정의
실제 고객의 행동, 선호도, 의사결정 패턴을 모방하도록 설계된 AI 기반의 디지털 페르소나 또는 디지털 트윈. 기업의 내부 데이터(거래 내역, 행동 로그, VOC)와 외부 데이터(리뷰, 소셜 미디어)를 결합하여 LLM이 특정 고객군처럼 반응하게 만든다.
핵심 속성
- 데이터 기반 접지(Grounding): 범용 LLM의 사전 학습 지식이 아닌, 기업의 1차 데이터(First-party Data)를 통해 페르소나의 정확도를 확보한다.
- 정량적 시뮬레이션: 단순한 질의응답을 넘어 컨조인트 분석(Conjoint Analysis)과 같은 복잡한 가격 및 기능 조합 테스트에서 인간과 90% 이상의 일치율을 보일 수 있다.
- 상시 작동(Always-on): 인간 피실험자 모집 과정 없이 즉각적이고 반복적인 가설 검증이 가능하다.
- 위험 완화: 실제 시장에 제품을 출시하거나 인간 리서치를 수행하기 전, 실패 가능성이 높은 아이디어를 조기에 걸러내는 필터 역할을 수행한다.
관계
- digital-twin — 합성 고객은 물리적 자산이 아닌 소비자 심리 및 행동의 디지털 트윈이다.
- llm-reasoning — 하위개념. 합성 고객의 실효성은 LLM의 추론 안정성과 인간의 의사결정 패턴 정렬 능력에 의존한다.
- customer-persona — 전통적인 정적 페르소나를 동적이고 상호작용 가능한 형태로 진화시킨 형태다.
인용
“시장 선도 기업들은 빠르게 반복하고, 더 많은 아이디어를 테스트하며, 취약한 개념을 조기에 폐기함으로써 느리고 단절된 통찰력 주기에 갇힌 기업들을 압도한다.”