기획 단계에서 글로벌 흥행까지,
공개 전에 시장 반응을 먼저 실험합니다

1. 01

   자료 입력

   대본·시놉시스·예고편·웹툰 원고를 올리고, 타깃 국가와 관객군을 고릅니다

   결과물인물·사건·감정 구조 데이터
2. 02

   관계망 확인

   추출된 인물·사건·감정·회차를 검토하고 고칩니다

   결과물콘텐츠·시장 관계망
3. 03

   실험 조건 설정

   기준안과 변경안을 정하고 결말·예고편·공개 주기 같은 변수를 지정합니다

   결과물실험 설계서
4. 04

   실행

   에이전트 수와 실행 회차를 정해 돌리고 진행 상황을 지켜봅니다

   결과물회차별 반응 로그
5. 05

   리포트·심층 질의

   결과를 비교하고, 가상 소비자 인터뷰로 근거를 따라갑니다

   결과물비교 리포트

결말 A(반전)와 결말 B(원작)를 같은 관객 구성·같은 초기 조건으로 반복 실행해 비교하면, 8화 결말 공개 이후 관객군별로 경로가 갈리는 지점과 그 이유를 확인할 수 있습니다. (예시)

이런 질문에 답합니다

• 이 결말과 저 결말 중 어느 쪽이 해외 로맨스 팬에게 더 오래 남을까?
• 예고편에서 복수 서사를 먼저 보여 주면 2화 이탈이 줄어들까?
• 주 2회 공개와 몰아 보기 공개 중 입소문이 더 크게 나는 쪽은?
• 경쟁작이 같은 주에 나오면 우리 작품의 초기 관심은 얼마나 흔들릴까?

• 예측은 먼저 기록하고, 나중에 검증합니다

  공개 전에 예측을 제출해 시점을 고정하고, 사후에 고치지 않습니다. 맞힌 사례와 틀린 사례를 함께 보고합니다.

• 시뮬레이션 결과임을 분명히 밝힙니다

  리포트에 나온 차이는 모델 안에서의 효과입니다. 실제 인과 효과는 A/B 테스트 같은 별도 실험으로 검증하도록 안내합니다.

• 실제 데이터로 성능을 확인합니다

  공개 전 시점 정보만 넣은 미공개 검증셋으로 실제 관심·시청·구매 지표와 비교하고, 유사작·장르 평균 같은 단순 기준 모형보다 얼마나 나은지 평가합니다.

• 고객 자료는 따로 보관합니다

  업로드한 작품 원문은 고객별로 격리해 저장하며, 학습에 쓰려면 별도 동의를 받습니다.

• 개인을 식별하지 않습니다

  관객·시장 데이터는 개인 식별 정보를 빼고 집계 단위로만 씁니다.

• 데이터를 섞지 않습니다

  콘텐츠 원문, 관객·시장 데이터, 실제 성과, 시뮬레이션 로그를 분리해 쌓고, 학습용과 검증용 데이터를 나눕니다.