고 새로 뽑아 쿼터를 다시 채웁니다.

    ILLUSTRATIVE점 개수는 실제 규모와 무관
    ILLUSTRATIVE제외 기준과 쿼터 보충
    1. 01형식·분기 오류척도 밖 값, 건너뛸 문항에 한 응답
    2. 02앞뒤가 맞지 않는 응답앞 문항과 반대되는 답
    3. 03성의 없는 응답같은 번호만 고른 답, 비어 있는 이유

    QUOTA

    유지제외된 자리보충
    가상 예시 · 막대는 그림용 · 제외되는 수는 조사마다 다름
    Results · Trace

    결과와 근거

    Raw Data, 교차표, 리포트로 결과를 전달합니다. 리포트의 숫자를 표와 응답자까지 되짚을 수 있습니다.

    ILLUSTRATIVE점 1개 = 응답자 1%
    ILLUSTRATIVE수면 추적 스마트 링 · 구입의향 Top-⁠2
    REPORT
    50%

    수면 고민층 · USD 189 · 구입의향 Top-⁠2

    CROSS-TAB
    구입의향 Top-2USD 189USD 269
    전체 n=1,00036%23%
    수면 고민층 n=21350%35%
    워치 사용자 n=33233%21%
    30대 직장인 n=12539%26%
    RAW DATA

    수면 고민층 213명 중 Top-⁠2 107명

    가상 예시 응답 · 수면 고민층“요즘 잠을 잘 못 자서, 왜 그런지 숫자로 보고 싶어요.”
    가상 제품·응답자·수치 · 실제 조사 결과 아님
    Validation

    두 갈래 검증

    집단의 분포와 한 사람의 답을 따로 봅니다. 둘 중 하나만 좋아서는 좋은 결과가 아닙니다.

    ILLUSTRATIVE · 분포는 같고, 속은 다름

    분포가 같아도, 속은 다를 수 있습니다

    두 집단 모두 ‘사고 싶다’ 40%, ‘값어치가 있다’ 40%입니다. 왼쪽은 사고 싶다는 사람이 대개 값어치도 있다고 답합니다. 오른쪽은 두 답이 따로 놉니다. 분포만 봐서는 두 집단을 구별할 수 없습니다. 그래서 집단의 분포와 한 사람의 답을 따로 봅니다.

    앞뒤가 맞는 집단

    사고 싶다40%

    값어치가 있다40%

    값어치 있음없음
    사고 싶음364
    아님456

    따로 노는 집단

    사고 싶다40%

    값어치가 있다40%

    값어치 있음없음
    사고 싶음1624
    아님2436
    가상 예시 · 100명 기준, 칸 진하기는 응답자 비율 · 실제 조사 결과 아님
    GROUP집단 · 분포

    사람 조사와 나란히 돌린 검증 조사에서 응답 분포가 실제와 얼마나 비슷한지 확인합니다. 지표는 재현율(CSI)로, 스피어만 순위상관과 1−MAE의 평균입니다. 보기의 순위와 비율이 함께 맞아야 높게 나옵니다. PoC 평균은 89%이고, 최신 버전으로 돌린 2026년 3분기 PoC 12건의 평균은 93.2%입니다.

    PERSON개인 · 일관성

    조사마다 한 사람의 답이 앞뒤가 맞는지 보고, 맞지 않거나 성의 없는 응답은 빼고 다시 채웁니다(5단계).

    Why it differs

    인구통계만으로는 소비자의 맥락이 담기지 않습니다

    나이·성별·지역을 확률로 섞어 만든 페르소나는 비슷비슷하고 지나치게 긍정적인 답을 냅니다. Cohort Simulation은 세 가지가 다릅니다.

    COHORT집단부터 정합니다

    스크리너와 쿼터로 조사할 집단을 정하고, 프로필과 성향이 저마다 다른 구성원으로 채웁니다. 구성원마다 한 문항씩 이유와 함께 답합니다.

    BIASAI의 긍정 편향을 바로잡습니다

    상용 AI는 사람보다 후하게 답하는 경향이 있습니다. 답이 한쪽으로 쏠리지 않도록 보정합니다.

    VALUES나라마다 가치관을 맞춥니다

    AI 모델은 영어권 가치관 쪽으로 기울어 있습니다. 조사하는 나라의 가치관에 맞춰 답하도록 보정합니다.

    Research · Behavior

    답을 넘어, 행동까지

    사람은 설문에서 말한 대로만 움직이지 않습니다. 그래서 합성소비자가 설문에 답하는 데서 그치지 않고 매장을 걷고 고르고 사는 행동까지 따라 하도록 연구하고 있습니다. PARASTORE가 그 첫 단계입니다.

    행동을 따라 하는 합성소비자는 설문 답이 아니라 실제 행동 기록과 견줘 검증해야 합니다. PARASTORE 데모의 매장·쇼퍼·수치는 모두 가상입니다. 실제 매장 기록과 견주는 본격적인 PoC를 준비하고 있습니다.

    FAQ

    자주 묻는 질문

    얼마나 정확한가요?
    사람 조사와 블라인드로 비교한 PoC 146건의 평균 재현율(CSI)은 89%입니다. 재현율은 보기의 순위(스피어만 순위상관)와 비율(1−MAE)이 실제 조사와 얼마나 맞는지의 평균입니다. 최신 버전은 2026년 3분기 PoC 12건 평균 93.2%이고, 국내 독립 리서치 회사의 제3자 블라인드 검증에서는 96%가 나왔습니다. SPRINT 페이지의 수치는 그 검증 조사에만 해당합니다.
    사람 조사와 100% 같아야 좋은 결과인가요?
    아니요. 인구 구성을 똑같이 맞춘 사람 패널 둘에 같은 조사를 해도 결과는 조금씩 다릅니다. 사람 조사끼리도 100% 같지는 않습니다. 그래서 진짜 기준은 사람 조사를 두 번 했을 때의 일치도입니다.
    같은 조사를 다시 돌리면 결과가 같나요?
    같은 조건에서 다시 돌리면 결과가 95% 이상 일치합니다. 완전히 같지는 않지만, 같은 패널을 다시 불러 트래킹 조사를 할 만큼 안정적입니다.
    최근 정보도 반영하나요?
    네. 6개월마다 최신 지식을 대규모로 업데이트하고, 그 사이에 나온 소식은 따로 학습해 관리합니다. 교과서는 반기마다 새 판으로 바꾸고, 그 사이 소식은 따로 정리한 노트로 보는 식입니다. 조사할 때는 주제와 관련된 최근 뉴스·커뮤니티 글·출시 소식을 함께 주고, 최근 것일수록 답에 더 크게 반영합니다.
    응답의 이유도 알 수 있나요?
    네. 정량 설문에 주관식 문항을 섞으면 숫자와 함께 그렇게 답한 이유를 받을 수 있습니다. 합성소비자 IDI·FGD도 제공하니, 같은 응답자를 다시 불러 응답의 이유를 높은 해상도로 들여다볼 수 있습니다.
    조사 결과는 의사 결정의 어느 단계에 써야 할까요?
    초기 탐색, 대안 비교, 우선순위를 정하는 단계에 가장 잘 맞습니다. 중요한 최종 결정은 사람 조사로도 확인하시길 권합니다. 같은 설문을 사람 패널과 함께 돌려 비교하는 하이브리드 조사도 진행할 수 있습니다. 시음·착용 같은 실제 체험을 대신하지는 않습니다.
    결과는 얼마나 빨리 나오나요?
    1,000명 응답은 약 2시간이면 생성됩니다. 설문이 AI에서 돌아가는 시간 기준이고, 전체 일정은 범위에 따라 다릅니다.
    고객사 데이터는 어떻게 보호하나요?
    프로젝트별로 논리적으로 격리된 저장소에 암호화된 상태로 보관하고, 담당 팀만 접근할 수 있습니다. 고객 데이터와 결과물은 모델 학습이나 서비스 개선에 쓰지 않습니다. 고객사가 요청하고 합의한 별도 모델 개발만 예외입니다. 미공개 컨셉은 실제 사람에게 보여 주지 않고, 합성소비자만 봅니다. 계약이 끝나면 요청에 따라 반환하거나 복구할 수 없게 삭제합니다. 삭제한 뒤에는 폐기 증명서를 발급합니다. 자세한 내용은 정보보안정책에 있습니다.