60+ 대상 무료 건강 모니터링 앱 도입 사전 검증

• 42세 여, 서울, 시니어 부모 케어러

  엄마가 약 자주 빠뜨리시는데 이거 도입되면 진짜 도움 될 것 같아요. 출시 일정 알 수 있을까요?

• 70세 남, 부산, 은퇴자

  저는 휴대폰 자체가 어려운데... 보건소에서 직접 알려주는 거랑 같이 가면 좋겠네요.

• 68세 여, 경기, 주부

  며느리가 보조로 들어와서 같이 봐주면 든든할 것 같아요. 가족 알림 기능이 핵심이에요!

실제 채널에 게시되지 않은 합성 응답입니다. 마케팅 메시지·카피 사전 테스트 용도로만 사용하세요.

<!--
================================================================================
  본 문서는 personaprobe (Korean silicon sampling) 분석 결과입니다.

  ▼ 이 결과를 임원 보고용 슬라이드 8장으로 변환해 주세요. 각 슬라이드 구성:
  1. 표지 — 연구 주제, 패널 N, 실행 일자, 핵심 키 메시지 한 줄
  2. Executive Summary — 발견 3가지 + 권고 3가지
  3. Methodology — silicon sampling 방법, 페르소나 출처(KOSIS)
  4. 응답 분포 차트 — 질문별 분포(막대) + Net Agree % 라벨
  5. Segment Insights — 드라이버 분석 표 (η² + top/bottom segment, gap)
  6. Cluster 발견 — Disagreement Mining 결과 3-5개 클러스터, 대표 quote
  7. KANO 분류 — 핵심 기능을 4분면(매력/성과/필수/무관심) 위에 배치
  8. 권고 — Next action 3가지를 구체적으로
================================================================================
-->

# 신규 어학 학습 앱 가격 시뮬레이션

## 1. 개요
- 패널 크기: **500명** · 응답 3,500개 · 비용 $4.82
- 적용 보정: 중앙 회피 편향 완화 (α=0.15)
- 응답 수집 시간: 약 22분

## 2. 질문별 응답 분포
### Q1 — 컨셉 관심도
- mean=3.29 · mode=3 · net_agree=+21%
- 분포: 1:8% 2:16% 3:31% 4:29% 5:16%

### Q2 — 월 9,900원 합리성
- mean=3.74 · mode=4 · net_agree=+51%

### Q4 — 사용 시간대
- 저녁 자기 전 36% · 아침 출근길 31% · 주말 21% · 점심 12%

## 3. 드라이버 분석
| 변수 | η² | 가장 긍정 | 가장 부정 | 갭 |
|---|---|---|---|---|
| 연령대 | 0.18 | 20s (4.05) | 65-79 (2.15) | 1.90 |
| 교육 수준 | 0.09 | 대학원 (3.82) | 고졸 (2.91) | 0.91 |

## 4. KANO 분류
- 분류: **Attractive (매력 기능)**
- func=4.12 / dys=1.85
- 권고: 마케팅 메시지 후크로 사용. 있으면 환영, 없어도 큰 불만 없음.

## 5. 다음 단계 제안
_이 섹션은 위 데이터를 종합한 권고 3가지를 다운스트림 LLM이 작성하기 좋게 비워둡니다._

보고서는 Study 완료 직후 자동 생성되며 위와 동일한 형식으로 다운로드됩니다.