서비스 뇌반응 평가 — 리츠고(RitsGo)

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 사용자에게는 과도한 전문 용어와 정보 밀도로 인한 인지 부하 및 이탈 위험이 가장 크다.
↳ 처방 — 일반 사용자를 위한 화면이라면, 핵심 가치를 명확히 전달하는 쉬운 문구와 시각적 요소를 전면에 배치하고, 전문적인 내용은 필요시 심화 정보로 제공하는 방식으로 정보 계층을 재구성해야 한다. 예를 들어, 'IMPACT - 데이터 규모' 섹션의 전문 용어들을 일반인이 이해할 수 있는 언어로 바꾸거나, 해당 섹션의 필요성을 재검토해야 한다.

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) 3/5판정 합치. 실제 사람 시선(first fixation)·아이트래킹 아님 · 점선=가설
주목 진입 우선순위 가설(다사 VLM 합의)
①리츠맵 로고 3/3사 · ②CTA 버튼 3/3사 · ③큰 제목 1/3사 · ④큰 제목 1/3사
⚠ 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 — "IMPACT - 데이터 규모 섹션의 큰 숫자들 (예: '387', '1684', '56842')"비전 판정 원문 인용(각색 없음)
🕐 1초에 읽힌 것 — "일반인은 '데이터 규모'와 '리츠맵'이라는 서비스 이름, 그리고 '지도 한 장에'라는 문구를 통해 '데이터를 지도에 보여주는 서비스'라는 막연한 인상만 받을 수 있다. 구체적으로 '무엇을' 하는지는 파악하기 어렵다."비전 판정 원문 인용(각색 없음)

청중 × 뇌 관문 (A 좋음 → F 약함)

청중 \ 관문시선(3초)이해(1초)이탈(인지부하)
전문가(심사·판사)BA~B · 합의 3/4
REITs · 한국 리츠"의 "387", "DART · 공시 본문"의 "1684" 등 대형 숫자들이 시선을 사로잡으며, "IMPACT · 데이터 규모"라는 섹션 제목과 함께 데이터의 양과 종류에 대한 핵심 가치를 빠르게 인지할 수 있게 한다. 세일리언
BA~B · 합의 2/4
'상장 + 비상장 리츠를 매일 다시 추적하는 도구'라는 설명이 있지만, 구체적인 기능은 해석이 필요함.
AA~B · 합의 3/4
정보 밀도가 높고 전문 용어가 많지만, 이는 전문가에게는 오히려 신뢰와 깊이를 주는 요소로 작용할 수 있다. 'Cortex LLM 감성분석', 'ML.FORECAST MAPE 11.41%', 'llama3-mistral', 'NL->SQL' 등은
일반(배경지식 0)CB~C · 합의 3/4
가장 먼저 눈에 띄는 것은 'IMPACT - 데이터 규모' 아래의 큰 숫자들(예: '387', '1684', '56842')과 하단의 '상장 22 + 비상장 365 리츠 자산을 지도 한 장에'라는 큰 제목이다. '세일리언시 평균=0.091'은 시선이
DC~F · 합의 2/4
"리츠맵 RitsMap"과 "상장 + 비상장 387개 리츠를 매일 다시 추적하는 도구"라는 문구로 리츠 관련 서비스임을 어렴풋이 짐작할 수 있으나, "DART", "MOLIT", "Cortex LLM", "MLFORECAST MAPE" 등 전문 용어가
⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지
DC~F · 합의 0/4
'Cortex LLM 감성분석', 'ML.FORECAST MAPE 11.41%', 'llama3-mistral', 'NL->SQL' 등 전문 용어와 약어의 과도한 사용, 그리고 각 카드 아래의 길고 복잡한 설명('공공데이터(MOLIT 리츠정보시스
⚠ 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 (x38%, y74%) · 우리 VLM 합의 ①("리츠맵 로고")와 상이(≈74%p) — 플래그: 의미(VLM) vs 저수준 대비(DeepGaze) 갈림, 사람 확인 요망. 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 5/5 — 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)CDE
saliency(시선쏠림 지표, 픽셀 실측 · 0.10↑ 쏠림 뚜렷): 0.091
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 5/5
scorer: f461f79 · 2026-07-10T16:05:49+09:00
등급=상대 휴리스틱(측정 아님)·순서편향 완화·분산 보류 적용. 세일리언시만 픽셀 실측. 성과로 채점되지 않는 게시 전 자문.