소개

응답자는 저희가 지어낸 사람이 아니라 공개 데이터셋입니다. NVIDIA 가 배포하는 Nemotron-Personas-Korea 100만 명으로, 통계청(KOSIS)·대법원 성명 통계·건강보험공단 검진데이터·농촌경제연구원 식품소비조사를 근거로 성별·나이·지역·학력·직업·주거·혼인·가구 형태가 실제 한국 인구 분포에 맞게 생성돼 있습니다. 17개 시도, 252개 이상 시군구를 덮습니다.

조건을 고르면 이 100만 명에서 해당하는 사람을 뽑아 묻습니다. 한 명 한 명에게 따로 묻고, 그 답을 모아 평균을 냅니다.

출처 표기 의무가 있는 데이터입니다 — NVIDIA Nemotron-Personas-Korea, CC BY 4.0.

신한카드 공식 상품페이지에서 개인카드 전종을 수집해 씁니다. 연회비·대표 혜택·전월실적 조건·발급 조건을 상품페이지 원문 그대로 가져옵니다. 카드마다 원문 링크를 걸어 두었으니 직접 대조하실 수 있습니다.

순위를 정하는 질문은 언제나 하나입니다.

이 응답자가 앞으로 6개월 안에 이 카드를 발급받을 가능성은 어느 정도인가?

답은 자유 문장이 아니라 10단계 확률 척도 중 하나입니다. 마케팅 조사에서 구매 의향을 잴 때 쓰는 Juster 척도(원래 11단계)를 10단계로 줄인 것입니다. “사고 싶다/아니다” 같은 모호한 표현 대신 확률을 직접 고르게 하는 방식이라, 사람마다 다르게 해석할 여지가 적습니다.

• 전혀 없음 0%
• 매우 낮음 10%
• 낮음 20%
• 조금 있음 30%
• 다소 있음 40%
• 반반 50%
• 상당히 있음 60%
• 높음 70%
• 매우 높음 80%
• 거의 확실 90%+

화면의 점수는 이 10단계를 0~9점으로 옮긴 뒤 응답자 전체를 평균한 값입니다.

질문지를 얹으면 여기에 문항을 더 물을 수 있습니다. 한 사람에게 한 카드를 보여주고 발급 의향과 얹은 문항을 한꺼번에 묻기 때문에, 문항이 늘어도 물어보는 횟수는 그대로입니다. 다만 얹은 문항은 순위에 들어가지 않습니다 — 순위 잣대가 조사마다 바뀌면 지난 결과와 비교할 수 없기 때문입니다.

점수는 Jev 가 냅니다. 일반 대화형 모델과 달리 문장을 쓰지 않고 위 10개 선택지 위의 확률 분포만 돌려주는 모델입니다. 선택지가 고정돼 있어 결과를 그대로 수치로 쓸 수 있습니다.

재측정 편차

0.075

같은 입력을 5회 반복했을 때 점수가 흔들린 폭의 평균, 가장 커도 0.157 (2026-09-22 실측)

처리량

분당 2,000건

동시 50 기준

건당 비용

$0.000075

1,787토큰 기준

점수 옆의 이유 문장은 Claude Sonnet 4.5 가 따로 씁니다. 건당 값이 Jev 의 111배라 모든 응답자에게 묻지 않고, 보고 싶은 카드 한 장씩 그 카드에 점수를 높게 준 사람부터 낮게 준 사람까지 고르게 12명을 골라,Jev 가 준 점수의 이유를 묻습니다. 이유가 순위와 어긋나지 않게 하려는 것입니다. 그래서 결과 화면에서 “이유 보기”를 눌러야 문장이 나옵니다.

실제 발급 실적과는 대조하지 못했습니다(아래 6). 대신 답이 맞는지 알 수 있는 것과 조건을 바꿔도 같은 답이 나오는지를 쟀습니다. 점수는 0~9 척도입니다.

가장 중요한 항목이라 숨기지 않고 적습니다.

• 실제 발급 실적과 대조한 적이 없습니다. 카드별 실제 발급 수치는 공개되지 않아 이 점수가 현실과 얼마나 맞는지 검증하지 못했습니다. 절대값보다 시안들 사이의 순서를 비교하는 용도로 봐 주십시오.
• 소득과 소비 데이터가 없습니다. 응답자에게 연봉·카드 사용액 정보가 없어, 혜택 한도나 전월실적 조건이 실제로 얼마나 부담인지는 추정에 가깝습니다.
• 언어모델 설문에는 알려진 편향이 있습니다. 선택지 순서나 라벨에 따라 답이 체계적으로 달라진다는 연구가 보고돼 있습니다(Dominguez-Olmedo 외, 2023). 같은 조건을 반복 측정해 편차를 확인하는 이유가 이것입니다.
• 사람 사이의 영향이 없습니다. 응답자는 서로 모르는 개인이며 입소문이나 유행 같은 전파 효과는 반영되지 않습니다.