LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings
Created by
Haebom
Category
Empty
저자
Benjamin F. Maier, Ulf Aslak, Luca Fiaschi, Nina Rismal, Kemble Fletcher, Christian C. Luhmann, Robbie Dow, Kli Pappas, Thomas V. Wiecki
Semantic Similarity Rating (SSR)
개요
본 논문은 기업의 소비자 연구 비용 절감 및 규모 확대를 위해, 대규모 언어 모델(LLM)을 활용하여 합성 소비자를 시뮬레이션하는 새로운 방법인 Semantic Similarity Rating (SSR)을 제시합니다. SSR은 LLM에게 텍스트 기반 응답을 유도하고, 임베딩 유사성을 사용하여 Likert 척도로 매핑합니다. 실제 기업의 개인 위생용품 설문조사 데이터셋 (9,300개의 인간 응답)에 대한 테스트 결과, SSR은 인간 재검사 신뢰도의 90%를 달성하고 현실적인 응답 분포(KS 유사도 > 0.85)를 유지했습니다. 또한, 합성 응답자는 점수에 대한 풍부한 질적 피드백을 제공합니다.
