다중선택 확산 모델: Potts‑이징 기반 에이전트 시뮬레이션

본 논문은 다수의 혁신 제품이 동일 시장에서 경쟁하는 상황을 분석하기 위해, 물리학의 Potts 모델을 차용한 에이전트 기반 확산 모델을 제안한다. 기존 Bass 모델은 전체 인구를 동질적이고 완전 연결된 집단으로 가정해 외부(광고)와 내부(구전) 영향을 단순히 합산했지만, 개별 소비자의 이질성, 사회적 네트워크 구조, 그리고 불확실성(의사결정 노이즈)을 반영하지 못한다. 이를 보완하고자 저자들은 N명의 에이전트를 M개의 가능한 상태(제품 A, 제품 B, 비채택 등) 중 하나에 할당하고, 각 에이전트가 주변 이웃과의 상호작용 Jαγ와 외부 효용 u에 의해 결정되는 유효 필드 mα를 계산한다. 전이 확률은 Boltzmann‑Gibbs 형태로 정의되며, β=1/T 로 온도 T가 불확실성을 조절한다. Δkj=νk−νj+uk−uj 로 나타나는 차이는 (a) 이웃 내 각 제품의 채택 비율 νk,νj 로 표현되는 사회적 모방 효과와 (b) 제품 간 효용 차이 uk−uj 로 구성된다. T=0(β→∞)일 때는 Δkj>0이면 확정적으로 해당 상태를 선택하는 순수 임계값 모델이 되며, T>0이면 확률적 전이가 가능해져 실제 시장에서의 불확실성을 반영한다. 사회망은 Watts‑Strogatz 작은 세계 모델을 사용해 재배선 확률 p를 조절한다. p=0이면 2차원 격자(모든 에이전트가 8명 이웃)이며, p가 증가하면 장거리 연결이 추가돼 평균 최단 경로가 짧아지고 클러스터링이 감소한다. 이러한 구조 변화는 확산 속도와 범위에 큰 영향을 미친다. 효용 u는 0~1 사이의 스칼라값으로 단순화했으며, 비채택 상태의 효용을 기준으로 상대적 매력도를 정의한다. 두 제품 A와 B는 각각 uA, uB 로 표현되고, 비채택 효용은 0으로 설정한다. 초기 혁신자는 전체 인구 중 일정 비율을 차지하며, 공간적 배치는 균일 혹은 군집 형태로 설정할 수 있다. 초기 혁신자 비율과 배치는 각 에이전트가 만족해야 하는 채택 임계값에 직접적인 영향을 미쳐, 확산 초기 단계의 속도와 최종 포화 시점에 차이를 만든다. 시뮬레이션은 두 가지 주요 시나리오를 다룬다. 첫 번째는 3‑옵션 경우(제품 A, 제품 B, 비채택)로, 제품 B를 일정 시점에 출시하면서 효용을 개선하는 전략을 검증한다. 결과는 초기 시장 점유율이 낮더라도, 개선된 효용이 충분히 크면 늦은 출시 제품이 장기적으로 시장을 장악할 수 있음을 보여준다. 두 번째는 4‑옵션 경우(제품 A, 제품 B, 동시채택, 비채택)로, 두 제품을 동시에 채택할 수 있는 경우를 고려한다. 여기서는 제품 간 효용 차이와 네트워크 구조가 복합적으로 작용해, 동시채택 비율이 높은 경우 전체 시장 포화가 빠르게 이루어지는 경향을 발견한다. 또한 네트워크 재배선 확률 p, 온도 T, 효용 차이 Δu, 초기 혁신자 비율 및 배치 등 네 가지 주요 파라미터를 변동시켜 민감도 분석을 수행한다. p가 높을수록 전파 속도가 빨라지지만, 클러스터링 감소로 인해 초기 혁신자 집단의 영향력이 분산돼 특정 지역에서의 급격한 채택이 완화된다. 온도 T가 상승하면 확산 곡선이 부드러워져 급격한 임계점이 사라지고, 시장 점유율이 보다 균등하게 분포한다. 효용 차이가 클수록(Δu≈0.8) 한 제품이 거의 독점적인 점유율을 확보하지만, Δu가 작을 경우(≈0.4) 두 제품이 공존하거나 동시채택이 늘어나는 현상이 나타난다. 결론적으로, 본 모델은 제품 출시 시점, 효용 설계, 마케팅 전략(초기 혁신자 타깃) 및 사회망 특성(네트워크 구조) 등을 정량적으로 평가할 수 있는 프레임워크를 제공한다. 특히, 불확실성을 온도 파라미터로 도입함으로써 실제 시장에서 관측되는 비결정적 채택 현상을 재현하고, 다양한 시나리오에 대한 정책적 시뮬레이션을 가능하게 한다.