콘셉트 테스트를 실제 조사에 올리기 전에, 가상 소비자에게 먼저 물어 후보 콘셉트와 대상을 좁힐 수 있습니다.
핵심은 문항과 응답자 그룹을 고정하는 것입니다. 그래야 콘셉트를 고친 뒤 다시 물었을 때 차이를 읽을 수 있습니다.
가상 응답의 구매의향 점수는 수요 추정이 아닙니다. 반응이 갈린 지점을 실제 조사로 확인하는 데 씁니다.
콘셉트 테스트, 왜 실제 조사 전에 한 번 거르나
콘셉트 테스트는 아직 만들지 않은 제품의 아이디어를 소비자에게 보여 주고 이해도, 호감, 구매의향 같은 반응을 묻는 조사입니다. 신제품 기획에서 가장 자주 쓰는 조사 가운데 하나입니다.
문제는 후보가 많다는 점입니다. 기획 초기에는 콘셉트가 서너 개, 많으면 열 개가 넘습니다. 이를 모두 실제 소비자 조사에 올리기에는 예산과 시간이 부족하고, 문항 하나를 잘못 써서 조사를 다시 하는 일도 생깁니다.
그래서 실제 조사 전에 한 번 거르는 단계가 있으면 좋습니다. 가상 소비자에게 먼저 물어 반응이 크게 갈리는 콘셉트와 소비자층을 골라 두면, 실제 조사는 꼭 확인해야 할 대상에 집중할 수 있습니다. 이 글에서는 디지털 트윈 실험실의 데모 화면으로 그 과정을 네 단계로 따라가 보겠습니다.
데모 시나리오 — 가상 브랜드의 기내용 스마트 캐리어
데모 데이터 안내
이 글의 브랜드·제품·응답은 모두 설명을 위해 만든 가상 데모입니다. 실존 브랜드나 제품과 관계가 없습니다.
등산화부터 여행용 캐리어까지 만드는 가상의 아웃도어·여행 용품 브랜드가 있다고 해 봅시다. 이 브랜드의 상품기획자는 다음 시즌 신제품으로 「기내용 스마트 캐리어」 를 검토하고 있습니다. 1차 콘셉트는 전자 기능을 넣은 기내용 캐리어입니다.
기획자가 알고 싶은 것은 두 가지입니다. 이 콘셉트가 실제 조사에 올릴 만큼 반응이 있는지, 그리고 반응이 약하다면 무엇을 고쳐야 하는지입니다.
1단계 응답자 그룹 구성 · 2단계 설문 문항 확정
1단계: 응답자 그룹을 만듭니다. 디지털 트윈 실험실은 국가와 연령·성별·지역·직업 조건으로 가상 응답자 그룹을 구성합니다. 가상 응답자는 NVIDIA가 국가별 인구통계 분포를 반영해 공개한 합성 인구 데이터셋 Nemotron-Personas에서 뽑습니다. 이 데모에서는 한국 가상 응답자 40명으로 그룹을 만들었습니다.
2단계: 문항을 만들고 확정합니다. 콘셉트에 맞춰 이해도·관련성·차별성·호감·가격 대비 가치·구매 의향 등 12개 문항을 만들었습니다. 각 문항은 1~5점 척도입니다.
확정된 문항 화면. 12개 가운데 1~4번이 보입니다. (가상 콘셉트, 데모 데이터)
여기서 중요한 것은 확정입니다. 문항을 확정하면 문구를 바꿀 수 없고, 이후 실험에 같은 문항이 그대로 쓰입니다. 귀찮아 보이지만 이 제약이 있어야 뒤에서 버전을 비교할 수 있습니다. 1차안과 개선안을 서로 다른 문구로 물으면, 점수 차이가 콘셉트 때문인지 문구 때문인지 알 수 없습니다.
3단계 응답 분포 읽기 — Top-2-Box만 보지 않기
실험을 실행하면 구매의향 요약이 나옵니다. 구매의향을 15점으로 묻고, 45점 응답 비율(Top-2-Box)과 점수별 분포를 함께 보여 줍니다.
1차안에 대한 한국 가상 응답자 40명의 구매의향 분포. (가상 콘셉트, 데모 데이터)
이 데모에서 1차안의 Top-2-Box는 40%입니다. 그런데 숫자 하나만 보면 놓치는 것이 많습니다. 분포를 같이 보면 다음이 보입니다.
5점이 한 명도 없습니다. 「사고 싶다」는 있어도 「꼭 사고 싶다」는 없다는 뜻입니다. 강하게 끌리는 요소가 아직 없을 수 있습니다.
3점에 13명이 몰려 있습니다. 망설이는 층입니다. 이들이 왜 망설였는지가 개선의 실마리입니다.
1~2점이 11명입니다. 낮은 점수가 어느 소비자층에 몰렸는지 보고, 그 이유는 실제 조사에서 직접 물어볼 질문으로 남겨 둡니다.
하나 더 기억할 점이 있습니다. 구매의향 점수는 실제 구매와 그대로 같지 않습니다. 사람을 대상으로 한 조사에서도 「사겠다」는 응답과 실제 구매 사이에는 차이가 있다는 연구가 오래 쌓여 있습니다(Morwitz 외, 2007). 가상 응답자의 점수는 더더욱 「이만큼 팔린다」로 읽으면 안 되고, 콘셉트끼리 또는 버전끼리 비교하는 용도로 써야 합니다.
4단계 개선안을 같은 문항·같은 그룹으로 다시 묻기
응답 결과를 읽은 기획자는 개선 방향을 정했습니다. 전자 기능을 빼고, 더 가볍게 만들고, 가격을 낮추는 것입니다. 이렇게 만든 개선안이 v2 「기내용 경량 하드 캐리어(A안 개선)」입니다.
이제 v2를 같은 기본 문항, 같은 가상 응답자 그룹으로 다시 실험합니다. 디지털 트윈 실험실에서는 버전별 구매의향 변화를 한 화면에서 비교할 수 있습니다.
v1 → v2 버전별 구매의향 Top-2-Box 추이와 버전 목록. (가상 콘셉트, 데모 데이터)
이 데모에서는 Top-2-Box가 40%에서 75%로 움직였습니다. 여기서 읽어야 할 것은 「개선하면 구매의향이 크게 오른다」가 아닙니다. 이 수치는 가상 응답자의 반응이 이렇게 보였다는 데모 예시일 뿐이고, 일반화할 수 있는 효과의 크기가 아닙니다.
이 단계에서 정말 중요한 것은 조건을 고정했다는 사실입니다. 문항과 응답자 그룹이 같았기 때문에, 두 버전의 차이를 콘셉트의 차이로 읽을 수 있습니다. 같은 응답자가 같은 기준으로 답하도록 하는 일이 왜 중요한지는 합성 페르소나 설문의 응답 일관성 글에서 자세히 다뤘습니다.
결과를 실제 조사 설계로 넘기기 · 주의할 점
가상 소비자 실험의 결과물은 「출시 결정」이 아니라 실제 조사 설계의 입력입니다. 이 데모라면 다음과 같이 넘길 수 있습니다.
Morwitz, V. G., Steckel, J. H., & Gupta, A. (2007). When do purchase intentions predict sales? International Journal of Forecasting, 23(3), 347–364. doi:10.1016/j.ijforecast.2007.05.015
가상 인물 데이터의 출처는 NVIDIA Nemotron-Personas(CC BY 4.0)입니다.
NEXT STEP
우리 제품 콘셉트로 직접 해 보고 싶다면
담당자가 귀사의 제품·대상 시장에 맞춘 데모 실험을 함께 설계해 드립니다. 실제 조사 전에 무엇을, 누구에게 물을지 먼저 확인해 보세요.
