AI 사주 1억 매출, 흔한 아이템의 이유

엘런은 AI가 사주를 봐주고 그 사주를 바탕으로 AI와 채팅으로 대화할 수 있는 서비스를 개발해 판매했다. 이 서비스는 론칭 첫 달에 1억 원 이상의 매출을 기록하는 성과를 올렸다.

하지만 두 달 만에 매출이 반토막 나는 경험을 겪었으나, 현재까지 누적 매출 13억 원을 달성하며 꾸준히 수익을 창출하고 있다.

엘런은 과거 50억 원 규모의 사업 실패 경험을 통해 아이템 선정의 중요성을 깨달았다. 대부분의 초기 사업자 10명 중 9명은 시장에 없는 새로운 아이템을 개척하려다 실패하는 경우가 많다고 진단했다.

사람들이 이미 돈을 쓰고 있는 구매력이 확인된 시장에 집중하는 것이 위험을 줄이는 길이다.

엘런의 경험에 따르면, 당뇨 건강기능식품은 기존 경쟁사들이 이미 수억 원대의 매출을 올리고 있어 시장 수요가 확실히 검증된 아이템이었다. 이와 달리 멜라토닌 제품은 전국민이 대상이라는 막연한 판단으로 접근했으나, 실제 광고 반응은 저조했다.

멜라토닌 사업은 6개월 넘게 AB 테스트와 개선 노력을 기울였음에도 매출이 하락하는 어려움을 겪었다. 이는 수요를 추측에만 의존한 결과였다.

반면, 확실한 수요를 확인하고 출시한 화장품은 월 매출을 안정화하는 데 성공했다. 이는 시장 수요 검증의 중요성을 보여주는 사례다.

연 매출 수백억 원대인 사주 앱 시장은 경쟁사의 광고 집행 규모와 검색량으로 시장성을 검증할 수 있다. 엘런은 연 매출 수백억 원대, 심지어 1천억 원 이상을 기록하는 사주 앱 시장의 규모를 확인하고 AI 사주 서비스를 기획했다.

경쟁사들의 광고 집행 규모와 네이버 검색량을 분석해 시장의 잠재력을 검증했다. 이러한 철저한 시장 분석 덕분에 첫 달에 1억 원 매출을 달성하는 성과를 거두었다.

살 사람이 확실한 아이템을 선정하는 것이 중요하며, 참신한 아이디어보다 기존 시장 진입이 성공 확률을 높인다.

경쟁사 분석에는 페이스북 광고 라이브러리를 활용해 경쟁 서비스의 광고 포트폴리오를 확인하는 방법이 있다. 이를 통해 어떤 광고를 집행하는지 파악할 수 있다.

또한 네이버 광고주 센터의 키워드 도구를 사용해 특정 브랜드의 검색량을 조회한다. 예를 들어, 모바일과 PC 검색량을 합쳐 월 3만 건 이상이라면 해당 경쟁사는 광고비로 최소 수억 원 이상을 지출하고 있다고 추정할 수 있다.

엘런은 경쟁 서비스가 특정 퀄리티의 광고로 매출을 내고 있다면, 자신도 비슷한 수준으로만 해도 일정 수준의 매출 확보가 가능하다고 판단할 수 있다고 조언했다.

아이템을 선정한 후에도 완벽한 제품을 만들려다 1년 이상 시간을 허비하는 경우가 빈번하다. 사람들은 기능 추가나 화면 디자인 수정에 집착하여 제품 출시를 늦추는 경향이 있다.

하지만 완벽하게 만들어도 실제 고객 반응은 예측하기 어렵다. 고객이 제품을 좋아할지, 팔릴지 계속 고민만 하다가 출시 시기를 놓치는 사례가 많다.

고객이 돈을 낼 의향이 있는지 확인하지 않고 개발에만 몰두하면 1년 이상의 시간을 헛되이 보낼 수 있다. 이는 단순히 개발 기간을 낭비하는 것을 넘어 더 큰 위험으로 이어질 수 있다.

예를 들어, 광고비 100만 원 대비 매출이 3만 원에 불과하다면 즉시 사업을 접는 것이 현명하다. 제품의 기능 10개 중 1~2개만 고객이 반응한다면, 나머지 기능은 과감히 버리고 반응이 좋은 기능에 집중하는 전략이 필요하다.

1년 동안 심혈을 기울여 만든 제품일수록 시장 반응이 없어도 포기하기 어렵다. 제품에 대한 과도한 애착은 매몰 비용 오류로 이어져 사업을 계속 붙잡게 만든다.

이러한 미련 때문에 실패를 인정하지 못하고 어떻게든 살려보려다 또 다른 1년을 허비하게 된다. 결과적으로 성공 가능성이 낮은 사업에 총 2년의 시간을 손실하는 것이 가장 큰 위험으로 작용한다.

제품을 빨리 출시하라는 조언은 완성도를 소홀히 하라는 뜻이 아니다. 이는 팔리는지 모르는 상태에서 완성도에만 계속 집착하지 말라는 뜻이다.

제품은 고객이 생긴 후에도 얼마든지 수정하고 개선할 수 있다. 고객이 제품을 구매할지 여부는 컴퓨터 앞에서 고민한다고 해결되지 않으며, 실제 시장에 제품을 출시하고 판매를 통해 직접 확인해야 한다.

마케팅은 제품이 완성된 후에 고민할 문제가 아니라, 제품 기획 단계에서부터 명확히 정해져 있어야 한다. 고객 인지부터 사용, 결제에 이르는 전 과정을 사전에 설계하는 체계가 필요하다.

고객의 인지, 무료 사용 경험, 만족감과 갈증, 그리고 결제 유도 버튼에 이르기까지의 여정을 구체적으로 그려야 한다. 단순히 기능을 덕지덕지 붙이고 나중에 카피 문구만 따라 하는 방식으로는 매출을 만들 수 없다.

광고는 단순히 돈을 주고 고객을 홈페이지로 데려오는 행위이며, 제품 자체가 결제를 유도할 수 있는 경쟁력을 갖춰야 한다. 방문객 100명 중 5명이 결제하는 전환율 높은 수익 구조가 갖춰지면, 광고비를 투입하여 매출을 확장할 수 있다.

엘런의 경우, 광고비 20만~30만 원으로 100만 원 매출을 확인한 뒤 광고비를 늘려 1억 원 매출을 달성했다. 이는 검증된 제품에 대한 광고 투자가 효과적임을 보여주는 사례다.

100명 방문 시 가입 20명, 무료 이용 15명, 일주일 지속 5명, 최종 결제 2명이라는 구체적인 시나리오를 세워야 한다. 예를 들어, 100명의 방문객 중 20명이 가입하고, 15명이 무료 이용하며, 5명이 일주일간 서비스를 지속한 후 2명이 최종 결제하는 시나리오를 미리 설정한다.

각 단계별로 달성해야 할 전환율 목표치를 사전에 정의해야 매출을 예측하고 관리할 수 있다. 이는 단순한 디자인 개선을 넘어, 특정 단계의 전환율을 높이기 위한 메시지 및 스토리텔링 고민으로 이어진다.

이러한 구조적인 설계는 매출 예측 가능성을 높이고, 어떤 부분을 개선해야 할지 명확한 방향을 제시한다.

광고비를 늘려도 매출이 즉각적으로 연결되려면 팔리는 구조가 사전에 갖춰져 있어야 한다. 이러한 구조를 미리 만들지 않으면 런칭 후 마케팅에 큰 어려움을 겪게 된다.

데이터로 가설을 검증하기 전에 기능 개발에만 몰두해서는 안 된다. 런칭 전부터 고객의 구매 여정을 설계하여 팔리는 구조를 만드는 것이 매출 달성의 핵심이다.

그는 매년 12개 아이템으로 월 매출 1억 원 이상을 꾸준히 기록했다. 그의 경험에 따르면, 고객이 스스로 필요성을 체감하는 상황을 연출하는 것이 단순히 설득하는 것보다 훨씬 강력한 효과를 낸다.

고객이 광고를 보고 제품을 인지하는 순간부터 결제 버튼을 누르기까지의 과정에서 느끼는 생각과 감정을 순간순간 상상할 줄 알아야 한다. 이는 UI/UX를 단순한 디자인이 아닌 고객이 경험하는 전체 과정으로 정의하는 태도와 연결된다.

성공적인 사업의 핵심 원리는 고객 여정을 깊이 이해하고 설계하는 능력에 있다.

첫 달 1억 원 매출 달성에는 오랜 사업 노하우와 마케팅 원리에 대한 통찰이 깔려 있다. 그는 초기 사업자는 6개월에서 1년 정도는 최저 시급보다 못한 수익을 각오해야 한다고 조언했다.

판매 성과를 내려면 고객의 지루함이나 의심 같은 다양한 심리를 포착해 활용해야 한다.

AI를 활용해 제품을 만들기 쉬워진 시대에는 한번 잘된다고 해서 그 성공이 끝까지 보장되지 않는다. 엘런은 자신이 성공시켰던 아이템도 광고 효율이 2개월 만에 반토막 나는 등 시장 변수가 크다고 전했다.

따라서 하나의 성공적인 아이템에만 머무르지 않고, 지속적으로 새로운 아이템을 발굴하고 변화에 대응해야 한다. AI 사주 서비스의 성공과 이후 매출 하락은 이러한 시장 환경의 단면을 보여준다.

구글 안드로이드 앱 중 수수료 대상, 즉 매출이 발생하는 앱은 전체의 3%에 불과한 것으로 나타났다. 또한, 해외 결제 대행사 스트라이프의 조사에 따르면, 8,800개의 스타트업 중 월 1만 달러 매출을 달성하는 곳도 3%에 그친다.

엘런은 돈을 잘 버는 상위 3%가 되기 위해서는 사람들이 이미 돈을 쓰고 있는 검증된 아이템을 선정하고, 고객 경험을 최우선으로 고려해야 한다고 조언했다.

엘런은 월 5천만 원에서 1억 원 규모의 광고비를 AI가 전담하여 운영하는 시스템을 구축했다. 경쟁사 분석, 카피라이팅, 광고 소재 제작, 입찰가 조절 등 광고 운영의 전 과정을 AI가 수행한다.

엘런의 직원들은 모두 클로드 코드(Claude Code)를 활용하여 업무를 시스템화한다. 이를 통해 광고 운영 효율성을 극대화하고, 인력 투입을 최소화하는 등 AI를 실무에 적극적으로 활용하는 사례를 보여준다.