성별 API 선택하는 방법
이 분야 업체는 다 정확하다고 말하지만, 네 리스트로 측정한 곳은 한 곳도 없어. 실제로 무엇이 이들을 갈라놓는지, 그리고 각 항목 아래에 우리 답까지 적어 뒀어. 같은 질문을 우리에게도 던지면 돼.
짧은 답
- 결과 한 건이 무엇을 쥐여 주는지로 비교해. 라벨만으로는 기준선을 둘 수 없지만, 확률에 샘플 수가 붙으면 둘 수 있어. 이게 파일의 일부를 자동화할지, 전부 손으로 할지를 결정해.
- 광고 문구의 정확도 퍼센트는 무시해. 우리 것도 마찬가지야. 우리는 아예 공개하지 않아. 공개 벤치마크로 측정하지 않았으니까. 대신 네 행 몇백 개로 직접 측정해.
- 이름 데이터베이스가 크다고 저절로 더 좋아지지는 않아. 어떤 이름은 뒤에 레코드가 3건이든 5만 건이든 똑같이 한 건으로 세어져.
- 그다음 사람들이 잊는 네 가지를 확인해. 나라별 현지화, 여러 해에 걸친 답의 안정성, 모르는 이름에 무엇이 돌아오는지, 그리고 데이터가 어디서 처리되는지.
결과 한 건이 무엇을 주는지부터
남는 작업량을 바꾸는 기준이 이거고, 아무것도 서명하기 전에 업체의 응답 예시에서 이미 보여.
성별 라벨만 있는 건 풀이 과정을 안 보여주는 판정이야. 전부에 적용하거나 전부를 확인하는 것뿐, 중간은 없어. 확률이 있으면 기준선을 그을 수 있어. 뒤에 레코드 수까지 붙은 확률이라면, 그 기준선이 눈앞의 행에 대해 의미가 있는지 알 수 있어. 레코드 3건에 기댄 자신만만한 답과 수천 건에 기댄 답은, 누가 그 건수를 보여줄 때까지 똑같이 보이니까.
우리 답: 모든 결과에 확률과 샘플 수가 붙고, CSV/Excel 출력은 그걸 네 파일에 열로 써 줘. 그래서 API를 호출할 때든 스프레드시트를 열 때든 같은 기준선이 통해.
확인할 만한 여섯 가지 항목
이 분야 업체들이 흔히 갈리는 여섯 지점과, 각 옆에 우리 쪽 대응. 왼쪽 칸은 무엇을 볼지 알려 주는 거야. 다른 곳을 조사한 적이 없으니 특정 업체에 대한 주장은 하나도 없어. 후보 명단에 있는 누구에게든, 우리를 포함해서 그대로 물어봐.
마지막 두 항목에 대해: 일회성 패키지로 산 credits는 유효기간이 없고, 월 요금제는 매달 갱신되며 언제든 해지할 수 있어(패키지 변경은 해지하고 다른 걸 고르는 방식이야). 둘 다 요금 페이지에 전부 적혀 있고, 견적은 필요 없어.
커버리지 숫자로 결론이 나지 않는 이유
우리는 9,124,598개 이름을 192개국에 걸쳐 보유하고 있고, 다른 데처럼 그 숫자를 첫 페이지에 올려. 그 값어치는 딱 여기까지야. 답이 아예 나오는 빈도는 알려 주지만, 특정 답을 쓸 만한지는 전혀 알려 주지 않아. 이 숫자로 고르지 마. 우리 것도, 다른 누구 것도.
결론을 내주는 테스트는 반나절이면 돼. 정답을 이미 아는 네 데이터 몇백 행을 뽑고, 어려울 것 같은 것도 넣어서, 후보 업체마다 통과시켜 봐. 다들 맞히는 이름은 아무것도 알려 주지 않아.
체크리스트
보통 중요한 순서대로 아홉 개 질문. 우리 답은 오른쪽 칸에 있어. 검토 중인 다른 곳에도 똑같이 물어보고, 답은 기능 비교표가 아니라 서면으로 받아.
| 질문 | 왜 중요한가 | 우리 답 |
|---|---|---|
| 결과 한 건에 무엇이 들어 있나 | 확신 높은 행을 자동화하고 나머지만 검토할 수 있는지를 결정 | 성별, 확률, 그리고 그 근거가 되는 레코드 수 |
| 같은 이름이 나라마다 다르게 나오나 | Andrea는 이탈리아에서 남성, 독일에서 여성. 전 세계 공통 답은 둘 중 한 곳에서 틀려 | 가능해. 국가 코드, 브라우저 locale, IP 주소로 |
| 같은 요청이 내년에도 같은 답을 주나 | 감사는 레코드가 어떻게 분류됐는지 묻고, 움직이는 답은 설명할 수 없어 | 그래. 생성된 추측이 아니라 저장된 레코드에 대한 산수야 |
| 모르는 이름에는 무엇이 돌아오나 | 빈 칸은 걸러낼 수 있지만, 그럴싸한 추측은 알아챌 수 없어 | 명확한 “찾을 수 없음”과 그 이유를 말해 주는 샘플 수. 지어낸 답은 절대 없어 |
| 개발자 없이 쓸 방법이 있나 | 리스트를 가진 사람은 보통 API를 호출할 수 있는 사람이 아니야 | 원본 통합 문서를 그대로 유지하는 CSV·Excel 업로드 |
| 데이터는 어디서 처리되고, 데이터 처리 계약이 있나 | 고객 이름 리스트는 개인정보고, 구매 부서가 오픈 전에 반드시 물어 | 독일 회사, 서버는 독일, 처리는 EU 안, 요청 시 데이터 처리 계약 |
| 쓰지 않은 잔량이 소멸되나 | 한 번뿐인 정리 작업이, 그보다 오래 남는 구독을 요구해선 안 돼 | 선불 credits, 유효기간 없음 |
| 누구와도 얘기하지 않고 테스트할 수 있나 | 평가에 영업 통화가 필요하면, 후보를 반나절에 비교할 수 없어 | 월 100건 무료 조회, 카드 없이, 통화 없이 |
| 공개된 정확도는 얼마인가 | 하나의 퍼센트는 측정에 쓴 이름 세트를 설명할 뿐이고, 그건 네 것이 아니야 | 우리는 공개하지 않아. 아래를 봐 |
우리가 내놓지 않을 정확도 숫자
이 시장에서는 여러 퍼센트를 제시받게 될 거야. 우리는 제시할 측정치가 없어. 정답이 붙은 이름 세트로 공개한 벤치마크가 없으니, 우리가 찍어 내는 어떤 숫자든 흰 가운을 걸친 마케팅 숫자가 될 거야. 숫자를 꾸미는 대신 그렇다고 말하는 편을 택했어.
그 숫자는 들리는 것만큼 쓸모 있지도 않아. 이름-성별 조회의 정확도는 어떤 이름을 묻는지에 거의 전부 달려 있어. 흔한 독일 이름 목록과 열 몇 개 문자 체계에서 음역된 성 목록은, 현존하는 어떤 업체에서도 같은 숫자를 내지 않아. 그러니 하나의 퍼센트는 측정에 쓴 세트에 대해 말해 주는 것이고, 네 리스트는 그 세트가 아니야.
숫자를 제시받았을 때 그걸 의미 있게 만드는 질문은 이거야. 어떤 이름으로, 몇 건을, 누가 정답을 붙여, “모름”을 무엇으로 셌는지. 이 답들이 없으면 그 퍼센트는 장식이야.
반나절에 평가를 끝내는 방법
이 페이지는 계속 네 데이터로 측정하라고 말하니, 방법을 적어 둘게. 반나절이면 되고, 후보 업체 어디에나 똑같이 통하고, 프로젝트를 결정하는 건 5단계야.
- 1. 답을 이미 아는 200~300행을 뽑아. 유명인 이름 목록이 아니라 실제 데이터에서. 까다로운 것들을 일부러 넣어. 드문 이름, 비서구권 이름, 성이 먼저 적힌 항목, 한 단어 이름, 하이픈이 들어간 이름, 결혼 후 바뀐 이름.
- 2. 먼저 정리하지 마. 끝에 붙은 공백, 직함, “Dr.”, 전부 대문자 표기도 네가 테스트하는 대상의 일부야. 깔끔한 입력에서만 동작하는 업체는 네 문제를 해결한 게 아니야.
- 3. 라벨만이 아니라 응답 전체를 보관해. 5단계에서 확률과 샘플 수가 필요해. 업체가 그걸 안 돌려준다면, 그 자체가 테스트 결과야.
- 4. 세 가지 결과를 따로 세어. 맞음, 틀림, 답 없음. 대부분의 평가가 여기서 어긋나. “틀림”과 “모름”을 한 숫자로 합치면 정작 중요한 차이가 가려져. 걸러낼 수 있는 모름은 성별 없는 인사말 정도의 비용이야. 자신만만하게 틀린 답은 고객을 잃는 비용이야.
- 5. 이제 기준선을 적용하고 다시 세어. 기준선을 넘는 행만 받아들여. 예를 들어 뒤에 샘플 50건 이상이 있는 확률 0.9. 그리고 두 가지를 측정해. 그게 파일의 몇 퍼센트를 덮는지, 그리고 그 안에서의 오류율. 이 두 값이 진짜 답이야. 작업이 얼마나 사라지고 위험이 얼마나 따라오는지 알려 주니까.
- 6. 그러는 동안 운영 쪽도 확인해. 300행에 걸리는 시간. 엉터리 입력을 보냈을 때 오류 응답이 어떤 모양인지. 같은 요청을 두 번 보내면 같은 답이 오는지. 체험에 전화 통화가 필요했는지.
응답의 형태가 광고 문구의 어떤 숫자보다 중요한 이유가 5단계야. 확률과 샘플 수가 없으면 적용할 기준선이 없어서, “이 파일의 얼마를 자동화할 수 있나”에 대한 정직한 답은 “전부 아니면 전무”가 돼. 월 100건 무료 조회면 300행 테스트를 세 번 돌릴 수 있어.
언어 모델도 함께 저울질하고 있다면
요즘 후보는 API 두 개가 아니라 API 하나와 프롬프트 하나인 경우가 늘고 있어. 그 비교는 다른 것들에 달려 있어. 100만 행당 비용, 같은 입력이 두 번 같은 출력을 주는지, 감사인에게 무엇을 보여줄 수 있는지. 그래서 별도 페이지가 있어.
실제 연동은 어떤 모습인가
평가가 끝난 뒤가 아니라 평가 중에 볼 가치가 있어. 반나절이 2주로 불어나는 지점이 여기니까. 조회당 1 credit, 일괄 요청당 이름 100개, 요청 횟수에는 상한이 없어.
- PHP, Python, Node, Java, Go, Ruby, Rust, Perl, .NET용 공식 클라이언트.
- OpenAPI 설명이 포함된 v2 전체 레퍼런스, 그리고 오류를 기계가 읽을 수 있게 하는 RFC 7807 problem 응답.
- 네이티브 Excel 추가 기능과 Shopify 앱, Google Sheets·HubSpot·Salesforce·Zapier 등에 대한 기성 연동, 그리고 AI 도구용 호스팅 MCP 서버 — 전체 목록.
- 한 번뿐인 파일에는 성별 일괄 조회, 출신이 필요한 부분이라면 이름으로 국적 추정.
요금은 1,000건 조회당 €0.35부터고 요금 페이지에 전부 적혀 있어. 보려고 견적을 받을 필요는 없어.
자주 묻는 질문
성별 API는 무엇을 기준으로 비교해야 할까
광고 문구의 정확도가 아니라, 결과 한 건이 무엇을 손에 쥐여 주는지를 기준으로. 라벨만 돌려주는 업체는 모든 행을 믿거나 모든 행을 검토하게 만들어. 확률과 그 근거가 되는 레코드 수를 함께 돌려주는 업체라면 확신이 높은 행은 자동으로 처리하고 나머지만 보면 돼. 그다음은 같은 이름이 나라마다 다르게 나올 수 있는지, 답이 시간이 지나도 그대로인지, 이름을 모를 때 어떻게 되는지, 그리고 데이터가 어디서 처리되는지.
제대로 테스트하는 방법은
유명인 이름 표본이 아니라 네 리스트로. 답을 이미 알고 있는 몇백 행을, 까다로운 것까지 포함해서 골라 그대로 통과시켜 봐. 월 100건 무료 조회면 충분하고, 평가할 가치가 있는 업체라면 통화 없이 같은 일을 하게 해 줘.
이름 데이터베이스가 클수록 좋은가
그것만으로는 아니야. 어떤 이름은 데이터베이스에 레코드가 3건이든 5만 건이든 똑같이 한 건으로 총계에 들어가. 그래서 총계로는 네 행 중 어떤 걸 믿고 쓸 수 있는지 알 수 없어. 결과별 근거는 알려 주지. 규모는 답이 아예 나오는 빈도를 좌우하고, 샘플 수는 그 답을 써야 할지를 좌우해.
공개하는 정확도는 얼마인가
일부러 측정치를 내놓지 않아. 정답이 붙은 이름 세트로 공개 벤치마크를 돌린 적이 없으니, 퍼센트를 대는 건 근거가 아니라 마케팅이 될 거야. 대신 답마다 근거를 줘. 모든 결과에 확률과 샘플 수가 붙으니 정확도는 네 데이터로 직접 측정할 수 있어. 네 상황을 설명하는 숫자는 그것뿐이야. 어떤 업체가 정확도를 하나의 숫자로 제시하면, 어떤 이름들로 측정했는지 물어봐.
데이터가 어디서 처리되는지가 중요한가
리스트가 고객 이름이라면 중요해. 그건 개인정보니까. 우리는 독일 회사고, 서버는 전부 독일에 있고, 처리는 EU 안에서 이뤄지고, 데이터 처리 계약은 계정에서 요청할 수 있어. 누구를 평가하든, 이건 파일럿이 끝난 뒤가 아니라 시작하기 전에 서면으로 요구해.
사람들이 묻는 걸 잊는 질문은
세 가지. 데이터베이스가 모르는 이름이 어떻게 처리되는지 — 걸러낼 수 있는 빈 칸이, 알아채지 못하는 그럴싸한 추측보다 값져. 같은 요청이 내년에도 같은 답을 돌려주는지 — 감사에서 이 레코드가 어떻게 분류됐는지 묻는 순간 중요해져. 그리고 쓰지 않은 잔량에 유효기간이 있는지.
네 리스트로 직접 테스트해 봐
월 100건 무료 조회, 신용카드도 통화도 필요 없어. 답을 이미 아는 행을, 까다로운 것까지 가져와서 각 행 옆에 무엇이 돌아오는지 확인해 봐.
