페르소나 기반 LLM 에이전트를 활용한 소비자 의사결정 시뮬레이션 = Consumer Decision-Making Simulation Using Persona-Based Large Language Model Agents

국문 초록 (Abstract)

본 연구는 LLM(large language model) 에이전트를 활용하여 실제 소비자의 진술 선호(stated preference)를 모사하는 시뮬레이션 접근법의 유효성을 탐색하였다. 구체적으로, 통합교통서비스 (Mobility as a Service) 도입 시나리오에서 646명의 실제 설문 데이터를 기반으로, (1) 숙고 기반 추 론, 대안 기반 추론 등 추론 구조, (2) 페르소나 정보 조합, (3) 전문가 에이전트와의 정보적 상호작용 이 소비자의 교통수단 행태 변화 의향(자가용 이용 감소)을 모사하는 성능에 미치는 영향을 매튜상관 계수(matthews correlation coefficient), 균형 정확도(balanced accuracy)를 활용하여 비교 평가하였다. 분석 결과, 최소 정보 조건에서는 하이브리드 추론 접근법이 두 성능 지표 모두에서 가장 우수하고 클래스 간 균형 잡힌 성능을 보였으며, 페르소나를 구성하는 정보 요소 중에서는 라이프스타일 및 태 도 정보가 성능 향상에 가장 효과적으로 관찰되었다. 또한, 전문가 에이전트와의 정보적 상호작용을 통해 생성된 전문가 의견은 단순 나열된 세부 정보를 보완 및 대체할 수 있는 것으로 관찰되었으며, 나아가 예측이 어려운 소수 집단(소극적 자가용 이용자)의 의사결정을 모사하는 데에도 효과적인 것 으로 관찰되었다. 이러한 결과는 LLM 에이전트가 복잡한 의사결정 과정을 모사하기 위한 유망한 방 법론적 대안이 될 수 있음을 시사하며, 시뮬레이션의 충실도(fidelity) 향상을 위해서는 소비자의 표면 적인 사회인구통계 정보보다 라이프스타일 및 태도와 같은 내면적 특성이 더 중요함을 시사한다. 나 아가, 전문가 의견과 같은 에이전트 간 정보적 상호작용의 설계가 의사결정 과정을 보다 정교히 모사 하는 데 기여할 수 있음을 실증적으로 보여주며, 이러한 결과는 향후 인공지능 기반 가상 실험 환경 을 설계·설계하는 데 초기 실증 근거로 활용될 수 있다.

다국어 초록 (Multilingual Abstract)

This study examined the validity of using large language model (LLM) agents to simulate real consumers’ stated preferences. Using survey data from 646 respondents in a Mobility as a Service (MaaS) scenario, this study compared how (1) different reasoning structures (e.g., No Reasoning, Deliberative Reasoning, Alternative-based Reasoning, Hybrid Reasoning), (2) different combinations of persona information, and (3) informational interaction with an expert agent affect the performance of LLM agents in simulating consumers’ willingness to change their travel behavior (i.e., reducing private car use). Performance was assessed using the Matthews correlation coefficient and balanced accuracy. The results indicate that the Hybrid Reasoning approach yielded the most balanced predictions under the minimal information condition. Regarding persona composition, information about lifestyle and attitudes was the most effective for improving simulation performance. Furthermore, expert opinion synthesized through informational interaction was found to complement or even substitute for a detailed user profile; notably, this approach proved effective in simulating the decision-making of hard-to-predict minority groups (i.e., light car users). These findings suggest that LLM agents are a promising methodological alternative for simulating complex human decision-making processes. They also imply that intrinsic characteristics, such as lifestyle and attitudes, are more critical to simulation fidelity than surface-level sociodemographic attributes. Finally, this study empirically demonstrates that carefully designed agent-based informational interaction contributes to a more precise replication of decision-making processes, and provides initial empirical evidence to guide the design of future AI-based virtual experimental environments.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 배경 및 목적 1
• 2. 연구의 내용 및 범위 5
• 3. 연구의 구성 7
• Ⅱ. 이론적 배경 8
• 1. 전통적인 소비자 의사결정 모델링과 그 한계 8
• 2. 에이전트 기반 모델링과 인지적 한계 10
• 3. LLM의 추론 능력 고도화 11
• 4. LLM 에이전트의 발전 및 인간 대체 가능성 13
• 5. LLM 에이전트의 페르소나 기반 시뮬라크라 역할 15
• 6. 기존 연구의 한계 및 본 연구의 차별성 18
• III. 연구 방법론 20
• 1. 방법론의 개요 20
• 2. 추론 구조의 설계 23
• 3. 데이터 수집 31
• 4. 소비자 페르소나 생성 34
• 5. 시뮬레이션 성능 평가 지표 39
• 6. 실험 환경 41
• IV. 연구 결과 42
• 1. 사전 분석 42
• 2. 최소 정보 조건(P1)에서의 추론 구조별 성능 비교 44
• 3. 페르소나(정보 구성)별 성능 비교 46
• 4. 추론 구조별 정보적 상호작용 효과 비교 51
• 5. 소비자 이용행태 특성에 따른 예측 성능 비교 54
• V. 결론 56
• 참고문헌 60
• Abstract 67
• 부록 69
• 감사의 글 78