기본 정보
- 제목: LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings
- 발표일: 2025년 10월
- arXiv: https://arxiv.org/abs/2510.08338
- 분야: Artificial Intelligence
연구 개요
이 논문은 LLM이 인간의 실제 구매 의도를 놀라운 정확도로 예측할 수 있음을 보여줍니다.
연구 방법
1. 프로필 기반 시뮬레이션
- LLM에게 특정 인구 통계적 프로필을 가진 고객을 사칭하도록 지시
- 다양한 인구 통계적 특성 (나이, 성별, 소득 수준 등) 반영
2. 제품 제시 및 평가
- 가상 고객에게 제품 정보 제공
- 다른 AI가 고객의 인상과 반응을 평가
3. 의미적 유사성 활용
- Likert 척도 평가의 의미적 유사성을 활용하여 구매 의도 예측
- 언어적 표현과 실제 구매 행동 간 상관관계 분석
주요 결과
- 예측 정확도: 약 90%
- 실제 인간의 구매 의도와 높은 일치도
- 다양한 제품 카테고리와 가격대에서 일관된 성능
실무 적용 가능성
1. 마케팅 리서치
- 비용 효율적인 시장 조사
- 빠른 제품 테스트 및 피드백 수집
2. 개인화 추천
- 고객 세분화 및 타겟팅
- 맞춤형 제품 추천 시스템
3. 사용자 경험 설계
- A/B 테스트의 사전 시뮬레이션
- UX/UI 최적화를 위한 인사이트
윤리적 고려사항
- 개인 정보 보호 및 프라이버시 문제
- 조작 가능성에 대한 우려
- 투명성과 동의에 대한 필요성