DoppelIQ가 AI를 활용하여 독점 데이터를 실행 가능한 통찰력으로 전환하는 방법
현대 소비자 기업에서는 가격 책정, 제품 출시, 판촉 및 메시지 전달에 대한 결정이 전례 없는 속도로 이루어지지만 소비자를 이해하는 시스템은 거의 발전하지 않았습니다. 대부분의 B2C 회사는 여전히 느린 비즈니스 환경을 위해 구축된 방법인 설문 조사, 포커스 그룹 및 패널에 의존하고 있습니다.
맞춤형 연구는 4~8주가 소요되고 비용은 $25,000~$65,000이며 소규모 샘플을 기반으로 하며 종종 너무 늦게 제공되는 정적 통찰력을 제공합니다. 데이터 품질은 유용성을 더욱 제한합니다. 응답의 38%가 편견으로 무시되고 46%의 회사는 1~4년에 한 번만 사람을 업데이트합니다.
DoppelIQ의 CEO인 Mohd Azam은 “의사결정 속도와 통찰력 생성 속도의 격차는 지속 불가능해졌습니다. 소비자 행동은 이제 가격, 경쟁자, 사회적 신호 및 변화하는 맥락에 따라 실시간으로 진화하지만 대부분의 연구 시스템은 여전히 과거를 되돌아보고 있습니다. 통계가 몇 주 후에 도착하면 더 이상 통찰력이 아니지만 소비자는 동일한 속도로 이해하기 위해 동일한 속도가 필요합니다.”라고 DoppelIQ의 CEO인 Mohd Azam은 말합니다.
전통적인 방법은 소비자에게 실제로 무엇을 하는지가 아니라 무엇을 할 수 있는지 묻습니다. 최신 개인 AI 도구조차도 정적 또는 합성 데이터에 의존하기 때문에 신뢰성에 어려움을 겪고 있습니다.
“우리가 계속 목격한 것은 팀이 두 가지 불완전한 옵션 중에서 선택해야 한다는 것이었습니다. 느리지만 실제 데이터가 너무 늦게 도착하거나, 빠르지만 신뢰할 수 없어 실제 결정을 내릴 수 없는 합성 데이터로 작업하고 있었습니다. 두 옵션 모두 압박 속에서도 팀이 더 나은 결정을 내리는 데 실제로 도움이 되지 않았습니다.”라고 그는 설명합니다.
이러한 격차로 인해 소비자에게 질문하는 것에서 과거 행동을 기반으로 소비자가 어떻게 행동하는지 시뮬레이션하는 것으로 이동하는 다른 접근 방식이 탄생했습니다.
DoppelIQ가 만들고 있는 것
2025년에 설립된 DoppelIQ는 B2C 브랜드를 위해 구축된 AI 기반 시장 조사 및 소비자 인텔리전스 플랫폼입니다. 설문조사를 실행하는 대신 플랫폼은 자사 고객 데이터를 사용하여 실제 소비자에 대한 AI 기반 디지털 표현을 만듭니다. 이러한 디지털 소비자를 통해 브랜드는 일시적인 연구 주기가 아닌 지속적으로 행동을 시뮬레이션하고, 결정을 테스트하고, 통찰력을 생성할 수 있습니다.
Bengaluru 기반 플랫폼은 CRM, 전자상거래 플랫폼, 고객 데이터 플랫폼(CDP) 및 이메일 도구와 같은 비즈니스 시스템과 통합됩니다. 구매 내역, 탐색 패턴, 참여 지표, 인구 통계, 캠페인 상호 작용과 같은 데이터를 수집합니다. 이 데이터는 원시 입력을 선호도, 의사결정 패턴 및 브랜드 선호도를 반영하는 행동 모델로 바꾸는 다층 모델링 시스템을 사용하여 처리됩니다.
결정적으로 시스템은 데이터가 불완전한 경우에도 작동하도록 설계되었습니다. 기계 학습 모델은 과거 행동, 동료 집단, 인구 수준 신호를 사용하여 누락된 속성을 추론합니다.
“어떤 회사도 완벽하게 깨끗하거나 완전한 데이터를 갖고 있지 않습니다. 그것은 단지 현실입니다. 따라서 시스템은 이상적인 가정이 아닌 실제 세계의 혼란스러운 상황에서 작동해야 했습니다. 모델이 데이터가 완벽할 때만 작동한다면 중요한 곳에서는 작동하지 않을 것입니다.”라고 Azam은 말합니다.
소비자 시뮬레이션
디지털 소비자가 생성되면 팀은 자연어를 사용하여 소비자와 상호 작용할 수 있습니다. 사용자는 가격 변경, 신제품 컨셉, 메시징 변형, 로열티 프로그램 또는 할인 전략과 같은 시나리오를 테스트할 수 있습니다. 개별 응답은 집계되어 수천 또는 수십만 명의 시뮬레이션된 소비자 사이에서 보다 광범위한 행동 패턴을 보여줍니다.
기존 연구와 달리 이러한 모델은 새로운 데이터가 도착할 때마다 지속적으로 업데이트됩니다. 실제 고객이 행동을 바꾸면 디지털 고객도 진화합니다. 검증은 시뮬레이션된 결과를 과거 데이터, 실시간 캠페인 결과 및 통제된 A/B 유지 테스트와 비교하여 수행됩니다.
시작에 따라 행동 예측 정확도는 데이터 깊이와 사용 사례에 따라 80%에서 95%까지 다양합니다. 가격 민감도, 가치 인식 및 습관 형성과 관련된 벤치마크에서 DoppelIQ는 거래 결과, 캠페인 결과 및 포커스 그룹 비교를 기준으로 평가하여 약 83%의 평균 정확도를 보고합니다.
“정확성은 우리에게 선택 사항이 아니었습니다. 예측이 실제 세계에서 일어나는 일과 일관되게 일치하지 않는다면 제품은 존재할 이유가 없습니다. 수정 없는 속도는 더 많은 확실한 오류만 생성할 뿐입니다.”라고 Azam은 말합니다.
다양한 사용 사례
DoppelIQ는 현재 두 가지 제품 라인을 운영하고 있습니다. 첫 번째 DoppelIQ Atlas는 미국 인구 조사 데이터와 대규모 합성 인구를 기반으로 하는 셀프 서비스 시뮬레이션 플랫폼입니다. 이를 통해 팀은 맞춤형 청중을 구축하고 창의적인 개념, 메시징, 패키징, 브랜드 이미지 및 인식을 테스트할 수 있습니다. Atlas는 신속한 실험을 위해 설계되었으며 자사 데이터 통합이 필요하지 않습니다.
두 번째 제품인 DoppelIQ Enterprise는 자체 고객 데이터에 대한 더 깊은 통찰력을 원하는 대형 브랜드와 소매업체를 위해 설계되었습니다. CRM 및 CDP에 직접 연결되어 시간이 지남에 따라 진화하는 실제 고객의 디지털 트윈을 생성합니다. 이 제품은 세분화, 구매 행동 모델링, 가격 탄력성 분석, 수요 예측, 충성도 및 유지 모델링, 브랜드 추적, 캠페인 평가, 경쟁 벤치마킹과 같은 사용 사례를 지원합니다.
“구별은 의도적인 것입니다. 일부 팀에는 속도와 방향성 학습이 필요하고, 다른 팀에는 자체 고객 기반에 뿌리를 둔 깊이와 정확성이 필요합니다. 플랫폼은 엄격함을 타협하지 않고 두 가지를 모두 지원하도록 설계되었습니다”라고 Azam은 말합니다.
기본 기술을 구축하는 것은 복잡했지만 가장 어려운 과제는 신뢰를 얻는 것이라고 Azam은 말합니다. “우리는 실제 데이터 세트 및 과거 결과를 기준으로 출력을 검증하는 데 수개월을 보냈습니다. 목표는 한 시나리오의 정확성뿐만 아니라 산업, 문화 및 의사 결정 상황 전반에 걸쳐 일관된 정확성이었습니다. 카테고리나 지역을 변경할 때 시스템이 중단되면 이는 의사 결정 도구가 아니라 시연입니다.”라고 그는 말합니다.
검증에 대한 이러한 강조는 생성된 결과에만 의존하기보다는 해석 가능성을 우선시하고 모델을 실제 소비자 행동에 기반을 두는 등 플랫폼 아키텍처에 영향을 미쳤습니다.
그 뒤에 팀
Azam은 미국, 중동 및 인도에서 SaaS 회사를 확장하는 데 10년 이상의 경험을 갖고 있으며 이전에는 Lucidity에서 마케팅 부사장으로 재직하면서 스타트업을 1억 달러가 넘는 가치로 확장하는 데 도움을 주었습니다. 엔지니어링 부문은 100개 이상의 제품 출시 경험을 보유한 엔터프라이즈 기술 베테랑인 Mohd Amir가 이끌고 있습니다.
AI 기능은 대규모 AI 시스템 구축 경험이 8년 이상인 멀티 에이전트 시스템 박사 연구원인 AI 디렉터 아슬람 칸(Aslam Khan)이 이끌고 있다. 또한 팀은 Lucidity의 전 제품 마케팅 이사이자 IIM Calcutta 졸업생인 Ankur Mandal의 지원을 받고 있으며 Hotelogix의 공동 창립자이자 CEO인 Aditya Sanghi의 자문 지원을 받고 있습니다.
창립팀은 오랜 신뢰와 신중한 전문적 협력을 통해 하나로 모였습니다. 사촌이자 전 대학 동창인 아잠(Azam)과 아미르(Amir)는 수년 동안 기술과 시스템 설계에 관해 이야기를 나눴습니다.
“DoppelIQ가 아이디어를 실행에 옮길 때 제가 가장 먼저 전화한 사람은 Amir였습니다. 이미 신뢰와 공유된 맥락이 있었고 비즈니스 시스템이 슬라이드뿐만 아니라 프로덕션 환경에서 실제로 어떻게 작동하는지에 대한 공통된 이해가 있었습니다.”라고 Azam은 말합니다.
제품 비전이 성숙해짐에 따라 팀은 학문적 엄격함과 실제 적용 가능성을 결합할 수 있는 리더를 찾는 데 우선순위를 두었습니다. 업계 추천을 통해 그들은 Aslam Khan과 인연을 맺은 후 미국에서 박사 학위를 취득했습니다.
“우리는 단순히 AI 기반이라고 설명되는 것을 원하지 않았습니다. 목표는 나중에 추가하는 것이 아니라 지능이 기본인 AI 시스템을 먼저 구축하는 것이었습니다. 공유된 생각, 신뢰, 어려운 문제를 적절하게 해결할 수 있을 만큼 오랫동안 함께 머물려는 의지가 기준이었습니다.”라고 그는 설명합니다.
시장 초점 및 구축 대 구매 현실
Grand View Horizon에 따르면 인도 디지털 트윈 시장은 2026년부터 2033년까지 연평균 성장률(CAGR) 37.3%로 성장해 2033년까지 109억 9천만 달러에 이를 것으로 예상됩니다. DoppelIQ의 주요 시장 초점은 미국이고 그 다음은 GCC 지역입니다. 결정은 지역보다는 회사의 구매 행동에 따라 결정됩니다.
@media (최대 너비: 769px) { .thumbnailWrapper{ 너비:6.62rem !important; } . alsoReadTitleImage{ 최소 너비: 81px !important; 최소 높이: 81px !important; } . alsoReadMainTitleText{ 글꼴 크기: 14px !important; 줄 높이: 20px !중요; } . alsoReadHeadText{ 글꼴 크기: 24px !important; 줄 높이: 20px !중요; } }
“미국에서는 경제적으로 구매를 선호하는 것이 분명합니다. 비슷한 AI 시스템을 자체적으로 구축하려면 연간 250만 달러 이상이 소요되고 1년 이상이 소요됩니다. 기존 플랫폼에서 파일럿을 수행하면 비용이 훨씬 적게 들고 거의 즉시 사용 가능한 답변을 얻을 수 있습니다.”라고 Azam은 말합니다.
대신 인도 기업은 유사한 시스템을 사내에서 구축하려고 시도하는 경우가 많아 채택 주기가 길어지고 투자 수익이 지연되는 경우가 많습니다. GCC 시장은 특히 AI 기반 의사결정 시스템을 탐구하는 대규모 소매업체와 B2C 기업 사이에서 점점 더 많은 관심을 보이고 있습니다.
장기적인 비전
DoppelIQ는 여전히 초기 단계에 있으며 대부분 부트스트랩됩니다. 7~8개월에 걸쳐 창업자들은 약 35,000달러(Rs 2.91 crore)의 개인 자본을 투자했고, 이어서 업계 운영자로부터 약 50,000달러(Rs 4.15 crore)의 작은 엔젤 라운드를 투자했습니다.
이 팀은 현재 인도를 기반으로 하는 핵심 AI, 엔지니어링 및 GTM 역할을 포함하여 여러 지역에 걸쳐 9명의 구성원으로 구성되어 있습니다.
앞으로 이 스타트업은 정확성과 신뢰에 초점을 맞추면서 두 가지 핵심 제품의 채택을 심화할 계획입니다.
“우리는 소비자 연구가 일시적이어서는 안 된다고 믿습니다. 소비자 조사는 지속적이고 접근 가능하며 일상적인 의사 결정에 통합되어야 합니다. 이것이 지식이 오늘날 비즈니스 운영 방식을 따라잡을 수 있는 유일한 방법입니다.”라고 그는 설명합니다.
이 스타트업은 Nielsen 및 Kantar와 같은 전통적인 연구 회사뿐만 아니라 Quantilope, Civicom과 같은 최신 AI 기반 기업, 개념 증명 및 메시징에 사용되는 합성 인력의 신흥 플랫폼을 포함하는 환경에서 운영됩니다. 이러한 도구는 느린 설문 조사 기반 워크플로 또는 정적 AI 생성 청중에 의존하는 반면, DoppelIQ는 명시된 의도가 아닌 자사 데이터를 기반으로 하는 지속적인 행동 시뮬레이션을 중심으로 포지셔닝됩니다.
“우리의 차별화는 간단합니다. 우리는 소비자에게 무엇을 할 것이라고 생각하는지 묻지 않습니다. 실제로 무엇을 하는지 모델링하고 행동 변화에 따라 이러한 모델을 계속 진화시킵니다. 이것이 바로 실제 결정에 통찰력을 사용할 수 있게 만드는 것입니다.”라고 Azam은 말합니다.
편집자: Jyoti Narayan