NVIDIA가 공개한 가상 한국인 100만 명 데이터를 활용했습니다.①
성별·나이·지역은 공식 통계의 비율을 따르며, 취미·성격·생활에 관한 설명은 AI가 작성했습니다.
| 항목 | 참고 수준 |
|---|---|
| 성별·나이·지역 | 높음 |
| 여러 조건의 조합(30대·서울·사무직) | 보통 |
| 취미·성격·생활에 관한 설명 | 참고용 |
| 원본 100만 명 | 무작위 2,000명 | |
|---|---|---|
| 여성 | 50.4% | 47.7% |
| 서울 거주 | 18.5% | 19.0% |
| 경기·인천 거주 | 32.1% | 31.9% |
| 60대 이상 | 33.1% | 32.9% |
| 아파트 거주 | 62.1% | 63.2% |
타겟 19종을 100명씩 추가해, 20~40대 비율이 62.7%로 원본(47.2%)보다 높습니다.
매체는 한국미디어패널조사의 연령대 값이며, 개인 응답이 아닙니다.②
고가 지역은 KB부동산 시세,③ 도심은 2040 서울도시기본계획을 기준으로 했습니다.④ 자치구 구분은 이 서비스에서 해석한 것입니다.
① NVIDIA, Nemotron-Personas-Korea(2026-04) ② KOSIS 한국미디어패널조사 ③ KB부동산 시세(2025-12) ④ 2040 서울도시기본계획
AI가 만든 응답은 실제 사람의 응답보다 서로 비슷해, 결과가 한쪽으로 쏠려 보일 수 있습니다.②
이 서비스에서 정한 기준으로, 연구를 통해 검증된 최소 인원은 아닙니다.
참여 인원에 따라 한쪽의 선택률이 아래 기준 이상이면 ‘차이 있음’으로 표시합니다.
인원을 늘려도 AI 자체의 치우침은 줄지 않아, 같은 인원으로 한 번 더 실행해 같은 안이 나오는지 확인합니다.
과거 A/B 테스트 결과와는 다음 단계에서 비교합니다.
① Hewitt 외, Stanford(2024) ② Bisbee 외, Political Analysis(2024) ③ Huang 외, ICML(2025)
실제 A/B 테스트는 예산과 기간이 들어, 집행 전에 소재 후보를 여러 개 시험하기 어렵습니다.
타겟과 조건이 같은 가상 인물이 두 소재 중 하나를 고르고, 고른 이유를 답합니다.
선택이 소재의 차이에서 비롯됐는지, 퍼소나의 설정에 따른 것인지 구분하기 어렵습니다.①②
실제 설문 응답자 수천 명과 나이·성별·인종·정치 성향이 같은 AI 퍼소나에게 같은 설문을 했더니, 집단별 응답 비율이 실제 설문과 비슷했습니다.③
실제로 진행된 실험 70개를 AI 퍼소나로 다시 해 본 연구에서도, 어느 쪽 효과가 더 큰지는 대체로 실제와 같았습니다.④
① Wang 외, arXiv 2402.01908(2024) ② Bisbee 외, Political Analysis(2024) ③ Argyle 외, Political Analysis(2023) ④ Hewitt 외, Stanford(2024)