인공 지능을 이용한 대규모 언어 모델의 소비자 인사이트 생성

현대 데이터 주도 마케팅은 소비자 데이터를 많이 필요로 하지만, 이러한 데이터를 수집하는 것은 비용이 많이 들고 시간이 오래 걸리며 확장하기 어렵다. 따라서 대규모 언어 모델(LLM)이 프로젝티브 기술에서 합성 소비자 데이터를 생성할 수 있는지 조사하는 연구가 진행되었다. 프로젝티브 기술은 소비자와의 관계, 감정, 욕망, 필요를 파악하기 위해 설계된 방법이다.

이 연구에서는 여러 프로젝티브 작업, 대규모 언어 모델(LLMs), 프롬프트 전략, 온도 설정을 테스트하고, 인간의 연구 결과에 나온 도시 관광 목적지에 대한 인식과 비교하였다. 인간과 LLM의 응답은 언어적 측면, 다양성 및 집중도 지표, 주제 모델, 상위 단어 분석을 통해 분석되었다. 결과는 인간과 LLM의 응답이 광범위한 주제와 관련성에서 상당한 겹침을 보였지만, 스타일, 언어적 구조, 다양성을 생성하는 방식에서 중요한 차이를 보였다.

연구 결과와 제안

연구 결과를 바탕으로 LLM을 사용하여 합성 소비자 데이터를 생성하는 데 가장 좋은 방법을 제안하였다. 모델과 프롬프트 선택이 응답 품질을 어떻게 형성하는지, 그리고 LLM 합성 소비자 데이터 생성의 한계를 인식하는 방법에 대해 설명하였다. 이러한 연구 결과는 마케팅 및 소비자 데이터 수집 분야에서 새로운 가능성을 열어줄 수 있을 것으로 기대된다.

이 연구는 대규모 언어 모델(LLM)의 가능성을 보여주며, 앞으로 더욱 발전된 연구가 진행될 것으로 예상된다. 또한, 이러한 기술이 실제 마케팅 및 비즈니스 분야에서 어떻게 활용될 수 있는지에 대한 연구도 필요할 것으로 보인다. 이를 통해 소비자 데이터 수집의 효율성을 높이고, 비즈니스 결정에 더 정확한 정보를 제공할 수 있을 것이다.