공개된 시장 데이터(사전예약률·초기 전환·설문)와 우리의 예측을 나란히 놓았습니다. 결과, 데이터 출처, 계산식, 한계를 모두 공개합니다.
1. 예측 — 각 케이스마다 우리 데이터베이스의 검증된 페르소나 5,000명을 결정론 샘플링합니다. 페르소나의 나이·소득·성별·직업·거주지역을 카테고리별 파라미터에 대입해 구매 의향 점수(0~100)를 매기고, 임계값(55)을 넘으면 "살 의향 있음"으로 카운트합니다. 전체 대비 비율이 예측 의향률(%)입니다.
2. 실제 수치 — 공개된 사전예약률, 오픈서베이 등의 시장 설문, 초기 전환/재구매 지표를 큐레이션했습니다. 각 케이스는 real_source_url 로 원 출처를 그대로 링크합니다.
3. 오차 — 예측 % 와 실제 % 의 차이(%p)와 절대 백분율 오차(APE = |예측-실제|/실제 × 100)를 계산합니다. 전체 평균이 MAPE, 오차 ≤ 5%p 인 케이스 비율이 적중률입니다.
4. 재현성 — 시드 = hash(케이스ID + 엔진버전). 같은 데이터·같은 엔진이면 항상 같은 결과가 나옵니다. AI 호출·난수는 사용하지 않습니다.
v1.0.0 결과입니다. 파라미터 개선 시 새 버전으로 재계산합니다.