찐고객이 없어도, 고객 반응은 먼저 볼 수 있습니다.
통계에 물린 한국인 페르소나에게 프로덕트를 먼저 부딪혀 보는 Claude 스킬입니다. 말로 묻는 인터뷰와, 실제로 시켜보는 QA 두 계열로 굴러갑니다.
nvidia/Nemotron-Personas-Korea (CC BY 4.0)
- 한국 인구통계에 정렬된 합성 페르소나 100만 명
- 7개 페르소나 렌즈 × 100만 = 서술 700만 개
- KOSIS · 대법원 · 국민건강보험공단 · 한국농촌경제연구원 통계에 정렬
그래서 22세 서울 취준생부터 74세 광주 하역 종사원까지 실제 인구 분포대로 불러올 수 있습니다. 이름·나이·직업은 기본이고 가족 구성 · 소비 습관 · 디지털 숙련도 · 말투까지 들어 있어요.
"AI가 지어낸 그럴듯한 30대 마케터"가 아니라, 통계에 물린 진짜 같은 한국 사람들.
| 실제 데이터 | 합성 데이터 | AI가 즉석에서 지어낸 것 | |
|---|---|---|---|
| 실존 인물 | ○ | ✕ | ✕ |
| 통계 근거 | ○ | ○ | ✕ |
| 개인정보 위험 | 높음 | 없음 | 없음 |
| 재현성 | ○ | ○ | ✕ |
재현성이 특히 중요합니다. 오늘 물어본 답과 다음 주에 물어본 답이 같은 근거 위에 서 있어야, 고치고 다시 묻는 개선 왕복이 성립하니까요.
| 모드 | 언제 | 핵심 질문 |
|---|---|---|
| I1 패널 인터뷰 | "피드백 받아줘" | 쓸까, 왜 안 쓸까 |
| I2 5초 테스트 | "랜딩페이지 봐줘" | 3초 안에 이해되는가 |
| I3 비고객 스트레스 | "누가 안 쓸까" | 경계 밖은 왜 거절하나 |
| I4 가격·혜택 수용도 | "이 가격이면 살까" | 지불 의사와 근거 |
| 모드 | 언제 | 핵심 질문 |
|---|---|---|
| Q1 흐름 QA | "어디서 막힐까" | 어느 단계에서 이탈하는가 |
| Q2 라이브 QA | URL 주고 "들어가서 눌러봐줘" | 진짜로 해보면 어떻게 되나 |
인터뷰 순서가 고정돼 있습니다.
| 순서 | 묻는 것 |
|---|---|
| 1 | 첫 반응 — 보고 나서 든 생각 |
| 2 | 안 쓸 이유 — 최소 두 가지, 구체적으로 |
| 3 | 그럼에도 쓴다면 — 언제, 어떤 상황에서 |
| 4 | 지인에게 설명한다면 — 뭐라고 말할지 |
2번을 앞에 둔 건 순서의 문제입니다. 그냥 물으면 AI가 협조적이라 좋은 말부터 나오고, 거절 이유는 캐물어야 겨우 나옵니다. 먼저 꺼내게 해서 아첨을 구조적으로 막는 것이지, 부정만 수집하려는 게 아니에요.
**3번이 "왜 쓰는지"**이고, 4번은 그대로 카피 재료가 됩니다.
- 공통으로 나온 거절 이유 → 최우선 개선 포인트
- 공통으로 나온 사용 이유 → 가치 제안이 맞았다는 증거
- 페르소나별로 갈린 반응 → 타깃을 좁힐 단서
- 가상 피드백은 실제 검증의 전 단계입니다. 진짜 고객을 대체하지 않습니다.
- 비율로 말하지 않습니다. 확률 표본이 아니에요. ❌ "40%가 이탈합니다" → ⭕ "이 지점에서 막히는 사람이 있습니다" 이 스킬은 몇 %인가가 아니라 무엇을 놓쳤는가에 답합니다.
- 아첨 금지. 페르소나는 친구가 아니라 바쁜 생활인입니다.
- 없는 정보는 지어내지 않습니다. 카드에 없는 걸 물으면 "글쎄요, 잘 모르겠는데요" 가 정답입니다.
- 말투를 지킵니다. 74세 광주 어르신과 22세 서울 취준생은 같은 문장을 쓰지 않습니다. 다만 완곡한 거절("좋은 것 같긴 한데… 저는 좀…")도 실제 반응입니다.
- 한 번에 한 명씩. 이름표를 붙여 서로의 답을 뭉개지 않습니다.
| 레벨 | 인원 | 조건 |
|---|---|---|
| L2 확장 팩 | 3,000명 | references/extended-pack/personas.jsonl 존재 |
| L1.5 | 300명 | quickref-300.md 존재 |
| L1 코어 팩 | 35명 | 항상 동작하는 기본값 |
스킬이 알아서 판단하고 결과만 한 줄로 알립니다.
이 스킬의 기본값은 Nemotron-Personas-Korea입니다. 타깃이 한국이 아니면 그 나라 데이터셋으로 바꿔야 반응이 맞아요.
한국 데이터로 해외를 추정하지 않습니다. 서술이 각 나라 모국어 원문이라, 나라를 바꾸면 말투·생활 조건·소비 맥락이 통째로 바뀝니다.
쓸 수 있는 나라는 10개국 — 🇰🇷 한국 · 🇺🇸 미국 · 🇯🇵 일본 · 🇮🇳 인도 · 🇧🇷 브라질 · 🇫🇷 프랑스 · 🇸🇬 싱가포르 · 🇸🇻 엘살바도르 · 🇻🇳 베트남 · 🇧🇪 벨기에 전부 무료 · CC BY 4.0 (출처만 밝히면 상업적 사용 가능)
나라를 바꾸면 지리 필드명 · 렌즈 구성 · 필터 키워드 언어가 같이 바뀝니다.
목록과 나라별 차이, 받는 법은 → references/datasets.md
주소를 그대로 붙여넣고 말로 부탁하세요.
https://github.com/selfishclub/virtual-customer-feedback-qa
이 스킬을 내 클로드 코드에 설치하고 싶어.
skills 폴더에 받아줘. 어떻게 되는 건지도 한 줄로 알려줘.
virtual-customer-feedback-qa.skill 파일을 내려받아
Customize → Skills → + → Create skill → Upload a skill
.skill파일에는 L2 확장 팩(3,000명)이 그대로 들어 있습니다. 업로드하면 바로 3,000명 기준으로 동작해요.
virtual-customer-feedback-qa/
├── SKILL.md
├── references/
│ ├── SPEC.md # 표본 · 대표성 · 한계
│ ├── datasets.md # 국가별 데이터셋 10개국
│ ├── core-pack.md # L1 · 35명
│ ├── extended-pack/ # L2 · 페르소나 3,000명 + 인덱스
│ ├── panel-rules.md # 패널 구성 규칙
│ ├── verdict-rules.md # 판정 · 편향 점검
│ ├── qa-playbook.md # QA 모드 실행 절차
│ ├── example-session.md # 완성 예시
│ └── synthetic-personas.md
└── scripts/
├── find_personas.py
└── build_extended_pack.py
결과를 해석하거나 보고할 때는 references/SPEC.md를 반드시 함께 읽으세요. 표본의 성격과 한계가 적혀 있습니다.
가상 고객한테 피드백 받아줘
이 랜딩페이지 테스트해줘
이 가격이면 살까?
누가 안 쓸까?
어디서 막히는지 봐줘
우리 페이지 직접 들어가서 확인해줘
물어볼 대상이 정해져 있어야 이 스킬이 제 값을 합니다.
sponge-gtm-core → virtual-customer-feedback-qa → sponge-first-conversion
코어 세우기 가설 검증 아이템 · 1차 전환
재료 · 변화 한 문장 · 주요 가치 · 주요 페르소나 네 칸을 세웁니다. 그 세 칸이 이 스킬의 브리핑 세 칸과 그대로 맞물려요.
| 이 스킬이 받는 것 | ← 코어의 |
|---|---|
| 프로덕트 한 줄 설명 | 변화 한 문장 |
| 타깃 고객 | 주요 페르소나 |
| 대상물 | 주요 가치 |
짚은 걸 반영해서 1차 아이템을 정하고, 첫 고객을 만드는 페이지까지 갑니다. 배포된 주소를 다시 이 스킬의 Q2 라이브 QA에 넣으면 왕복이 닫혀요.
세운 가치와 페르소나는 정답이 아니라 가설입니다. 미리 세워두지 않으면, 반응이 없을 때 "내 서비스는 안 되는구나" 로 결론내버려요. 사실은 페르소나가 그 사람들이 아니었거나, 가치가 그게 아니었을 뿐인데요.
셀피쉬클럽 · 스폰지클럽에서 실제로 굴리는 스킬입니다.
스킬 코드 · 문서: MIT 페르소나 데이터: CC BY 4.0 — NVIDIA Nemotron-Personas-Korea