서비스 뇌반응 평가 — 챗규(로그인 후)

첫 방문자 뇌 반응(시선 3초 · 이해 1초 · 이탈)을 서로 다른 회사 AI 3사로 점검 — 상대 등급(같은 도구로 본 다른 화면 대비, 절대 측정값 아님) · 게시 전 자문용. 전체 등급 B

B
전체 등급 B (A 좋음 → F 약함) · 6판정 중앙값 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표
읽는 법: 표 1개 = 모델의 반복 판정 1회 · 합의 n/m = m표 중 중앙값과 같은 표 n개 · 6판정 = 청중 2 × 관문 3
가장 큰 이탈위험 — 일반 사용자의 경우, 하단에 노출된 "KRX RAG AI Chat", "PyGWalker", "파생상품시장 업무규정 시행세칙" 등 전문적인 서비스명과 용어들이 서비스의 복잡성을 과도하게 높여 '나와 상관없는 서비스'라는 인식을 주고 이탈하게 만들 위험이 가장 큽니다.
↳ 처방 — 일반 사용자를 위해 하단에 노출된 전문적인 서비스 예시(KRX RAG AI Chat, PyGWalker 등)를 메인 랜딩 페이지에서는 숨기거나, 훨씬 더 직관적이고 보편적인 언어로 설명된 요약 정보로 대체하여 인지 부하를 줄여야 합니다. 또는 '전문가용' 섹션으로 명확히 구분해야 합니다.

평가한 화면 · 주목 진입 우선순위 가설(VLM 합의)

평가한 화면 (데스크톱 1440px, 첫 화면)
평가 대상 화면
주목 진입 우선순위 가설 — 3사 VLM(claude·gemini·openai) 독립 판정 5회 합의. 첫 지목(①) 5/5판정 합치. 실제 사람 시선(first fixation)·아이트래킹 아님 · 점선=가설
주목 진입 우선순위 가설(다사 VLM 합의)
①큰 제목 3/3사 · ②CTA 버튼 3/3사 · ③로고 2/3사 · ④AI 채팅 버튼 3/3사
⚠ 삼중검증(codex·gemini): 수렴은 정확도가 아니라 합치도 — 세 VLM이 학습·UX 관행을 공유해 함께 틀릴 수 있고, 사실상 "무엇이 중요해 보이나"에 가깝다. 사람과의 일치는 아이트래킹(UEyes) 대조 전까지 미검증.
👁 눈이 먼저 간 곳 — "메인 헤드라인 "데이터를 혁신으로 모두를 위한 인사이트""비전 판정 원문 인용(각색 없음)
🕐 1초에 읽힌 것 — ""데이터리더"라는 서비스명과 "데이터를 혁신으로"라는 추상적인 가치 제안. "AI 채팅"이라는 기능이 있다는 것."비전 판정 원문 인용(각색 없음)

청중 × 뇌 관문 (A 좋음 → F 약함)

청중 \ 관문시선(3초)이해(1초)이탈(인지부하)
전문가(심사·판사)BB~B · 합의 4/4
"데이터를 혁신으로 모두를 위한 인사이트"라는 핵심 가치 문구와 "서비스 둘러보기" CTA 버튼에 시선이 집중될 가능성이 높습니다. 상단 "AI 채팅" 버튼도 눈에 띕니다. 실측 세일리언시 평균 0.074로, 시선이 완전히 흩어지지는 않으나 뚜렷한 쏠
BA~B · 합의 2/4
'데이터를 혁신으로 모두를 위한 인사이트'라는 문구가 있지만, 구체적으로 어떤 서비스인지 바로 이해하기 어려움.
AA~B · 합의 3/4
메인 화면의 정보 밀도는 적절하며, "Bottom-up 방식", "데이터 역량", "KRX RAG AI Chat", "파생상품시장 업무규정 시행세칙" 등 전문 용어는 오히려 서비스의 전문성과 깊이를 느끼게 하여 이탈 지점이 되지 않습니다. 하단의 여러
일반(배경지식 0)BB~C · 합의 2/4
"데이터를 혁신으로 모두를 위한 인사이트"라는 큰 글씨와 "서비스 둘러보기" 버튼에 시선이 먼저 갈 것입니다. 실측 세일리언시 평균 0.074로, 시선이 완전히 흩어지지는 않으나 핵심 가치에 대한 명확한 쏠림은 부족합니다.
CC~D · 합의 2/4
'데이터를 혁신으로 모두를 위한 인사이트'라는 문구가 있지만, 일반 사용자가 바로 이해하기 어려움.
CB~F · 합의 0/4
"Bottom-up 방식", "데이터 역량" 등의 전문 용어가 인지 부하를 유발합니다. 하단에 보이는 "KRX RAG AI Chat", "PyGWalker", "Admin Console" 등의 서비스명과 "파생상품시장 업무규정 시행세칙" 같은 전문적인
⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지
🧷 판정이 갈린 지점 — 모델들이 여기서 엇갈렸다. 중앙값만 믿지 말라는 신호라 숨기지 않고 전시한다.
🔬 독립 모델 반대표(탈상관 축) — DeepGaze IIE (인간 SALICON 학습): 최대 주목 (x49%, y36%) · 우리 VLM 합의 ①("큰 제목")와 근접(탈상관 두 방법이 같은 곳 지목 = 상대적 신뢰↑). 인간 SALICON 데이터 학습 공개 세일리언시(주목 히트맵·순서 아님). VLM들이 공유편향으로 함께 틀릴 때 이 저수준 축이 유일한 반대 신호. 정확도 % 주장 아님.

제3사 교차 청중 확인 (등급 결정엔 미반영)

cortex:llama3.3-70b (Meta llama) · 화면 설명 기반(직접 안 봄) — 부분 탈상관 교차확인 · 비전 판정과 ±1등급 일치 5/6 — 이 회사 모델은 화면을 직접 보지 못하고 위 설명으로만 판단하므로, 위 A~F 등급은 화면을 실제로 본 2개 비전 패밀리(Google·OpenAI)가 결정하고 이 칸은 교차 참고용입니다.
청중 \ 관문시선이해이탈
전문가(심사·판사)BBA
일반(배경지식 0)CDF
saliency(시선쏠림 지표, 픽셀 실측 · 0.10↑ 쏠림 뚜렷): 0.074
judges(비전·등급): gemini-2.5-flash×2 + gpt-4o×2 · 총 4표 온도분산
cross-check: cortex:llama3.3-70b (Meta llama) · 비전과 ±1등급 일치 5/6
scorer: f461f79 · 2026-07-10T16:05:41+09:00
등급=상대 휴리스틱(측정 아님)·순서편향 완화·분산 보류 적용. 세일리언시만 픽셀 실측. 성과로 채점되지 않는 게시 전 자문.