아직 결과가 없다면 먼저 온라인 SBTI 테스트를 하고, 내 유형을 떠올리며 이 글을 다시 읽어 보세요.
많은 사람들은 처음 SBTI를 해보면, 그저 좀 더 독한 문구를 쓰는 랜덤 테스트라고 생각합니다. 하지만 실제 결과 엔진은 구조가 꽤 분명하고, 생각보다 복잡하지도 않습니다.
짧게 요약하면 이렇습니다.
SBTI는 AI 점술도 아니고 심층 심리측정 도구도 아닙니다. 15개 차원으로 만든 이산 벡터와, 미리 정의된 프로토타입 라이브러리를 바탕으로 작동하는 엔터테인먼트 분류기에 더 가깝습니다.
시스템은 세 가지 일을 합니다.
- 답변을 15개 차원에 매핑합니다.
- 각 차원을
L/M/H패턴으로 압축합니다. - 그 패턴을 미리 정해 둔 성격 프로토타입과 비교해 가장 가까운 유형을 반환합니다.
왜 이런 구조가 유난히 "잘 맞는 느낌"을 주는지가 궁금하다면 SBTI가 정확하다고 느끼는 이유를 읽어보세요. 이 글은 어디까지나 메커니즘 자체를 설명하는 데 집중합니다.
기본 구조부터 시작하세요
핵심 구조는 세 층으로 나뉩니다.
- 15개 차원
- 30개 일반 문항
- 25개 표준 성격 프로토타입
여기에 추가로 다음이 있습니다.
- 항상 등장하는 음주 관련 게이트 질문 1개
- 조건에 따라 추가되는 음주 질문 1개
- 특별 결과 2개:
DRUNK와HHHH
그래서 많은 설명에서 "31문항"이라고 적지만, 실제 분해는 다음과 같습니다.
30개의 일반 점수 문항1개의 특수 게이트 문항1개의 일부 사용자에게만 보이는 후속 질문
즉 대부분의 사용자는 31문항을 보고, 일부 사용자는 32문항까지 보게 됩니다.
15개 차원은 무작위로 섞어 놓은 것이 아닙니다.
15개 차원은 3개씩 묶인 5개 모델로 구성됩니다.
| 모델 | 차원 |
|---|---|
| 자기 모델 | S1 자존감과 자신감, S2 자기 명확성, S3 핵심 가치 |
| 감정 모델 | E1 애착 안정감, E2 감정 투자도, E3 경계와 의존 |
| 태도 모델 | A1 세계관 성향, A2 규칙과 유연성, A3 삶의 의미감 |
| 행동 동력 모델 | Ac1 동기 지향, Ac2 의사결정 스타일, Ac3 실행 패턴 |
| 사회 모델 | So1 사회적 주도성, So2 대인 경계, So3 표현과 진정성 |
여기서 핵심은 이것입니다.
SBTI는 MBTI의 4개 이진축을 재사용하지 않습니다. 대신 인터넷 생활에서 자주 부딪히는 심리적 장면을 더 작고 일상적인 하위 차원으로 나눕니다.
이렇다고 해서 더 과학적인 것은 아닙니다. 다만 결과가 훨씬 더 촘촘하고 세밀하게 느껴지게 만듭니다.
각 차원의 점수는 어떻게 매겨지나요?
각 차원은 일반 질문 2개와 연결되어 있고, 각 답변에는 1, 2, 3 중 하나의 값이 들어갑니다.
즉 하나의 차원에서 가능한 총점 범위는 다음과 같습니다.
- 최소
2 - 최대
6
그다음 시스템은 이 합계를 세 구간으로 압축합니다.
<= 3이면L= 4이면M>= 5이면H
즉 SBTI는 연속 점수를 끝까지 들고 가지 않고, 각 차원을 세 단계로 잘라냅니다. 최종 출력은 HHH-HMH-MHH-HHH-MHM 같은 15자리 L/M/H 패턴입니다.
이 패턴이 사용자의 성격 벡터가 됩니다.
"어떤 유형을 골랐나?"가 아니라 "어떤 유형에 가장 가까운가?"를 봅니다.
SBTI가 분류기처럼 작동하는 핵심이 바로 여기 있습니다.
SBTI에는 25개의 표준 성격 프로토타입이 있고, 각 프로토타입은 고유한 15차원 패턴을 갖습니다. 예를 들면 다음과 같습니다.
CTRLBOSSSEXYOJBKMALOTHIN-KSHITZZZZDEADIMFW
이 프로토타입들은 사용자마다 새로 만들어지는 것이 아니라, 미리 작성자가 정의해 둔 성격 중심점입니다. 시스템은 사용자의 벡터를 이들과 하나씩 비교합니다.
거리 알고리즘은 간단합니다.
비교 방식은 단순합니다.
- 먼저
L/M/H를1/2/3으로 바꿉니다. - 사용자 벡터와 프로토타입 벡터를 차원별로 뺍니다.
- 차이의 절대값을 모두 더합니다.
이 방식은 본질적으로 L1 거리, 즉 맨해튼 거리입니다.
쉽게 말하면 다음 질문입니다.
전체 15개 차원을 기준으로, 이 프로토타입과 몇 칸 떨어져 있는가?
거리가 작을수록 더 가깝고, 거리가 클수록 덜 닮은 것입니다.
SBTI는 여기에 표시용 유사도도 계산합니다: 유사성 = max(0, round((1 - 거리 / 30) * 100)).
따라서 결과 페이지에 "92% 일치"가 보이더라도, 그것은 심리측정적 신뢰구간이 아니라 거리값에서 선형적으로 계산한 표시용 숫자입니다.
두 유형이 똑같이 비슷해 보이면 어떻게 되나요?
코드의 정렬 로직은 대략 이렇습니다.
- 총 거리를 먼저 비교합니다.
- 총 거리가 같으면
exact, 즉 15개 차원 중 정확히 일치한 개수를 비교합니다. - 그 다음에야 표시용 유사성 값을 참고합니다.
즉 SBTI는 "먼저 걸린 조건이 승리"하는 방식이 아니라, 기본적이지만 꽤 명확한 랭킹 과정을 거칩니다.
DRUNK는 왜 숨겨진 유형인가요?
이 부분은 창작자의 개인적 동기가 가장 노골적으로 드러나는 지점입니다.
SBTI에는 음주 관련 특수 로직이 있습니다.
- 시스템은 "평소 취미"를 묻는 고정 질문을 넣습니다.
- 여기서 '음주'를 고르면
- 술에 대한 태도를 묻는 두 번째 질문이 열리고
- 거기서 특정 답을 선택하면 시스템이 즉시
DRUNK를 반환합니다
핵심은 이것입니다.
DRUNK는 일반적인 15차원 거리 계산으로 나온 결과가 아닙니다. 더 높은 우선순위의 특수 트리거가 표준 결과를 덮어쓰는 구조입니다.
이건 프로젝트의 초기 동기와도 맞닿아 있습니다. 작성자는 원래 술을 많이 마시는 친구를 덜 마시게 만들고 싶어 했습니다.
그래서 DRUNK는 평범한 프로토타입 중 하나라기보다, 의도적으로 우선권을 부여한 가치판단성 분기에 가깝습니다.
그렇다면 HHHH는 무엇일까요?
HHHH는 또 다른 특수 결과이지만 DRUNK와는 다르게 작동합니다.
이건 행동 트리거가 아니라 프로토타입 일치가 너무 약할 때의 대체 결과입니다.
기준은 분명합니다.
- 가장 높은 일반 유형 일치율이 60% 이하이면
- 시스템은 사용자를 억지로 일반 유형 중 하나에 넣지 않고
- 대신
HHHH를 직접 반환합니다
즉 HHHH는 뚜렷한 성격 원형이라기보다 이런 뜻에 가깝습니다.
현재 프로토타입 라이브러리로는 이 답변 패턴을 충분히 설명하지 못한다.
흥미로운 점은, 이 구조가 오히려 시스템을 더 설득력 있게 보이게 만들 수 있다는 것입니다. 억지로 약한 매치를 내놓는 대신, 사실상 이렇게 말하는 셈이니까요. 이 답변 패턴은 현재 라이브러리로는 잘 설명되지 않습니다.
이 구조가 일반적인 농담 테스트보다 더 자세하게 느껴지는 이유는 무엇일까요?
많은 가벼운 엔터테인먼트 퀴즈가 하지 않는 세 가지를 하기 때문입니다.
-
먼저 행동을 차원으로 쪼갭니다 단순히 "외향적이냐 내향적이냐"를 묻는 것이 아니라, 일상 장면을 여러 개의 작은 신호로 나눕니다.
-
그 신호를 벡터화합니다 각 차원은 하나의 레벨이 되고, 이 레벨들이 전체 패턴을 이룹니다.
-
전체 프로토타입과 맞춰 봅니다 한 질문으로 결과가 정해지는 게 아니라, 답변의 전체 윤곽이 비교됩니다.
그렇다고 자동으로 과학이 되는 것은 아니지만, 최소한 "10문항 풀고 랜덤 동물 받기" 식 퀴즈보다는 훨씬 많은 구조를 제공합니다.
시스템의 한계는 같은 지점에서 시작됩니다
메커니즘이 생각보다 정교하다고 해도, 본질을 오해하면 안 됩니다.
- 프로토타입 라이브러리는 임상 검증 샘플이 아니라 작성자 설계에 기반합니다.
- 차원 라벨도 표준화된 심리 척도가 아니라 작성자의 편집적 판단입니다.
- 유사성 점수는 진단 신뢰도가 아니라 표시용 값입니다.
- 특수 결과에는 분명한 작가의 입장과 풍자가 들어 있습니다.
그래서 SBTI는 과학 평가가 아니라 구조화된 엔터테인먼트입니다.
왜 많은 사람이 여전히 이걸 유난히 잘 맞는다고 느끼는지가 궁금하다면 SBTI가 정확하다고 느끼는 이유를, 어디까지 사용해야 하고 어디서 멈춰야 하는지가 궁금하다면 SBTI가 알려줄 수 있는 것과 알 수 없는 것은 무엇입니까?를 읽어보세요.
결론
SBTI의 핵심은 다음처럼 요약할 수 있습니다.
15개 차원30개 일반 점수 문항25개 표준 성격 프로토타입1개의DRUNK특수 재정의 규칙1개의HHHH낮은 일치율 폴백 규칙1개의 L1 거리 기반 매칭 과정
메커니즘 자체는 신비하지 않지만, 사용자가 "이상할 정도로 잘 맞는다"고 느끼게 할 만큼 충분한 구조를 갖고 있고, 동시에 스크린샷 공유에 어울릴 만큼 인터넷 언어를 잘 활용하고 있습니다.