제약이 클수록,
더 크게 만듭니다.

선상 낚시는 결제까지 거치는 의사결정 단계가 가장 많은 도메인입니다. 어떤 배에서, 어떤 어종을, 얼마에 가는지가 한 화면에서 정리되지 않으면 사용자는 단톡방과 전화 예약으로 되돌아갔습니다.

시장을 키우는 병목은 수요가 아니라 공급의 분산이었습니다. 4조 규모의 선박과 선장이 흩어져 있고, 예약과 조황 정보가 카카오톡에 묶여 있었습니다.

오프라인 전화·단톡 예약을 선박 예약 플랫폼으로 옮겼습니다. 원하는 선박 탐색→결제→쿠폰→현장 이용→후기까지 한 흐름으로 잇고, 공급은 자사 직판이 아닌 외부 선장 입점으로 채웠습니다 — 86배 성장은 직판으로는 불가능했습니다.

선장이 직접 모객하는 것보다 우리 앱에 올리는 게 이득이 되도록, 입점 선장에게 예약 알림·정산 자동화·조황 연계를 묶어 제공했습니다.

동선(검색→상세→옵션→결제) 중 이탈이 가장 큰 옵션 분기를 먼저 손봤습니다. 어종·인원·승선일이 가격에 미치는 영향을 한 화면에 보여주자 다음 단계로 넘어갔습니다.

마지막 관문은 신뢰였습니다. 사용자가 사진을 믿어야 결제까지 갑니다. 조황 카드를 사진 우선·어종 태그·선박 링크 세 축으로 재설계해 신뢰 지표를 끌어올렸습니다.

PM 그룹·배포·회고를 함께 관리해야 했는데, 사람·배포·프로젝트 상태가 여러 도구에 흩어져 있었습니다.

기성 도구(Notion·Asana·Monday)는 우리 팀 흐름과 핏이 안 맞았고, 외주 빌드는 4~8주가 걸렸습니다.

우리 팀 워크플로에 정확히 맞춘 단일 운영 화면을 직접 만들기로 했습니다.

스케줄·프로젝트·이슈·배포·팀·이력·릴리즈 7개 탭으로, 실시간 동기화되는 단일 운영 화면을 만들었습니다.

우선순위 등급과 5개 트랙(기획·디자인·FE·BE·QA)별 일정을 겹쳐, 팀 8명의 과부하를 한 화면에 시각화했습니다.

필요한 도구를 기다리는 대신 직접 만들어 바로 운영했고, 반복 작업은 AI를 가속기로 써 제작 시간을 줄였습니다.

기획 한 건에도 백로그 정리 → 요구사항 → PRD → 정책 확인 → 스토리보드 → 프로토타입 → 핸드오프가 줄줄이 붙어, 산출물 작성에만 며칠이 들었습니다.

반복되는 문서 작업이 시간을 묶어, 정작 의사결정과 사용자 검증에 쓸 시간이 부족했습니다.

여섯 단계 전 과정에 AI를 붙이고, 간단한 기획은 프로토타입까지 직접 빌드하기로 했습니다.

백로그·운영 → 요구사항·PRD → 기존 정책 확인·수정점 → 화면기획·스토리보드 → 프로토타입 → 운영 핸드오프, 각 단계의 초안을 AI가 만들고 사람이 판단합니다.

기존 정책과 수정점을 자동으로 비교해 빠뜨림을 막고, PRD·스토리보드를 같은 템플릿으로 찍어 핸드오프 정합을 유지했습니다.

반복 산출물은 AI에 위임하되 정책 판단과 최종 검증은 사람이 합니다. 간단한 화면은 직접 빌드해 검증 사이클을 더 줄였습니다.

예약 전환의 가장 큰 벽은 탐색이었습니다. "어디서·뭘·얼마에" 타려는지 정하지 못한 사용자가 목록과 필터 사이에서 이탈했습니다.

고관여·고단가 상품일수록 선택을 도와주는 안내가 결제를 가릅니다. 검색·필터는 이미 아는 사람만을 위한 도구였습니다.

한 줄 대화로 어종·지역·예산을 말하면 나를 위한 선박을 추천받고 그 자리에서 예약까지 잇는 모델로 트랜잭션을 극대화했습니다.

Gemini API로 자연어를 해석하고, GCP에서 자사 선박·조황·예약 DB를 끌어와 실데이터 기반 추천을 생성하도록 연결했습니다.

흩어져 있던 예약·쇼핑·이벤트·낚시 플랜을 하나의 대화로 묶었습니다. 낚시 여행 플래너가 코스를, 채비 전문가가 장비·쇼핑을 추천하고, 잔여석·요금·바로 예약까지 같은 흐름에서 끝냅니다.

검색·필터에 얹는 대신, 대화가 곧 예약이 되는 독립 서비스로 실제 구현했습니다. 추천 정확도와 예약 전환을 실사용 환경에서 검증합니다.

커뮤니티만으로는 매출이 나지 않았고, 사용자의 구매 동선은 외부 쇼핑몰로 새고 있었습니다.

매출은 스마트스토어에 73% 쏠려 있었습니다. 외부 채널 매출에 묻혀 자사몰 개선이 보이지도 않는 게 더 큰 문제였습니다.

외부 채널을 끊는 대신, 쇼핑부터 결제까지를 앱 안에서 끝내 매출과 행동 데이터를 함께 우리 몰로 가져오기로 했습니다.

스마트스토어 매출은 그대로 받으면서, 자사몰 ARPPU만 별도 KPI로 분리했습니다. 합산하면 안 보이던 학습이 떼니 바로 나왔습니다.

가장 비싼 이탈점은 가격 인지였습니다. 쿠폰·할인 표기를 두 색 규칙으로 정리하고, 결제수단 분기와 실패 처리를 한 화면에 통합했습니다.

진열→상세→장바구니→결제의 단계별 이탈률을 매주·매월 데이터로 추적했습니다. 가장 많이 빠지는 구간을 백로그로 올려 끊임없이 개선하는 사이클을 정착시켰습니다.

카테고리를 어종·장비 두 축으로 다시 짜고 관심어종 데이터를 홈으로 끌어왔습니다. 이 IA 변경 하나가 재방문 곡선을 들어 올렸습니다.

신규 사용자가 가장 많이 이탈하는 곳이 가입 단계였습니다. 이메일·비밀번호·약관·인증·프로필로 이어지는 다단 가입이 문제였습니다.

단순화만 하면 개인화에 쓸 정보가 사라집니다. 마찰은 줄이되 최소 취향 정보는 남겨야 했습니다.

가입의 마지막 입력을 개인화의 첫 입력으로 쓰기로 방향을 잡았습니다.

카카오 로그인으로 이메일·비밀번호를, 휴대폰 점유인증으로 본인확인을 한 번에 끝냈습니다. 마찰이 큰 두 단계를 동시에 없앴습니다.

늘어지던 가입을 닉네임·관심어종·지역 3단으로 줄였습니다.

관심어종 한 입력값을 홈·예약·쇼핑·커뮤니티 네 도메인의 추천 공통 키로 묶었습니다. 가입 직후 첫 홈이 사용자마다 다르게 구성됩니다.

낚시 장비는 값이 나가고 회전이 빨라 C2C 수요가 크지만, 사기·분쟁 리스크도 그만큼 큰 도메인입니다.

C2C는 분쟁·CS 비용이 빠르게 쌓입니다. 기능을 먼저 늘리면 운영이 감당하지 못합니다.

기능보다 운영 정책을 먼저 설계해, 리스크를 거래 시작 전에 잘라내기로 했습니다.

거래 시작 전 더치트로 판매자 이력을 검증하고, 버티컬의 강점을 살려 장비명·연식·상태·사진을 등록 시점에 필수로 받았습니다.

거래 단계마다 책임 소재를 끊어 정의했습니다 — 등록·대화·거래완료·분쟁·신고. 어디까지가 사용자 책임이고 어디부터 운영 개입인지 명확히 했습니다.

신고 카테고리를 5축으로 좁히고, 응답이 빠른 카테고리일수록 재거래율이 오른다는 걸 데이터로 확인해 CS 응답 SLA를 차등 운영했습니다.

청구·지급이 전부 수작업이라 직원 6명이 매달 매달려 있었고, 종이와 엑셀로 흐르는 돈은 데이터로 남지 않았습니다.

풀스코프 SCM을 한 번에 지으면 1년이 걸릴 일이었습니다. 그동안 현금흐름의 통증은 그대로 남습니다.

통증이 가장 큰 청구·지급만 잘라, 0.5개월 압축 사이클의 MVP로 먼저 검증하기로 했습니다.

실수령→청구 자동생성→지급 결재→정산의 정합을 한 화면에 시각화해, 운영팀이 한 줄에서 조회·수정·결재를 끝내게 했습니다.

부서 간 핸드오프를 줄이는 일이 곧 인력 절감이었습니다.

부서가 보는 청구서를 같은 그리드로 묶고 고유 컬럼은 접었습니다. 공통 입력 포맷 합의가 ERP 정착의 핵심 조건이었습니다.

O2O 매칭은 일자리와 근로자가 양쪽 다 충분해야 돕니다. 일자리는 영업이 채웠지만, 정작 나갈 근로자의 가입·인증이 막혀 매칭이 비었습니다.

주 사용자는 40~50대입니다. 일자리를 나가려면 계좌·이수증 인증을 거쳐야 했는데, 이 번거로운 단계에서 대거 이탈했습니다.

제품이 책임질 한쪽은 분명했습니다 — 가입·인증 마찰을 없애 근로자 공급을 채우는 것. 영업의 일자리 확보와 맞물려 양면을 동시에 메웠습니다.

근로자가 일을 고르는 첫 기준은 거리입니다. 현재 위치 기반으로 주변 일자리를 홈에서 리스트·지도로 직관 표기해, 나갈 현장을 쉽게 탐색하게 했습니다.

40~50대에 맞춰 회원가입을 휴대폰 점유인증으로 바꾸고, 일자리에 필요한 계좌·이수증 인증까지 가입 단계에서 함께 받게 했습니다. 번거로운 관문을 앞으로 당겨 전환율을 끌어올렸습니다.

GA 유입경로로 가입→조회→지원 이탈을 추적하며 백로그로 개선했고, 일자리 조회 후 지원 전환 96.8%를 기록했습니다.