NVIDIA가 만든 한국인 109명에게 야놀자 2026을 살게 해봤다

영어권 Reddit 페르소나로 한국 시장을 시뮬레이션하면 어색합니다. 그래서 NVIDIA가 공개한 한국인 페르소나 100만 명 데이터셋을 MiroFish에 통합했고, 야놀자 2026년 실적 시나리오를 한국인 에이전트들에게 직접 물어봤습니다.

왜 한국어 페르소나가 필요했나

MiroFish는 LLM 기반 멀티에이전트 소셜 시뮬레이션 프레임워크입니다. 가상의 Reddit·Twitter 환경에서 수십 명의 에이전트가 서로 게시물을 올리고, 댓글을 달고, 의견을 형성하는 과정을 관찰할 수 있습니다. 사용자는 시드 문서를 던져 넣기만 하면, 시뮬레이션이 끝난 뒤 LLM이 자동으로 보고서를 작성해 돌려줍니다.

문제는 MiroFish 기본 페르소나가 영어권 Reddit 사용자 기반이라는 점입니다. 한국 시장의 인바운드 관광이나 국내 플랫폼 점유율 같은 주제를 다룰 때, 미국·유럽 사용자 프로필이 토론을 끌고 가면 결과가 산으로 갑니다. "23세 서귀포 청년의 주말 흑돼지 구이 취향"이 나오는 게 자연스러운 자리에서, 영어권 페르소나는 그 결을 만들지 못합니다.

그래서 두 가지를 결합한 한국어 포크를 만들었습니다.

• MiroFish 본체: 멀티에이전트 엔진과 보고서 자동화
• NVIDIA Nemotron-Personas-Korea: 100만 명 규모의 통계적으로 정교한 한국인 페르소나 데이터셋

NVIDIA Nemotron-Personas-Korea가 뭔가요

NVIDIA가 2025년 공개한 합성 페르소나 데이터셋입니다. 한국 통계청 인구 분포에 맞춰 성별·연령·지역을 비례 분포로 생성하고, 그 위에 직업·문화 배경·가족·취미·관심사 같은 서사 필드를 LLM으로 풍부하게 채워 넣은 구조입니다.

페르소나 한 명의 실제 모습은 이렇습니다.

김용환 씨는 공학적 정밀함과 철도 기관사의 책임감을 갖춘 채, 서귀포의 느긋한 풍경 속에서 안정적인 미래를 설계하는 23세 청년입니다. […] 1초의 오차도 허용하지 않는 전동차 기관사 시절의 정밀한 운행 습관을 가지고 있으며, 현재는 한국철도공사와 같은 안정적인 공기업에 입사하기 위해 매일 정해진 시간에 도서관으로 향해 […] 주말이면 친구들과 서귀포 시내의 흑돼지 구이집을 찾아다니며 맛을 비교하고 […]

지역·직업·생활 패턴이 구체적으로 살아 있습니다. 이런 사람 100명이 가상 Reddit에서 야놀자 IR 자료를 보고 토론한다면, 영어권 페르소나로는 절대 안 나올 텍스처가 만들어집니다.

층화추출로 100명 뽑기

100만 명에서 그냥 무작위로 100명을 뽑으면 인구 분포에 따라 수도권·30~40대가 과대표집됩니다. 그래서 **층화추출(stratified sampling)**을 씁니다. 성별·연령대·권역을 격자(cell)로 나누고, 각 셀에서 최소 1명 이상이 나오도록 보장하는 방식입니다.

# config/sampling_config.yaml
sample_size: 100
seed: 42
dataset: "nvidia/Nemotron-Personas-Korea"

stratify_by:
  - field: sex
  - field: age
    bins: [[20, 30], [30, 40], [40, 50], [50, 60], [60, 100]]
    labels: ["20대", "30대", "40대", "50대", "60대+"]
  - field: province
    mapping:
      수도권: ["서울", "경기", "인천"]
      영남: ["부산", "대구", "울산", "경상북", "경상남"]
      호남: ["광주", "전북", "전라남"]
      충청: ["대전", "세종", "충청북", "충청남"]
      강원제주: ["강원", "제주"]

min_per_cell: 1

성별 2 × 연령 5 × 권역 5 = 최대 50개 격자. 100명을 뽑으면 격자당 평균 2명. 서울 30대 남자가 30명씩 들어차는 일은 발생하지 않습니다. 사회과학 표본 설계에서 가장 흔히 쓰는 방법을 그대로 적용했습니다.

seed: 42로 고정해 두면 누가 돌리든 같은 결과가 나옵니다. 실제로 이번 실험에서는 위 설정으로 109명이 뽑혔습니다(셀별 보정 결과).

시뮬레이션 시드 — 어떤 정보를 넣었나

블로그 포스트의 핵심 파트입니다. 이 시뮬레이션이 그럴듯한 결과를 내놓은 비결은 거의 전부 시드 단계의 설계에서 결정됐습니다. 시드는 크게 네 묶음으로 들어갔습니다.

① 출처별 신뢰도 가중치를 둔 원문 자료

야놀자 IR 자료를 무차별 투입하지 않고, 세 등급으로 가중치를 매겼습니다.

데이터 소스	신뢰도 가중치
실적 보도자료 및 DART 공시	1.0 (최상)
야놀자리서치 전문 리포트	0.9 (상)
언론 보도 및 제3자 조사기관	0.7 (중)

이 가중치는 보고서 본문에서 인용·논거의 비중을 조정하는 데 쓰입니다. 익명 기사로만 나온 가설은 약하게 다루고, DART 공시 수치는 그대로 인용됩니다. 페르소나 토론이 "어디서 들은 얘긴데"로 흐르지 않게 잡아주는 장치입니다.

② 정량 입력 변수 6개

시장 수요 4개 + 기업 운영 2개 = 총 6개를 시뮬레이터의 입력으로 정의했습니다.

시장 수요 변수
- Inbound_Vol     : 연간 방한 외래객 수    (기준 1,893.7만 / 범위 1,600만~3,000만)
- Outbound_Vol    : 연간 국외 출국객 수    (기준 2,955.0만 / 범위 2,300만~3,200만)
- Avg_Spend_In    : 인바운드 1인당 지출액  (기준 1,155.8달러 / ±10%)
- CN_Factor       : 중국인 유입 가중치     (1.0~1.5, 한일령 등 정치 변수 반영)

기업 운영 변수
- R&D_Invest      : 매출 대비 AI/기술 투자 비중 (조정 EBITDA에 영향)
- Cross_Sell_Rate : 플랫폼 내 교차 판매 성공률 (TTV 성장에 기여)

각 변수마다 기준값 + 변동 범위가 같이 들어가 있는 게 핵심입니다. 페르소나들은 "기준값 대비 어느 정도 흔들리면 어떤 일이 일어나는지"를 토론하게 됩니다.

③ 출력 목표(Target) 5개와 검증 기준점

그룹 재무 지표
- Target_Revenue : 연결 매출 1.2조 원 달성 가능 여부 (2025년 1.03조 기준)
- Target_TTV    : 글로벌 통합거래액 40조~50조 진입 시점
- EBITDA_Margin : 조정 EBITDA 마진 10%~15% 유지 여부

사업부별 지표
- ES_Growth        : 엔터프라이즈 솔루션 매출 성장률 20%+ 유지
- NOL_Operating_Profit : 놀유니버스 연간 영업이익 200억 원 돌파

여기에 **2026년 1분기 실제 발표 실적(매출 2,182억 / TTV 7조)**을 백테스팅 기준점으로 못 박았습니다. 시뮬레이션이 끝나면 결과를 이 실제 수치와 정합성 점검하는 구조입니다.

④ 전이 계수와 스트레스 시나리오

시드에는 변수 간 인과 관계를 명시한 "수요 전이 가정"도 들어갔습니다.

• 인바운드 외래객 +100만 명 → 놀유니버스 중국 관련 거래액 +10%, ES 솔루션 매출 +2%
• 아고다·트립닷컴 점유율 +5%p → 야놀자 CP 부문 아웃바운드 TTV −15% (스트레스 테스트)

이 두 줄이 시뮬레이션 결과의 절반을 결정합니다. 페르소나들은 이 계수가 어떤 조건에서 유지되는지, 어떤 조건에서 깨지는지를 토론합니다.

⑤ 시간대별 활동 패턴 — 한국인답게 움직이게

마지막 시드는 시뮬레이션 시간 설계입니다. 72시간(3일 주기)을 시간대별로 활동량이 다르게 설정했습니다.

시간대	활동 배율	설명
00:00 ~ 05:00	0.05×	새벽 휴면
06:00 ~ 08:00	0.4×	출근 시간
09:00 ~ 18:00	0.7×	업무 시간
19:00 ~ 22:00	1.5×	피크 — 관광·플랫폼 이용 집중

저녁 시간대에 토론과 게시물이 폭증하도록 설계했습니다. 한국 OTA·여행 플랫폼의 실제 트래픽 패턴과 비슷합니다. "심야에 야놀자 검색이 늘어난다"는 행동을 페르소나가 자생적으로 재현하는 것이 아니라, 시뮬레이터가 시간 가중치로 강제로 만들어줍니다.

이렇게 다섯 묶음의 시드를 던져 넣으면, MiroFish가 시드 문서들을 분석해 47개 비즈니스 엔티티를 자동으로 추출합니다.

 

47개 엔티티 — 누가 토론에 참여했나

시뮬레이터가 시드에서 뽑아낸 47개 엔티티는 9개 타입으로 분포돼 있습니다.

• Organization: 야놀자 본사
• ConsumerTravelPlatform / CompetitorPlatform: 야놀자 CP, 아고다, 트립닷컴, 부킹닷컴 등
• EnterpriseSolutionProvider: 야놀자클라우드, AI 데이터 분석 솔루션
• TourismAuthority: 한국관광공사 등 공공 기관
• MediaOutlet: 경제지·여행 전문지
• EventOrCampaignOrganizer / TravelMarketSegment: 이벤트·세분 시장
• Person: 일반 사용자 (여기에 한국 페르소나가 주입됨)

각 엔티티는 활동 수준(activity_level), 게시 빈도, 댓글 빈도, 감정 편향(sentiment_bias), 입장(stance), 영향력 가중치를 따로 갖습니다. 예를 들어 한 ES 제공자는 activity_level=0.72, posts/hour=3, sentiment_bias=+0.55, stance="supportive"로 설정돼서, 자기 사업과 관련된 화제에 적극적으로 긍정 게시물을 올리도록 짜여 있습니다.

[📷 스크린샷 4:]

실행 흐름 — Step 1부터 보고서까지

전체 흐름은 다음과 같습니다.

[Step 1] 환경 설정         → .env 작성, Codex CLI 로그인 확인
[Step 2] 페르소나 샘플링   → docker compose run sampler
[Step 3] MiroFish 기동     → docker compose up
[Step 4] 프로젝트·시뮬 생성 → 웹 UI에서 시드 문서 업로드
[Step 5] 페르소나 주입     → ./scripts/inject.sh <simulation_id>
[Step 6] 자동 설정·실행    → Prepare → Run
[Step 7] 보고서 확인       → 보고서 페이지에서 5섹션 결과 확인

Step 5 — 한국 페르소나 주입

여기가 한국어 포크의 핵심입니다.

./scripts/inject.sh ./data/profiles/reddit_profiles.json <simulation_id>
# Done: 109명의 프로필을 시뮬레이션에 주입했습니다.

스크립트는 샘플러가 만든 한국 페르소나 JSON을 시뮬레이션 업로드 경로로 복사합니다. 이후 MiroFish가 시뮬레이션을 시작할 때 이 파일을 우선으로 사용합니다.

Step 6 — Prepare → Run

UI에서 Prepare 버튼을 누르면 MiroFish가 페르소나에게 게시물 생성용 프롬프트를 분배합니다. 그리고 시드 단계에서 정의된 초기 게시물 4개가 자동으로 떨어집니다. 실제 시드 게시물의 예시는 이렇습니다.

"2025년 야놀자 연결 매출 1.03조, TTV 39.2조를 보면 2026년 1.2조 매출과 40조~50조 TTV 진입이 현실적인지 궁금합니다." — Student

"아고다와 트립닷컴 점유율이 5%p 상승하면 CP 부문 아웃바운드 TTV가 15% 감소한다는 시나리오는 꽤 민감해 보입니다." — Organization

이 4개 게시물이 토론의 출발점을 만들고, 47개 에이전트가 시간대별 활동 가중치에 따라 응답·재게시·반박을 누적합니다. 72시간 동안 누적된 게시물 DB는 31MB까지 부풀었습니다.

보고서가 말한 것 — 5가지 핵심 발견

1. 외래객 "숫자"보다 "질"이 중요하다

"외래객 증가를 볼 때 단순 인원수보다 객단가와 국적 믹스가 더 중요하다."

가장 자주 반복된 인사이트입니다. 페르소나들은 인바운드 1,600만 → 3,000만 같은 절대 규모보다, 객단가·체류일수·국적 믹스를 먼저 봐야 한다고 일관되게 짚었습니다. 특히 중국 관광객 회복은 "유입 수"가 아니라 "항공 공급 + 예약 전환율 + 숙박·액티비티·교통패스 같은 체류형 소비"의 동반 회복으로 판단해야 한다는 결론이 나왔습니다.

2. 환율은 거래액을 직접 끌어올리지 않는다 — 채널을 바꾼다

"고환율 환경에서는 해외여행 수요의 총량보다 결제 전환율과 예약 채널 이동이 더 중요하다."

흥미로운 관찰이었습니다. 고환율 국면에서 페르소나들은 "여행을 안 가는" 게 아니라 "예약을 늦추고, 채널을 바꾸는" 행동을 보였습니다. 환율은 거래액을 줄이는 게 아니라, 어느 OTA에서 결제가 일어나는지를 바꾸는 변수로 작동합니다.

3. 컨슈머 부문은 TTV, 엔터프라이즈 부문은 전환 깊이

야놀자의 두 축인 CP(Consumer Platform)와 ES(Enterprise Solution)가 인바운드 회복에 다르게 반응했습니다.

• CP: 외래객 증가 → TTV가 직접 반응. 단, 원화 환산 체감가·예약 전환율·항공 좌석 공급·지역 믹스에 따라 강도가 달라짐
• ES: 외래객 증가가 출발점은 맞지만, 항공 공급 회복 + 예약 전환율 + 숙박·액티비티 소비 + 국적 믹스가 함께 움직일 때만 매출 개선으로 연결

페르소나들이 인용한 실적 수치도 들어가 있습니다 — 2025년 Q1 AI 기반 데이터 솔루션 매출 전년 동기 대비 +133%, ES 조정 EBITDA 882억 원(+30.3%).

4. 아고다·트립닷컴 5%p 점유율 상승 → CP 아웃바운드 TTV 15% 감소 시나리오

"아고다와 트립닷컴의 점유율 5%p 상승 시나리오는 CP 부문의 아웃바운드 TTV를 15% 감소시킬 수 있다."

이건 스트레스 테스트 항목이었습니다. 페르소나들은 단순한 점유율 변화가 아니라 "채널 점유율 변화 → 결제 전환 약화 → 거래액 감소"의 인과 사슬로 해석했습니다.

• 경쟁 변수: 아고다·트립닷컴 점유율 상승
• 전이 경로: 예약 채널 이동 + 결제 전환 약화
• 결과 지표: CP 아웃바운드 TTV 15% 감소 가능성
• 검증 포인트: MAU, 재방문, 로컬 결제 편의성, 결제 전환율, 지역별 TTV

5. 2026년 목표 백테스팅 — "도달 가능성의 신호"는 잡혔지만 단정 불가

2025년 1.03조 매출 / 39.2조 TTV를 기준점으로, 2026년 1.2조 매출 / 40~50조 TTV 목표를 페르소나들이 검증했습니다. 결론은 신중했습니다.

 

2026년 1분기 2,182억 원, TTV 7조 원 수준은 "도달 가능성의 신호"로는 읽히지만, 그 자체만으로 목표 달성 판정은 할 수 없다.

매출 성장만으로는 EBITDA 마진 10~15% 유지가 어렵고, R&D 집행 효과와 비용 효율화가 함께 확인돼야 한다는 단서가 붙었습니다. 놀유니버스 영업이익 200억 원 돌파도 2025년 149억 원에서 단순 연장이 아니라 "인바운드 반사이익의 지속성과 교차판매 전환율"이 받쳐줘야 가능하다고 봤습니다.

전체 보고서

# 인바운드 수요 변화가 거래액·수익성·솔루션 채택에 미치는 시뮬레이션 보고서

> 외래객 수, 객단가, 체류일수, 국적 믹스, 환율, 예약 전환율 변화가 플랫폼 거래액과 기업 솔루션 수요로 어떻게 전이되는지 검증한다.

---

## 외래객 증가와 수요 질 변화의 실제 관측 패턴

현재 관측 패턴은 외래객 수의 절대 규모보다 수요의 질적 구성 변화가 거래액과 솔루션 수요를 가르는 방향으로 나타난다. 실제 유효 사실들에서는 외래객 증가를 해석할 때 **객단가, 체류일수, 국적 믹스**를 함께 봐야 한다는 인식이 반복되었고, 특히 중국 회복 여부는 단순 유입보다 **항공 공급, 예약 전환율, 숙박·액티비티·교통패스 같은 체류형 소비**로 연결되는지로 판단해야 한다는 점이 공통적으로 확인됐다.

> “외래객 증가를 볼 때 단순 인원수보다 객단가와 국적 믹스가 더 중요하다.”

이 관측은 거래액 측면에서 더 구체화된다. 인바운드 수요가 회복되더라도 예약 전환율이 같이 개선되지 않으면 관광수입 개선 폭이 제한될 수 있고, 반대로 항공 좌석 공급과 예약 전환율, 부가 소비가 함께 붙을 때에만 실거래액이 개선되는 흐름이 확인된다. 따라서 그래프 상에서는 외래객 수를 출발점으로 두되, 그 다음 단계에 객단가와 국적 믹스, 예약 전환율, 체류형 소비를 순차적으로 연결하고, 최종 결과로 플랫폼 거래액과 관광수입 개선을 배치하는 구조가 현재 사실관계와 맞는다.

솔루션 수요도 같은 방향으로 움직인다. 유효 사실에서는 국적 믹스와 항공 공급, 예약 전환율, 체류형 소비가 함께 움직일수록 ES 매출로의 연결 강도가 달라진다고 확인되었고, 인바운드 외래객 100만 명 증가 시 중국 관련 거래액 10% 증가, ES 매출 2% 증가라는 전이 가정은 제시되어 있으나 그대로 유지 가능한지에 대한 논의가 필요하다고 정리돼 있다. 즉, 기업 솔루션 수요는 외래객 수 자체보다 **전환 효율과 부가 소비의 동반 확대**에 더 민감하게 반응하는 것으로 관측된다.

정리하면, 현재 시뮬레이션에서 관측해야 할 핵심 패턴은 다음과 같다. 외래객 증가 → 객단가·체류일수·국적 믹스 변화 → 예약 전환율 및 체류형 소비의 동반 여부 → 플랫폼 거래액 개선 → ES 매출로의 연결 강도 변화. 이때 중국인 회복은 별도 축으로 관리되며, 2019년 대비 국적 믹스와 체류형 소비 비중이 어떻게 바뀌는지가 지속성 판단의 핵심으로 확인된다.

## 항공 공급·환율·예약 전환율이 거래액으로 연결되는 전이 경로

항공 공급은 거래액으로 바로 이어지는 수요가 아니라, 예약이 실제로 발생할 수 있는 경로를 여는 선행 조건으로 관측됐다. 인터뷰 선정 이유에서도 CP와 ES, 그룹 KPI 관점이 함께 필요하다고 정리됐고, 환율·유류할증료·소비심리까지 포함해 수요 변수가 실제 결제와 TTV로 전이되는 구조를 검증하려는 목적이 분명했다. 다만 이번 인터뷰는 시간 초과로 응답을 확보하지 못해, 거래액 전이는 기존 유효 사실에 한정해 해석해야 한다.

> “고환율 환경에서는 해외여행 수요의 총량보다 결제 전환율과 예약 채널 이동이 더 중요하다.”

이 관측은 환율이 거래액을 직접 끌어올리기보다, 결제 시점과 채널 선택을 바꾸는 방식으로 작동함을 보여준다. 고환율 국면에서는 예약 시점이 늦어지고 가격 비교 민감도가 높아지면서 OTA 간 프로모션 반응과 채널 이동이 강해진다. 따라서 같은 수요라도 결제 전환이 붙지 않으면 거래액으로의 연결은 약해지고, 반대로 환율 부담을 흡수하는 채널 이동과 결제 전환이 붙으면 실제 거래액 개선이 나타난다.

인바운드에서는 항공 공급 회복 뒤에도 숙박·액티비티·교통패스까지 이어지는 예약 전환이 확인되어야 관광수입과 플랫폼 거래액이 개선되는 구조로 관측됐다. 아웃바운드에서도 항공·숙박 예약 전환율이 함께 개선되어야 TTV와 거래액이 유의미하게 늘어난다고 정리됐다. 즉, 항공 공급은 가능성을 열고, 예약 전환율은 그 가능성이 실제 거래로 바뀌는지 결정하며, 환율은 그 연결 강도를 조정한다.

정리하면 현재 시뮬레이션에서 확인되는 전이 경로는 다음과 같다. 항공 공급 회복 → 예약 가능성 확대 → 예약 전환율 개선 여부 확인 → 환율에 따른 결제 전환과 채널 이동 변화 → 숙박·액티비티·교통패스 결제 확대 → 거래액 증가.

## 플랫폼 부문별 반응: 컨슈머 TTV와 엔터프라이즈 솔루션 수요

컨슈머 부문은 고환율 국면에서 총수요의 크기보다 결제 시점과 전환 효율의 변화가 먼저 드러나는 것으로 관측됐다. 유효 사실상 컨슈머 플랫폼은 해외여행에서 **결제 빈도와 예약 시점이 늦어지는 흐름**, 그리고 **글로벌 OTA로의 이탈 가능성**을 함께 점검하고 있었고, 따라서 TTV는 단순 외래객 증가보다 **원화 환산 체감가, 예약 전환율, 항공 좌석 공급, 지역 믹스**에 의해 반응 강도가 달라졌다. 또한 CP는 외래객 증가를 ES 매출로 직선 연결하기보다 **부가 소비와 교차판매**가 붙는지로 거래액 기여도의 질을 구분해 보았다.

> “고환율 국면에서는 해외여행 수요의 총량보다 결제 전환율과 예약 채널 이동이 더 중요하다.”

엔터프라이즈 솔루션은 외래객 증가를 출발점으로 보되, 그 자체만으로는 매출 강도가 결정되지 않는 것으로 정리됐다. 관찰된 사실에서는 ES가 **항공 공급 회복, 예약 전환율, 숙박·액티비티 소비, 체류형 소비, 국적 믹스**와 함께 움직일 때 TTV와 매출 개선으로 이어진다고 확인됐고, **중국·일본·방한 목적형 수요의 회복 속도가 다르면 연결 강도도 달라진다**는 진술도 존재했다. 즉 ES 수요는 유입량보다 전환 구조와 소비 깊이에 더 민감하게 반응했다.

수익성 측면에서는 2025년 1분기 **AI 기반 데이터 솔루션 매출이 전년 동기 대비 133% 증가**하며 솔루션 부문 실적을 이끌었고, **엔터프라이즈 솔루션의 조정 EBITDA는 882억 원으로 전년 대비 30.3% 증가**했다. 이 관측은 ES가 단순 외형 확대뿐 아니라 데이터·AI 중심 매출 비중 확대로 영업이익 개선을 동반하고 있음을 보여준다. 다만 동시에 R&D 투자 확대가 조정 EBITDA에 영향을 줄 수 있다는 점도 함께 확인됐다.

기준점은 2025년 실적 데이터인 **연결 매출 1.03조 원, TTV 39.2조 원**으로 두는 것이 유효하다. 이 기준 위에서 2026년 1분기 실제 발표 실적인 **매출 2,182억 원, TTV 7조 수준**과의 일치 여부를 백테스팅하는 방식이 이미 관찰됐으며, 따라서 본문에서는 결과의 확정적 판단보다 **실제 발표치와의 정합성 점검**을 기준으로 서술하는 것이 사실 범위에 맞는다.

## 경쟁 플랫폼 점유율 변화와 아웃바운드 TTV 하락 시나리오

경쟁 플랫폼의 점유율 상승은 CP 부문의 아웃바운드 TTV를 직접적으로 압박하는 변수로 관측됐다. 시뮬레이션에서는 아고다와 트립닷컴의 점유율이 5%p 상승할 경우 CP 부문의 아웃바운드 TTV가 15% 감소하는 하락 시나리오가 반복적으로 확인되며, 이 관계는 단순 경쟁 언급이 아니라 **채널 점유율 변화 → 결제 전환 약화 → 거래액 감소**로 이어지는 스트레스 테스트 항목으로 다뤄진다.

> “아고다와 트립닷컴의 점유율 5%p 상승 시나리오는 CP 부문의 아웃바운드 TTV를 15% 감소시킬 수 있다.”

관측된 맥락은 분명하다. 아고다와 트립닷컴은 경쟁 관계에 있고, 점유율이 늘어날수록 CP에서의 예약 채널 이동과 결제 전환율 악화 가능성이 커진다. 실제로 관련 사실들에서는 아고다가 **점유율보다 예약 빈도와 결제 전환율**을 핵심으로 본다고 언급했고, 고환율 환경에서는 해외여행 수요의 총량보다 **결제 전환율과 예약 채널 이동**이 더 중요하다고 정리됐다. 따라서 이 시나리오는 단순히 시장 점유율의 숫자 변화가 아니라, 아웃바운드 수요가 어느 채널에서 실제 거래로 전환되는지에 대한 경쟁 압력으로 해석해야 한다.

보고서에는 이 하락 시나리오를 다음처럼 구조화해 반영하는 것이 사실관계에 맞는다.  
- **경쟁 변수**: 아고다·트립닷컴의 점유율 상승  
- **전이 경로**: 예약 채널 이동 및 결제 전환 약화  
- **결과 지표**: CP 부문 아웃바운드 TTV 15% 감소 가능성  
- **검증 포인트**: MAU, 재방문, 로컬 결제 편의성, 결제 전환율, 지역별 TTV

이때 하락 폭은 보수적으로 다뤄야 한다. 시뮬레이션 그래프상 이 가정은 **민감한 경쟁 변수**로 분류되어 있고, 아고다와 트립닷컴의 점유율 변화가 CP TTV에 직접적인 압력을 준다는 점이 반복 확인됐다. 따라서 본 섹션은 아웃바운드 회복을 낙관적으로 보기보다, 글로벌 OTA로의 이탈 가능성과 점유율 방어 실패가 거래액에 미치는 영향을 함께 제시하는 방식이 적절하다.

## 목표 지표 달성 여부와 2026년 실적 백테스팅

기준점은 2025년 연결 매출 1.03조 원과 TTV 39.2조 원으로 두고, 2026년 실적은 이 출발점에서 얼마나 추가 상승했는지로 백테스팅하는 구조가 관측됐다. 유효 사실상 이 기준값은 2026년 목표 지표 검증의 Base Case로 사용되었고, 2026년 1분기 매출 2,182억 원과 TTV 7조 원 수준은 연간화했을 때 성장세가 이어질 수 있는지 확인하는 비교 기준으로 다뤄졌다. 다만 백테스팅에서는 숫자 자체보다 실제 발표치와의 일치 여부가 중요하다는 점이 반복 확인됐다.

> “백테스팅에서 실제 발표치와 2026년 1분기 매출이 얼마나 일치하는지가 중요하다.”

목표 매출 1.2조 원과 TTV 40조~50조 원 진입 여부는 2025년 성과를 단순 연장하는 방식이 아니라, 분기별 실적과 사업부 기여를 함께 비교하는 방식으로 점검해야 하는 것으로 정리됐다. 특히 2025년 실적이 연결 매출 1.03조 원, TTV 39.2조 원이었기 때문에, 2026년 목표는 매출과 거래액 모두에서 추가 확장이 확인되어야만 달성 가능성 논의가 가능하다. 이때 2026년 1분기 2,182억 원, 7조 원 수준은 “도달 가능성의 신호”로는 읽히지만, 그 자체만으로 목표 달성 판정은 할 수 없다는 관측이 남아 있다.

수익성 목표는 매출 목표보다 더 엄격하게 보정됐다. 조정 EBITDA 마진 10%~15% 유지는 가능하다는 해석이 있었지만, 2025년 EBITDA 감소가 확인된 만큼 매출 성장만으로는 부족하고 비용 효율화와 R&D 집행 효과가 함께 확인되어야 한다는 점이 함께 관측됐다. 즉, 마진 백테스팅은 매출 확대와 동시에 공헌 이익 개선, 투자비 부담 관리가 동반되는지 보는 절차로 정리된다.

엔터프라이즈 솔루션은 목표 달성의 핵심 연결고리로 관측됐다. 2025년 Q1 AI 기반 데이터 솔루션 매출이 전년 동기 대비 133% 급증했고, ES의 조정 EBITDA는 882억 원으로 전년 대비 30.3% 증가했다는 사실이 확인됐다. 그러나 ES 성장률 20%+ 유지 여부는 항공 공급 회복, 예약 전환율, 숙박·액티비티 소비가 함께 붙는지에 좌우된다고 정리돼 있어, 백테스팅에서는 외형 성장과 전환 강도를 함께 봐야 한다.

놀유니버스의 연간 영업이익 200억 원 돌파 시나리오는 2025년 흑자 전환과는 구분해서 봐야 한다. 2025년 영업이익은 149억 원으로 확인됐고, 200억 원 돌파 가능성은 인바운드 반사이익과 교차판매율 상승이 핵심이라는 해석이 붙었다. 따라서 이 지표는 단순한 수치 확장이 아니라, 반사이익의 지속성과 교차판매 전환율이 실제로 개선되는지로 백테스팅해야 한다.

정리하면, 현재 관측된 백테스팅 구조는 다음과 같다. 2025년 1.03조 원과 39.2조 원을 기준점으로 놓고, 2026년 1분기 2,182억 원과 7조 원 수준이 연간 성장세를 뒷받침하는지 확인한다. 그 위에서 1.2조 원 매출, 40조~50조 원 TTV, EBITDA 마진 10%~15%, ES 성장률 20%+, NOL 영업이익 200억 원 돌파 여부를 각각 분리 검증하며, 최종 판단은 실제 발표치와의 정합성 및 사업부별 기여도 확인에 의해 내려진다.

한국 페르소나가 만드는 차이

같은 시뮬레이션을 영어 Reddit 페르소나로 돌렸다면, "Why is Korean tourism recovering slowly from China?" 수준의 표면적인 토론에 그쳤을 가능성이 큽니다. 이번 결과에서 인상적이었던 부분은 다음과 같았습니다.

• 결제 시점 지연, OTA 채널 이동, 원화 환산 체감가 같이 한국 소비자에게 익숙한 행동 어휘가 자연스럽게 등장
• 아고다·트립닷컴 vs 야놀자라는 국내 OTA 경쟁 구도가 페르소나 토론에서 자생적으로 형성
• 한일령·중국 회복 같은 지정학 변수가 단순 키워드가 아니라 실제 행동 변수로 연결

페르소나 데이터의 "한국성"이 멀티에이전트 시뮬레이션의 결을 바꾼다는 점을 직접 확인했습니다.

정리

• 한국어 포크의 구성 = MiroFish 본체 + NVIDIA Nemotron-Personas-Korea 
• 층화추출로 한국 인구 분포를 반영한 100명 안팎의 페르소나를 뽑고, 시뮬레이션에 주입
• 시드 단계에서 출처 신뢰도 가중치 + 정량 변수 + 출력 목표 + 전이 계수 + 시간대별 활동 패턴을 모두 정의한 것이 좋은 결과의 핵심
• 야놀자 IR 시드 위에서 47개 엔티티 × 72시간 시뮬레이션 → 5섹션 보고서 자동 생성
• 결과는 표면적 인구 통계가 아니라 결제 행동·채널 이동·전환 깊이 같은 한국 소비자 결을 반영한 인사이트

다음 실험으로는 지역별 층화 가중치를 의도적으로 흔들었을 때 토론 방향이 어떻게 바뀌는지(예: 수도권 70% 시나리오 vs 지방 70% 시나리오)를 비교해볼 계획입니다.