SPM — Synthetic Persona Module · 정책 수용성 진단 방법론
공개 데이터 기반 방법론 소개 · 정식 진단은 실측 조사 결합
"정책이 옳은 것과, 시민이 그 정책을 받아들이는 것은 다른 문제입니다."
SPM(Synthetic Persona Module, 합성 시민 패널 모듈)은 정책을 공개하기 전에 '어떤 메시지가 어느 집단에서 지지받고 어디서 반발하는지'를 미리 시뮬레이션하는 방법론입니다. 재개발·교통·복지·문화처럼 같은 동네 안에서도 이해가 갈리는 정책에서, 좋은 정책도 어떻게 말하느냐에 따라 같은 시민이 지지자가 되기도 반대자가 되기도 합니다. SPM은 그 갈림을 발표 전에 한 장의 지도로 보여 줍니다.
핵심은 실측 조사를 하기 전에 가설을 빠르게 절삭하는 데 있습니다. 수천만 원과 수 주가 드는 여론조사를 모든 메시지 안에 다 돌릴 수는 없습니다. SPM은 공개 인구 통계로 합성한 시민 패널에 메시지를 먼저 통과시켜, 실측으로 검증할 가치가 있는 메시지만 추려 줍니다.
SPM은 NVIDIA가 KOSIS·대법원·국민건강보험공단·KREI 등 공공 통계를 시드로 합성한 한국 인구 페르소나 데이터셋(Nemotron-Personas-Korea, 100만 레코드, CC BY 4.0)을 표본으로 씁니다. 실제 개인이 아니라 통계 분포를 닮은 가상의 시민이므로 개인정보 위험 없이, 권역·세대·이해관계별로 다양한 시민이 같은 메시지에 어떻게 갈리는지를 빠르게 살펴볼 수 있습니다.
하나의 정책을 발표할 때, 그 정책을 받는 시민은 한 덩어리가 아닙니다. SPM은 시민을 이해관계가 다른 8개 집단으로 나누고, 같은 정책을 강조점이 다른 4종 메시지로 갈라, 8 × 4 = 32개 조합을 각각 시뮬레이션합니다. 그 결과가 아래와 같은 균열 지도입니다(예시 — 실제 집단·메시지는 정책마다 다르게 정의).
| 이해관계자 집단 \ 메시지 | 속도 강조 | 보호 강조 | 효과 강조 | 절차 강조 |
|---|---|---|---|---|
| A. 직접 수혜 집단 | 강한 지지 | 중립+ | 지지 | 중립+ |
| B. 직접 피해 우려 집단 | 강한 반발 | 지지 | 중립− | 중립+ |
| C. 인접·간접 영향 집단 | 중립− | 중립+ | 지지 | 중립+ |
| D. 무관심·미결정 집단 | 반응 약함 | 반응 약함 | 중립+ | 반응 약함 |
각 셀에서 합성 시민 패널의 반응을 네 방향으로 채점합니다.
대상 권역의 공개 인구 페르소나에서 수백 명 규모의 합성 시민 표본을 추출.
해당 정책에서 이해가 갈리는 시민을 8개 집단으로 클러스터링.
같은 정책을 강조점이 다른 4개 메시지로 작성(예: 속도·보호·효과·절차).
페르소나와 메시지를 대형 언어모델에 입력해 8×4 셀별 4축 점수 산출.
집단별 지지·반발 지도와 메시지 분리 노출 전략을 도출, 실측 교차검증을 권고.
| 항목 | 내용 |
|---|---|
| 데이터 원본 | NVIDIA Nemotron-Personas-Korea (100만 레코드, CC BY 4.0) |
| 시드 통계 | KOSIS · 대법원 · 국민건강보험공단 · KREI · NAVER Cloud |
| 방법론 제공 | 지방자치혁신연구원 · FCIA APEX™ Policy Intelligence Platform |