합성 오디언스는 믿을 만한 오디언스 인사이트 출처일까요? 속도, 가설 수립, 시나리오 테스트에는 믿을 만합니다. 하지만 실제 사람을 대체하지는 못합니다. 합성 오디언스로 가치를 얻는 에이전시들은 모든 합성 결과를 발표할 답이 아니라 확인해야 할 질문으로 다룹니다.
도입 속도가 빠릅니다. Digiday에 따르면 에이전시와 브랜드들은 합성 오디언스를 실험실 밖으로 꺼내 일상적인 플래닝에 활용하고 있습니다. Aveeno Body는 Vurvey의 합성 리서치를 활용해 전략 브리프 작성 기간을 약 30일에서 3일로 줄였고, Goodway Group은 미국·영국·독일 소비자로 구성된 Arima의 “합성 모집단”을 미디어 플래닝에 추가했습니다. 프랑스에서는 Stratégies가 Harris Interactive와 Toluna 등 리서치 기업을 30년간 이끌어 온 Patrick van Bloeme가 Limpid를 출시했다고 보도했습니다. Limpid는 사람 응답자 없이 합성 페르소나를 대상으로 정성 조사를 몇 시간 만에 진행합니다. 눈여겨볼 점은 Limpid가 “ne revendique pas de représentativité statistique”, 즉 통계적 대표성을 주장하지 않는다는 것입니다.
합성 오디언스란 무엇이며, 에이전시들은 왜 지금 이를 도입할까요?
합성 오디언스는 실제 사람들이 어떻게 생각하고 반응할지 예측하도록 설계된, AI가 생성한 페르소나 집합 또는 시뮬레이션된 모집단입니다. 벤더마다 사용하는 원재료는 다릅니다. Digiday에 따르면 Arima는 인구 조사 데이터, 미국 노동통계국 수치, Nielsen 설문 데이터, 맞춤형 설문을 활용하고, Vurvey는 공개 데이터와 실제 소비자를 대상으로 한 정성 영상 설문을 결합합니다.
활용 사례도 다양합니다. 시뮬레이션 기반 증분 효과 테스트, 전략 브리프, 제품 개발, 가상 포커스 그룹 등입니다. 대형 그룹들도 뛰어들었습니다. Digiday에 따르면 Havas는 Vurvey의 850만 달러 규모 투자 라운드에 참여했고, Dentsu는 1년 넘게 Evidenza와 협력해 미디어 플래닝에 합성 데이터를 접목해 왔습니다.
이유는 시간입니다. 현장 조사는 몇 주가 걸립니다. 합성 패널은 점심 전에 답을 내놓습니다. 금요일에 피치를 앞둔 에이전시라면 뿌리치기 어려운 유혹입니다.
그렇다면 합성 오디언스는 믿을 만할까요?
어떤 질문을 던지느냐에 달려 있으며, 이를 만드는 사람들조차 한계를 솔직하게 인정합니다. Vurvey의 Chad Reynolds는 Digiday에 “LLM은 종형 곡선의 꼭대기, 즉 가장 흔한 답을 내놓는다”고 말하며, 그래서 자사는 실제 소비자 데이터를 더한다고 설명했습니다. TransUnion의 Julie Clark는 부실한 데이터로 만든 페르소나를 경계하며 “올바른 토대에서 출발해야 한다”고 경고했습니다. Code & Theory의 Stef Hoffman은 가장 간단명료하게 정리했습니다. “판단에 정보를 줄 뿐, 판단을 대신하지는 않습니다.”
에이전시가 가장 우려해야 할 것은 종형 곡선 문제입니다. 클라이언트는 가장 흔한 답에 돈을 내지 않습니다. 잘 드러나지 않는 텐션, 트렌드로 자라날 소수의 행동, 카테고리 전체가 놓친 무언가에 돈을 냅니다. 평균으로 수렴하는 툴은 아이디어를 걸러 내는 데는 유용하지만, 바로 그 아이디어를 찾아내는 데 쓰기에는 위험합니다.
누가 이런 이야기를 전하고 있는지도 눈여겨보십시오. 성공 사례 대부분은 벤더와 그 고객사에서 나옵니다. 그렇다고 무시할 이유는 없습니다. 다만 확인해 볼 이유는 됩니다.
이런 일이 반복되는 이유: 데이터 착시 효과
합성 리서치가 설득력 있게 느껴지는 이유는 정확성과는 거의 관계가 없습니다. 이를 데이터 착시 효과라고 부를 수 있습니다. 답이 데이터처럼 보일수록, 그 데이터가 어떻게 만들어졌든 우리는 더 신뢰한다는 것입니다. 이는 심리학자들이 타당성 착각이라고 부르는 현상, 즉 예측력이 거의 없는 판단에도 확신을 느끼는 습관과 아주 가까운 개념입니다.
합성 결과물은 매끄럽고, 수치화되어 있으며, 깔끔하게 라벨이 붙은 채로 도착합니다. ‘환경을 생각하는 Z세대 쇼핑객’으로 구성된 시뮬레이션 패널이 대다수가 리필형 포장에 돈을 더 낼 의향이 있다고 응답했다고 상상해 보십시오. 하나의 발견처럼 읽힙니다. 하지만 실제로는 그런 사람들이 할 법한 말을 모델이 추정한 것에 불과합니다. 여기에 퍼센트 수치를 붙여 슬라이드에 올리면 화요일쯤에는 사실이 되어 있을 것입니다.
그 밑에 깔린 인사이트는 모든 플래너가 책상 위에 붙여 둘 만합니다. 데이터는 패턴을 드러내지만 인간다움을 정의할 수는 없습니다. 패턴은 유용합니다. 하지만 패턴이 곧 사람은 아닙니다.
어떤 오디언스 데이터 소스를 어디에 써야 할까요?
어떤 소스도 단독으로는 믿을 만하지 않습니다. 신뢰성은 약점이 서로 겹치지 않는 소스들을 조합할 때 생깁니다.
| 소스 | 강점 | 약점 | 검증 방법 |
|---|---|---|---|
| 합성 오디언스 | 빠른 가설 수립, 시나리오·콘셉트 반응 확인, 브리프 초안 | 의외의 발견, 소수 의견, 통계적 주장 | 관찰된 행동까지 추적, 소규모 실전 테스트 진행 |
| 설문 조사 및 패널 | 대규모 응답자의 표명된 태도 | 사람들의 실제 행동, 속도 | 행동 데이터와 비교 |
| 게시된 콘텐츠와 소셜 대화 | 사람들이 묻지 않아도 자기 말로 하는 이야기, 경쟁사 동향 | 게시물을 거의 올리지 않는 사람들 | 각 결론의 근거가 된 게시물 확인 |
| 퍼스트파티 및 캠페인 데이터 | 고객이 실제로 한 행동 | 아직 고객이 아닌 사람들 | 증분성 테스트 |
| 정성 인터뷰 | 동기, 깊이, ‘왜’에 대한 답 | 규모와 속도 | 위 소스들과 교차 검증 |
에이전시는 합성 오디언스의 신뢰성을 어떻게 지킬까요?
- 무엇을 기반으로 만들어졌는지 물으십시오. 어떤 소스인지, 얼마나 최신인지, 얼마나 자주 갱신되는지 확인하십시오. 답하지 못하는 벤더는 클라이언트의 돈을 블랙박스에 맡기라고 요구하는 셈입니다.
- 합성 데이터는 결론이 아니라 가설을 만드는 데 쓰십시오. 패널이 열 가지 방향을 세 가지로 좁히게 하되, 최종 승자를 고르게 하지는 마십시오.
- 각 가설을 관찰된 행동에 근거하게 하십시오. 실제 사람들이 패널이 예측한 대로 말하고, 공유하고, 행동하는지 확인하십시오. 근거를 찾을 수 없다면 그 결과는 입증되지 않은 것으로 취급하십시오.
- 중요한 결정은 시장에서 검증하십시오. Digiday에 따르면 Goodway는 Arima의 툴로 시뮬레이션 환경에서 증분 효과 테스트를 진행한 뒤, 소규모 미디어 집행으로 결과를 확인할 예정입니다. 올바른 접근입니다.
- 덱의 모든 인사이트에 유형을 표시하십시오. 각각 합성, 관찰, 측정 중 무엇인지 밝히십시오. 클라이언트는 무엇이 어떤 유형인지 알 권리가 있고, 에이전시의 전략팀도 마찬가지입니다.
- 전문 회의론자를 지정하십시오. Digiday는 팀들이 “자신들의 결과에 대해 직업적인 불신을 유지해야 했다”고 전합니다. ‘이게 틀렸다면 우리는 어떻게 알 수 있을까?’를 묻는 일을 누군가의 공식 역할로 만드십시오.
실제 게시된 콘텐츠는 어디에 들어맞을까요?
게시된 콘텐츠는 닻 역할을 합니다. 오디언스와 경쟁사가 실제로 올리는 게시물은 누가 묻지 않아도 나온 것이고, 구체적이며, 날짜가 찍혀 있어 검증할 수 있습니다. 물론 게시물을 올리는 사람들이 과대 대표된다는 고유한 사각지대가 있기 때문에, 표에 있는 다른 소스와 함께 쓸 때 가장 효과적입니다.
이것이 Defy Monitor의 원칙입니다. 모든 AI 결론은 그 근거가 된 실제 게시물까지 추적되므로, 전략은 설문 조사가 아니라 오디언스와 경쟁사가 실제로 게시하는 내용에서 역설계됩니다. 페르소나는 실제 대화를 군집화해 만들어지므로, 합성 결과를 대조해 볼 확실한 기준이 생깁니다. Defy 플랫폼 안에서 이 기능이 어떤 역할을 하는지 확인해 보십시오.
합성 오디언스는 앞으로도 계속 쓰일 것이고, 에이전시를 더 빠르게 만들어 줄 것입니다. 신뢰를 지키는 에이전시는 모든 주장마다 그 뒤에 있는 실제 사람들을 보여 줄 수 있는 곳일 것입니다.
