---
title: "가상 매장에서 쇼핑하는 AI 고객, 인텔리시아가 리테일 시뮬레이터를 오픈소스로 공개"
published: 2026-05-27T06:05:03.693Z
canonical: https://jeff.news/article/3292
---
# 가상 매장에서 쇼핑하는 AI 고객, 인텔리시아가 리테일 시뮬레이터를 오픈소스로 공개

인텔리시아가 합성소비자가 3D 가상 매장에서 이동하고 상품을 고르고 결제하는 리테일 시뮬레이션 소프트웨어 파라스토어를 오픈소스로 공개했다. 실제 편의점 POS 데이터와 비교한 검증에서 고객 500명, 상품 109종 기준 세 지표 평균 87.5%를 제시했다.

- 인텔리시아가 리테일 시뮬레이션 소프트웨어 ‘파라스토어’를 오픈소스로 공개함
  - 파라스토어는 합성소비자가 3D 가상 매장 안에서 이동하고, 상품을 고르고, 결제하는 과정을 시뮬레이션하는 도구임
  - 기존 합성소비자가 설문 응답을 흉내 내는 쪽에 가까웠다면, 이번에는 물리적 매장 안의 행동까지 다루겠다는 방향임

- 작동 방식은 꽤 직관적임. 매장 도면과 고객 프로필을 넣으면 LLM이 여러 합성소비자를 만들고 쇼핑 여정을 재현함
  - 입력값에는 매장 위치, 매대 도면, 고객 프로필이 포함됨
  - 생성된 합성소비자는 매장에 들어가 상품을 둘러보고, 선택하고, 구매하는 흐름을 따라감

> [!IMPORTANT]
> 회사가 제시한 검증 수치는 꽤 세다. 고객 500명, 상품 109종의 실제 편의점 POS 데이터와 비교해 세 지표 평균 87.5%를 냈다고 밝힘.

- 검증 지표도 구체적으로 공개됐음
  - 카테고리별 매출 순위 일치도를 보는 스피어만 상관계수는 0.955
  - 전체 상품별 판매량 비중을 비교한 분포 유사도는 0.802
  - 판매 상위 상품을 얼마나 맞혔는지 보는 순위 정합성은 0.868

- 소비자 행동은 크게 3단계로 나눠 모사함
  - 먼저 목적구매형, 습관형, 충동구매형, 구경형 등 12가지 쇼핑 패턴을 정함
  - 그다음 상품 위치와 선반 높이 같은 매장 조건을 반영해 상품 선택 과정을 만듦
  - 마지막으로 이동 경로와 시선 흐름을 바탕으로 우연히 눈에 띈 상품을 추가로 고를지 판단함

- 같은 페르소나라도 매번 똑같이 움직이지 않게 맥락 변수를 넣은 점도 중요함
  - 몸 상태, 지갑 심리, 기분, 동행 여부 같은 변수를 반영한다고 함
  - 그러니까 같은 ‘30대 직장인’이라도 피곤한 날, 돈을 아끼는 날, 누군가와 같이 온 날의 행동이 달라질 수 있게 설계한 셈임

- 활용처는 매장 운영 쪽에서 바로 떠올리기 쉬움
  - 기존 매장의 상품 배치를 바꿨을 때 매출이 어떻게 달라질지 미리 실험할 수 있음
  - 신규 매장 개점 전에 고객 반응을 사전 점검하는 용도로도 쓸 수 있음
  - 회사는 미국, 일본, 중국 등 글로벌 12개국 합성소비자 패널을 활용해 해외 팝업스토어 기획에도 적용할 수 있다고 설명함

- 다만 합성소비자가 실제 사람의 선택, 감정, 행동 변동성을 얼마나 안정적으로 반영하는지는 아직 열린 문제임
  - 2023년에 공개된 RetailSynth 같은 연구도 소비자 이질성을 반영한 쇼핑 행동 생성을 다뤘음
  - 파라스토어도 이 흐름 위에 있지만, 현장 의사결정에 쓰려면 더 많은 검증이 따라와야 함

- 라이선스는 MIT라서 접근 장벽은 낮음
  - GitHub에서 공개됐고 누구나 사용, 수정, 배포할 수 있음
  - 리테일 공간 최적화 연구나 LLM 기반 에이전트 시뮬레이션 레퍼런스로 써볼 만한 포지션임

---

## 기술 맥락

- 파라스토어의 기술적 선택은 “소비자 조사를 설문에서 행동 시뮬레이션으로 확장하자”는 쪽이에요. 설문은 사람이 말한 의도는 알 수 있지만, 매장 안에서 실제로 어디를 보고 어떤 동선으로 움직이는지는 놓치기 쉽거든요.

- 그래서 LLM을 고객 에이전트처럼 쓰는 구조가 나와요. 고객 프로필만 만드는 데 그치지 않고, 쇼핑 패턴, 상품 위치, 선반 높이, 시선 흐름 같은 조건을 넣어 구매 행동까지 이어지게 만드는 방식이에요.

- 여기서 실제 POS 데이터와의 비교가 중요한 이유는 단순 데모가 아니라 예측 도구로 쓰려면 현실과 어느 정도 맞는지 보여줘야 하기 때문이에요. 기사에서 고객 500명, 상품 109종 기준으로 순위와 분포 지표를 제시한 것도 그 맥락이에요.

- 다만 합성소비자는 어디까지나 모델이 만든 소비자예요. 실제 고객의 기분, 날씨, 매장 혼잡도, 브랜드 선호 같은 변수가 계속 흔들리기 때문에, 운영 의사결정에는 보조 지표로 쓰는 게 더 현실적이에요.

## 핵심 포인트

- 파라스토어는 매장 도면, 상품 위치, 고객 프로필을 바탕으로 LLM이 합성소비자의 쇼핑 여정을 만든다
- 검증에는 고객 500명과 상품 109종 데이터가 사용됐고, 스피어만 상관계수 0.955가 제시됐다
- 소비자 행동은 쇼핑 패턴, 상품 선택, 이동 경로와 시선 흐름 기반 우연 구매로 나뉘어 모사된다
- MIT 라이선스로 공개돼 누구나 사용, 수정, 배포할 수 있다

## 인사이트

합성소비자 이야기는 자칫 마케팅 용어처럼 들리지만, 매장 배치와 상품 진열을 실험 가능한 시뮬레이션 문제로 바꾼다는 점은 꽤 흥미롭다. 다만 실제 인간의 감정과 변덕을 얼마나 안정적으로 따라갈 수 있는지는 계속 검증이 필요하다.