"우리 K-뷰티가 베트남에서 잘 팔릴까?"를 일반 AI 챗봇에게 물으면 일반론적 추측이 돌아옵니다. AI Market Twin은 베트남 Bộ Y Tế 식품 등록 절차, 인도네시아 BPS 가구소득 분포, 일본 厚生労働省 화장품 규제 같은 실제 정부·공공 통계로 grounded된 페르소나 풀 위에서 시뮬레이션을 실행합니다.
소득 분포, 직업별 임금, 가구 구성, 소비 패턴, 핵심 규제 — 24개국 정부·공공 통계청에서 가져온 실측 데이터가 페르소나 생성의 ground truth입니다.
연 1회 자동 갱신 (GitHub Actions 파이프라인) · 추가 국가 요청 시 4-6주 내 통합 가능
같은 질문을 ChatGPT에게 던져도 답을 얻습니다. 그 답이 의사결정 자료로 쓸 수 있는지가 다릅니다.
LLM hallucination을 줄이는 가장 확실한 방법은 외부 grounding과 자체 검증입니다. AI Market Twin은 공공 데이터 anchor(모든 origin 공통 + 국가별 national data)와 5-metric 자가 평가 파이프라인을 운영합니다.
설계상 origin-agnostic: 본국마다 상장사 재무·식약 규제의 자국 등가 소스를 연결합니다. 현재 한국·미국·일본·영국이 연동됐고, 같은 인터페이스로 시장을 확장합니다.
백테스트가 보여준 것: 실제 승리 시장은 종종 거시가 감지 못하는 브랜드 요인(기존 발자국·유통 딜 — 예: Shake Shack→UAE 라이선싱 그룹)이 결정합니다. 두 신호로 이를 포착 — 라이브 전용, country 랭킹에 가중.
Dominance 기반 신뢰도. STRONG은 단순 다수결이 아니라 승리 시장이 지배해야 부여됩니다 — 독립 LLM 제공자 간 합의 그리고 2위 대비 명확한 득표 마진. 이 캘리브레이션은 N=19 백테스트에서 다수결만의 STRONG이 과신(~55% 적중)이었던 데서 나왔습니다. STRONG="베팅하라", MODERATE="후보에 넣어라", WEAK="이것만 믿지 말라"를 뜻하게 됩니다.
위 5-metric은 오픈된 채점 로직으로 운영됩니다. 매 코드 변경마다 동일 product 세트 (다중 K-product 픽스처) 위에 자동 재측정되고, 결과는 paired t-test로 통계적 유의성까지 검증합니다. 측정-개선 사이클은 주간 단위로 운영됩니다.
모든 시뮬 결과는 사용된 grounding anchor와 점수 분해를 PDF에 명시합니다. 정확도 개선은 기존 가입자에게도 동일하게 자동 적용됩니다 — 신규 release마다 별도 업그레이드 비용 없습니다.
위저드 입력에서 PDF 출력까지 평균 5-7분. 각 단계마다 다른 LLM 모델이 최적의 역할을 수행합니다.
제품 정보를 검증하고 카테고리별 직업 풀에서 200개 페르소나 슬롯을 미리 배정합니다.
후보국 각 카테고리별 판매 금지·라벨 규정을 검사. 진출 자체가 불가능한 시장은 자동 제외.
워크스페이스 풀에서 매칭되는 페르소나는 재사용, 새 슬롯만 신규 생성. 각 페르소나의 1인칭 인용(voice) 함께 생성.
200명 페르소나의 의향 분포·거부 요인·신뢰 신호를 집계해 국가별 수요·CAC·경쟁 강도 평가.
3회 병렬 가격 시뮬레이션의 중앙값을 채택해 단일 호출의 변동성 제거. 시장별 가격 민감도 별도 산출.
비전 모델이 업로드된 크리에이티브를 함께 분석. 자가 비평 단계가 macro 일관성 (best-country 일치 등)을 자동 검증 후 결과 확정.
실제 K-푸드 5개국 진출 검증 시뮬레이션 결과 PDF — 회원가입 불필요, 즉시 다운로드.