빅데이터 분석과 LLM 모델을 이용한 고객 페르소나 시나리오 개발 및 마케팅 활용 방안에 관한 연구

Q: 이 논문에서 정의한 페르소나 스켈레톤이란 무엇인가?

완성된 페르소나로 발전하기 전 단계에서 사용되는 초기 프로토타입이다. 사용자 데이터의 기본 속성을 요약하여 개략적 윤곽을 설정하며, 인구통계 정보, 행동 패턴 개요, 주요 니즈, 데이터 기반 초기 분류 등의 핵심 구조를 간략히 정의하여 후속 내러티브 보강의 기초를 제공한다.

Q: 데이터가 부족한 환경에서 실효성 있는 고객 페르소나를 개발하는 방법은 무엇인가?

연구 결과, 공공 데이터를 활용한 PCA 기반 군집분석으로 정량적 페르소나 스켈레톤을 먼저 도출하고, 이를 LLM 모델에 입력하여 내러티브와 고객 여정 시나리오를 보강하는 하이브리드 접근법을 통해 신뢰성과 전략적 활용성을 동시에 확보할 수 있다.

이건호; 임미자

doi:10.18032/kaaba.2026.39.1.45

학술저널

저자정보: 이건호 (고려사이버대학교) 임미자 (고려사이버대학교)

저널정보: 대한경영학회 대한경영학회지 대한경영학회지 제39권 제1호

오류 신고하기

피인용 0

검색

초록·키워드

본 연구는 빅데이터 기반 페르소나 개발(DDPD: Data-Driven Persona Development)이라는 정량적 방법과 대규모 언어 모델(LLM: Large Language Model)을 통한 페르소나 보강 방법을 결합한 새로운 페르소나(persona) 개발 방법론을 제시하였다. 고객 페르소나는 고객을 보다 깊이 이해하고 개인화된 경험을 제공하는 데 중요한 도구가 되고 있다. 기존의 페르소나 생성은 주로 소규모 인터뷰와 설문조사에 의존하여 대표성과 재현성에 한계가 있었고, 급변하는 시장 환경에 실시간으로 대응하기 어려웠다. 빅데이터 기반 페르소나 개발은 방대한 양의 객관적인 데이터 분석을 통해 신뢰성이 높고, 시간과 비용을 절감하여 보다 효율적인 페르소나 생성이 가능하다는 장점이 있다. 본 연구는 DDPD 연구를 확장하여, 기업 내부 데이터를 보유하고 있지 않은 경우(예. 스타트업 기업 등)에도 공공데이터와 LLM 모델을 활용하여 내용의 깊이 및 스토리의 풍부함을 지닌 페르소나 시나리오를 개발하고 마케팅 전략 수립에 활용할 수 있는 방법을 제시하였다는 점에서 의미를 가진다.
본 연구를 위해 AI-HUB에서 제공하는 제주도 여행 로그 데이터를 수집･정제하여 5,760명의 여행객 기록과 36개 변수로 구성된 데이터셋을 구축하였다. 주성분분석(PCA) 기반 K-means 군집분석 결과 네 개의 군집이 도출되었으며, 각 군집은 데모 변수 및 여행 패턴에서 차이를 보였다. 이러한 정량적 분석 결과를 바탕으로 하여 LLM 모델을 개발하였다. 해당 모델은 페르소나 스켈레톤(skeleton)을 자동 생성하고, 고객 여정(Customer Journey) 및 POE(Paid-Owned-Earned) 미디어 전략을 연계한 시나리오를 도출함으로써, 단순한 데이터 요약을 넘어 실질적으로 활용 가능한 전략적 인사이트를 제공한다. 특히 LLM 모델은 학술 이론과 프레임워크를 참조하도록 설계되어, 생성된 시나리오가 학문적 타당성과 실무적 활용성을 동시에 확보할 수 있도록 하였다. 본 연구 결과는 데이터 확보가 어려운 스타트업 및 신규 사업 기획 단계에서 적용 가능한 확장성 있는 페르소나 시나리오 개발 및 전략 수립 프레임워크를 제공하였다는 점에 공헌이 있다.

This study presents a novel methodology for persona development by combining quantitative methods of Data-Driven Persona Development (DDPD) with qualitative enrichment through Large Language Models (LLMs). Customer personas are widely recognized as essential tools for understanding customers more deeply and delivering personalized experiences. Traditional persona creation, however, has relied heavily on small-scale interviews and surveys, resulting in limitations in representativeness, reproducibility, and adaptability to rapidly changing markets. In contrast, DDPD offers advantages in terms of reliability, efficiency, and scalability by leveraging objective analyses of large datasets. This study extends the DDPD framework by demonstrating that even in contexts where firms lack proprietary customer data, such as startups, personas with narrative depth and richness can still be developed through the integration of public datasets and LLM-based models, and subsequently applied to strategic marketing.
For this research, a dataset consisting of 5,760 traveler records and 36 variables was constructed using Jeju travel log data provided by AI-HUB. Principal Component Analysis (PCA) were applied in conjunction with K-means clustering, resulting in the identification of four distinct clusters that varied in demographic profiles and travel patterns. Building on these quantitative findings, a Custom-GPT for persona development was designed to generate persona skeletons automatically and produce customer journey–based scenarios linked with POE (Paid-Owned-Earned) media strategies. By doing so, the model moved beyond simple data summarization to deliver actionable strategic insights. Importantly, the Custom-GPT was programmed to incorporate academic theories and established frameworks, ensuring that the generated scenarios were grounded in theoretical rigor while also offering practical utility.
The results highlight the potential of hybrid persona development methods that merge statistical clustering with generative AI narrative generation. The proposed approach contributes theoretically by expanding DDPD research to encompass contexts with limited proprietary data, and practically by providing a scalable and adaptable framework for startups and new business initiatives. Ultimately, this study underscores the transformative potential of integrating big data analytics with LLM-based models, paving the way for more dynamic, reproducible, and strategy-oriented persona scenarios that can support marketing and policy decision-making in data-rich and data-scarce environments alike.

#고객 페르소나 #빅데이터 #데이터기반 페르소나 개발 #대규모 언어 모델 #Customer Persona #Big Data #Data-Driven Persona Development #Large Language Model #Custom-GPT

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-096320495

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료