거부기린 - 만 명의 사용자가 내 서비스를 이용해봤다고?

1. 인트로

며칠 전 aaru라는 해외 스타트업에 대한 글을 봤다.

이 회사는 가상의 페르소나 수천 명을 만들어서 실제 세계의 현상을 예측한다. 선거 결과, 제품 반응, 여론 동향까지. 실제 사람을 인터뷰하지 않고도 꽤 높은 정확도로 맞춘다는 얘기였다.

"가상의 사람한테 물어보면 진짜랑 비슷하게 나온다고?"

반신반의하면서도 흥미로웠다. 그러던 중 허깅페이스에서 엔비디아가 만든 한국인 페르소나 데이터셋을 발견했다. 이름은 Nemotron-Personas-Korea. 한국인 100만 명 분량의 가상 프로필인데, 연령, 성별, 직업, 거주지, 자기소개까지 딸려 있었다.

이걸로 내가 만드는 서비스에 대한 가상 사용자 인터뷰를 해볼 수 있지 않을까?

**그래서 해봤다. 1만 명한테 물어봤다. 내 컴퓨터 안에서.

2. "그래서 뭘 해봤는데?"

한 줄로 요약하면 이렇다. 엔비디아가 만든 한국인 가상 인물 1만 명한테, 내 서비스 써볼래요? 라고 물어봤다.

테스트한 서비스는 내가 개발 중인 거부기린. 웹캠으로 실시간 거북목과 자세를 분석해주는 데스크톱 앱이다. 장시간 PC를 쓰는 직장인, 개발자, 디자이너가 주 타겟이다.

방법은 단순하다. 페르소나 데이터셋에서 1만 명을 샘플링하고, 각 사람의 연령·성별·직업·거주지 정보를 LLM에게 넘긴다. 그리고 이렇게 물었다.

"당신은 34세 여성, 충남 아산에 사는 구직자입니다. 이 서비스를 알게 된다면, 설치해서 계속 쓸 의향이 있으세요? 확률을 0~100%로 알려주세요."

LLM은 그 사람의 입장에서 가입 확률과 이유를 판단해 답한다. 실제 설문조사라면 수천만 원에 몇 주가 걸릴 일이다. 이건 내 방에서 몇 시간이면 됐다.

3. 어떻게 돌렸나

3-1. 환경 세팅

내 맥에 Ollama를 깔고, Qwen3 32B 모델을 돌렸다. 32B면 꽤 큰 편인데, RAM이 충분해서 로컬에서 돌릴 수 있었다. 왜 로컬이냐고? 1만 건을 GPT-4 같은 API로 돌리면 몇십만 원은 쉽게 나온다. 로컬은 전기세만 나온다.

Ollama는 로컬에서 LLM을 돌릴 수 있게 해주는 도구다. 터미널에서 ollama run qwen3:32b 한 줄이면 모델이 뜬다. ollama serve를 띄워두면 [http://localhost:11434로]() HTTP 요청을 날릴 수 있다.

Qwen3를 고른 이유는 단순했다. 32B 파라미터 모델 중에서 한국어 이해도가 가장 높았다. Llama 계열도 돌려봤는데, 직업이나 거주지 같은 컨텍스트를 종합해서 판단하는 건 Qwen3가 나았다. 70B 이상 모델이 더 정교하겠지만, 내 맥북 RAM으로는 32B가 한계였다.

처리는 Python + asyncio로 비동기 병렬로 돌렸다. 동시에 4개씩 요청을 날려서 1만 건을 몇 시간 만에 끝냈다. 동시성을 4로 잡은 건 그 이상으로 올리면 응답 시간이 급격히 늘어났기 때문이다.

1만 개의 태스크를 asyncio.gather로 한 번에 돌리되, 세마포어로 동시 실행 수를 4개로 제한하는 방식이다. 각 요청이 평균 3~5초 걸리니까 전체 처리 시간은 이론상 약 2.7시간. 실제로는 3시간 조금 넘게 걸렸다.

결과는 JSON으로 저장하고 나중에 pandas로 분석했다. 타임아웃 나면 재시도, 파싱 실패하면 fallback으로 처리하는 에러 핸들링도 넣었는데, 실제로는 에러가 한 건도 안 나왔다. 1만 건 전원 유효 응답. 이건 좀 놀라웠다.

3-2. 데이터셋: Nemotron-Personas-Korea

엔비디아가 허깅페이스에 공개한 한국인 가상 페르소나 데이터셋이다. 총 100만 건이 넘고, 누구나 다운로드할 수 있다. 각 페르소나에는 연령·성별·직업, 거주지(시/도 + 구/군), 학력·혼인 상태·거주 형태, 그리고 한두 줄짜리 자기소개 요약이 들어있다.

예를 들면 이런 식이다:

"조향순 씨는 대구 달서구에서 평생 살림을 일궈온 정 많은 주부로, 산행과 TV 시청으로 소소한 행복을 찾으며 가족과 이웃의 조화를 소중히 여기는 분입니다."

실제 한국 인구 분포를 반영해서 만들었다고 한다. 연령대, 성비, 지역별 인구 비율을 통계청 자료 기반으로 구성했다는 얘기다.

1만 건 샘플링은 단순 랜덤 추출로 했다. 층화 추출을 써서 연령대별로 균등하게 맞출 수도 있었는데, 1만 건이면 충분히 큰 샘플이라 그냥 무작위로 뽑았다. 실제 결과를 보니 20대 1,424명, 30대 1,488명, 40대 1,770명, 50대 2,001명, 60대 1,778명, 70대+ 1,539명으로 고르게 분포했다.

직업 분포에서 눈에 띄는 게 있었다. 무직·구직이 3,871명, 38.7%였다. 통계청 기준 비경제활동인구 비율(학생·주부·은퇴자 포함)이 약 40%인 걸 감안하면 비슷한 맥락이다. 어쨌든 이 비율이 전체 평균 확률을 끌어내리는 방향으로 작용했을 건 분명하다.

3-3. 프롬프트는 이렇게 줬다

페르소나 정보와 서비스 설명을 하나로 합쳐서 LLM에게 던지는 구조다.

``` 당신은 다음 페르소나의 관점에서 생각하는 시뮬레이터입니다.

## 페르소나 정보 - 성별: 여자 - 나이: 34세 - 직업: 전직 일반 비서, 현재 구직중 - 거주지: 충청남도 아산시 - 학력: 4년제 대학교 - 페르소나 요약: "이미란 씨는 공학적 전문성과 비서의 유연함을 겸비한 34세 구직자로..."

## 서비스 설명 「거부기린」은 웹캠으로 사용자의 실시간 거북목과 자세 변화를 분석하고...

## 질문 이 페르소나가 이 서비스를 설치 및 지속 사용할 확률을 0~100 사이의 정수로 평가하고, 그 이유를 2~3문장으로 설명하세요.

## 출력 형식 (반드시 준수) PROBABILITY: REASON: ```

설계에서 신경 쓴 부분이 몇 가지 있다.

"시뮬레이터"라는 역할 부여가 핵심이었다. 역할 없이 돌렸을 때는 LLM이 자기 관점에서 서비스를 평가하는 경향이 있었다. "이 서비스는 유용해 보입니다" 같은 일반론. 역할을 부여하니 "이 페르소나는 PC를 주업무로 안 쓰니까 필요성을 못 느낄 것 같다"는 식으로, 그 사람의 상황에서 판단하는 흔적이 보였다.

서비스 설명에는 "혁신적인", "최고의" 같은 수식어를 뺐다. 칭찬을 넣으면 확률이 올라가니까. 그래도 완전한 중립은 불가능하다. 서비스를 설명하는 것 자체가 이미 긍정적인 프레이밍이다. 이 한계는 뒤에서 다시 얘기하겠다.

출력 형식은 강제했다. PROBABILITY: 와 REASON: 형식으로만 답하게 했다. 자유 형식으로 받으면 "확률은 약 70% 정도", "열에 일곱", "쓸 것 같기도 하고 안 쓸 것 같기도 하고" 같은 걸 다 파싱해야 한다. 출력 형식 고정은 LLM 실험에서 기본 중의 기본이다.

4. 돌려보니 - 결과

4-1. 전체 요약

먼저 전체 숫자부터.

• 1만 명 전원** 유효 응답. 에러 0건, fallback 0건.

• 평균 가입 확률: 51.9%, 중앙값: 45%

• 표준편차: 22.2%

• 최솟값: 10%, 최댓값: 85%

-

표준편차 22.2%도 눈여겨볼 만하다. 50% ± 22%면 응답이 28%부터 72%까지 꽤 넓게 퍼져 있다. 페르소나마다 반응이 달랐다는 거다. 모두가 비슷하게 50%를 줬다면 표준편차가 5~10% 정도일 텐데, 22%면 페르소나의 특성(연령, 직업 등)이 확률에 큰 영향을 미쳤다는 뜻이다.

최솟값이 10%고 최댓값이 85%라는 것도 흥미롭다. 0%나 100%가 하나도 없었다. Qwen3가 극단적인 값을 피하는 경향이 있는 건지, 아니면 프롬프트 구조상 극단적 판단이 어려운 건지는 모르겠다. 어쨌든 10~85% 범위 안에서 페르소나별로 의미 있는 분산이 있었다.

이제 쪼개서 보자.

4-2. 연령대별: 확 드러나는 패턴

연령대 샘플 수 평균 가입 확률 중앙값 20대 1,424명 72.5% 75% 30대 1,488명 72.2% 75% 40대 1,770명 63.4% 65% 50대 2,001명 48.2% 40% 60대 1,778명 34.2% 30% 70대+ 1,539명 25.3% 20%

거부기린이 PC 기반 서비스라는 점과 맞아떨어지는 패턴이다. 2030은 하루 종일 노트북 앞에 앉아있는 세대다. 코딩하고, 문서 쓰고, 유튜브 보고. 이들한테 거북목은 일상이고 자세 교정은 늘 미루는 숙제다. 60대 이상은 스마트폰은 쓰지만 데스크톱 앱은 익숙하지 않다. 거북목 문제는 있어도 PC 앱 설치 자체가 장벽이다.

마케팅 전략에 직접적인 시사점이 있다. 50대 미만을 1차 타겟으로 잡고, 50대 이상은 2차로 접근하는 게 합리적이다.

4-3. 직업별: 직업이 서비스 수요를 말해준다

직업 샘플 수 평균 가입 확률 IT/기술직 339명 75.6% 경영진/관리자 128명 72.8% 사무직 1,136명 70.7% 의료/보건 131명 66.1% 교육 201명 64.8% 영업/판매 510명 60.9% 기타 3,204명 53.0% 요식업 197명 45.6% 무직/구직 3,871명 41.7% 운송/물류 283명 38.3%

경영진, 사무직도 70%대. LLM의 응답을 보니 경영진은 "건강 관리에 대한 관심"을 이유로 드는 경우가 많았다. 시니어 관리자일수록 건강을 챙기려는 의지가 강하다고 판단한 것 같다.

의료/보건이 66.1%로 꽤 높다. 병원에서 PC를 쓰는 시간이 생각보다 길다. EMR 입력, 영상 판독, 연구 논문 작업. 건강 분야에 대한 관심 자체가 높으니 자세 관리 앱에도 열린 태도를 보이는 거다.

운송/물류는 38.3%, 무직/구직은 41.7%. PC를 주업무 도구로 쓰지 않으면 확률이 낮다. 흥미로운 건 직업이 연령보다 더 강한 변수일 수 있다는 점이다. 40대 사무직은 70%대지만 40대 요식업은 40%대다. 같은 연령이라도 직업에 따라 30%p 가까이 벌어진다. "3040 직장인"보다 "데스크 워커"라는 기준이 더 정확할 수 있다.

4-4. 성별: 남녀 차이는 있을까?

• 남성 54.8% vs 여성 49.0%

• 차이는 약 5.8%p

5.8%p 차이로 성별 마케팅 전략을 다르게 가져갈 필요는 없다.

4-5. 지역별: 수도권 vs 지방

지역 샘플 수 평균 가입 확률 서울 2,578명 55.9% 경기 (위와 동일 집계) 53.4% 인천 - 52.4% 대구 - 51.9% 부산 - 49.8% 충남 - 49.3% 경남 - 49.2% 경북 - 47.5% 전북 - 47.1% 전남 - 43.0%

다만 수도권 확률이 높은 게 지역 특성 때문인지, 수도권에 젊은 사무직이 많아서인지는 교차 분석이 필요하다. 이번에는 거기까지 들어가지 않았다.

4-6. LLM이 쓴 가입 사유 예시

숫자만 보면 재미없다. 실제 LLM이 뭐라고 답했는지 보자.

오윤주 씨는 장시간 컴퓨터 앞에서 일하는 전자제품 개발 기술자로, 거북목 예방에 관심이 있을 가능성이 높습니다. 또한 데이터가 외부로 전송되지 않는 온디바이스 방식이 내향적인 성향의 페르소나에게 큰 장점으로 작용할 것입니다.

온디바이스 방식을 프라이버시 장점으로 연결 지은 게 흥미로웠다. 서비스 설명에 적어놨는데 페르소나의 성향과 연결 지어서 판단했다.

35세 여성 / 경리 사무원 / 대전 - 75%

황누리 씨는 장시간 PC를 사용하는 경리 사무원으로, 거북목에 대한 위험을 인지하고 있을 가능성이 높다. 온디바이스 방식의 보안성과 간단한 피드백 방식은 부담 없이 지속 사용할 수 있는 요소가 될 것이다.

40세 남성 / 전기 용접원 / 울산 - 45%

김정우 씨는 장시간 자세를 고정하는 작업을 하기 때문에 자세 관리에 관심이 있을 수 있으나, PC를 주업무 도구로 사용하지 않아 앱 사용 확률은 낮다. 다만 건강 관리에 대한 인식이 높다면 설치 후 꾸준히 사용할 가능성은 있다.

용접원도 자세 고정 문제가 있다. 하지만 PC 기반 서비스라는 점에서 매칭이 안 된다. "자세 관심은 있지만 이 서비스와는 안 맞는다"는 뉘앙스를 정확히 잡았다.

62세 여성 / 무직 / 대구 - 30%

조향순 씨는 PC 사용에 익숙하지 않을뿐더러, 거북목이나 자세 관리에 대한 인식이 낮아 이 서비스의 필요성을 잘 느끼지 못할 가능성이 높습니다. 복잡한 설정이나 기술적인 앱 사용은 부담스러워할 수 있습니다.

나이, 직업, 거주지를 종합해서 "PC 친숙도 낮음, 기술적 장벽"을 도출했다. 30%라는 낮은 확률과 그 이유가 합리적으로 연결된다.

읽어보면 꽤 그럴듯하다. 직업과 PC 사용 시간의 관계, 프라이버시 민감도, 기술적 익숙함 같은 요소를 자연스럽게 엮어서 설명한다. 물론 이게 실제 사람의 반응과 같다고 할 수는 없다.

5. 이걸 믿어도 되나?

결과가 직관과 잘 맞아떨어졌다. 2030 IT 직장인이 가장 높고, 70대 무직이 가장 낮다. "당연한 거 아니야?"라고 할 수도 있다.

그게 포인트다. 당연한 결과가 나왔다는 것 자체가 이 방식의 검증이다. 엉뚱한 결과가 나왔다면 LLM이 페르소나를 제대로 이해하지 못한 거겠지만, 일관된 패턴이 나온 건 적어도 "방향은 맞다"는 걸 보여준다.

실험에서 건진 인사이트를 정리하면 이렇다.

1차 타겟은 2030 데스크 워커다. 20대 72.5%, 30대 72.2%, IT/기술직 75.6%, 사무직 70.7%. 연령과 직업을 교차하면 "2030 IT/사무직"이 가장 반응이 좋은 세그먼트라는 게 명확하다.

50대부터 반응이 급격히 떨어진다. 40대에서 50대로 갈 때 15%p가 한 번에 떨어진다. 50대 이상 사용자를 포기하라는 게 아니라, 초기 리소스는 50대 미만에 집중하는 게 효율적이라는 얘기다.

직업이 연령보다 더 강한 변수일 수 있다. 40대 사무직(70%대) vs 40대 자영업(40%대)처럼, 같은 연령이라도 직업에 따라 차이가 크다. 링크드인 광고나 직업 커뮤니티 타겟팅이 단순 연령 타겟팅보다 효과적일 수 있다.

한계

물론 한계도 명확하다.

LLM이 만든 예측이지 실제 사람의 반응이 아니다. 진짜 34세 구직자가 내 서비스를 본다면 75%가 아니라 0%일 수도 있다. "관심 있다"고 클릭하는 것과 "실제로 설치하고 매일 쓰는" 건 완전히 다른 차원의 행동이다. LLM은 페르소나의 텍스트 정보를 바탕으로 합리적으로 추론한 것뿐이다.

페르소나 데이터 자체가 가상이다. 엔비디아가 한국 인구 분포를 반영해서 만들었다고는 하지만, 여전히 LLM이 생성한 데이터다. 특히 무직/구직이 38.7%를 차지한 건 실제보다 높을 가능성이 크다. 이게 전체 평균(51.9%)을 낮추는 방향으로 작용했을 거다.

프롬프트에 따라 결과가 달라진다. 서비스 설명을 조금만 바꿔도 확률 분포가 움직인다. "무료"라는 단어를 넣으면 전체적으로 확률이 올라갈 게 뻔하다. 최대한 중립적으로 서비스를 설명하려고 했지만, 완전한 객관성은 불가능하다.

LLM 모델 자체의 편향. Qwen3 32B가 한국인의 행동을 얼마나 잘 시뮬레이션하는지는 검증되지 않았다. 학습 데이터에 "노년층은 기술에 익숙하지 않다"는 스테레오타입이 과반영되어 있다면, 결과도 그 편향을 반영했을 거다.

6. 마무리

1만 명한테 "우리 서비스 어때요?" 물어봤다. 비용은 0원, 소요 시간은 몇 시간.

결과는 직관과 합쳤다. 2030 IT 직장인이 가장 반응이 좋고, 60대 이상은 낮다. 직업이 연령만큼 중요한 변수다. 수도권이 지방보다 반응이 좋다. 서비스 런칭 전 타겟 고객 설정과 초기 마케팅 방향을 잡는 데 실질적인 참고가 된다.

물론 이게 실제 사용자 조사를 대체할 수는 없다. 진짜 사용자 인터뷰, 베타 테스트, A/B 테스트는 여전히 필수다. 하지만 그 전에 방향을 잡는 첫 번째 스텝으로는 쓸만하다. 0원에 1만 명 인터뷰를 해볼 수 있다는 건, 리소스가 부족한 개인 개발자나 소규모 스타트업에게 특히 유용하다.

이 방식의 또 다른 장점은 반복이 쉽다는 거다. 프롬프트를 수정하면 다시 돌릴 수 있고, 서비스 설명을 바꾸면 어떤 메시지가 더 효과적인지 시뮬레이션할 수 있다. 실제 설문조사에서는 설문지 하나 바꾸는 것도 일인데, 여기선 프롬프트 몇 줄 수정이면 된다.

다음엔 랜딩 페이지 두 개 버전을 페르소나 1만 명에게 보여주고 어느 쪽을 더 클릭할지 예측해보는 실험도 해보고 싶다. "무료로 시작하세요" vs "거북목, 이제 그만" - 어떤 카피가 더 반응이 좋을지.