핵심 아이디어
- 타깃
- 무신사·에이블리·지그재그 입점 패션 셀러 (월 매출 ₩500만~₩5억). 반품률 25-40%에 시달리지만 상품페이지를 어떻게 개선해야 할지 모르는 1-10인 팀.
- 문제
- 패션 이커머스 반품률 25-40%. 사이즈 가이드 부실, 상품 사진이 실물과 달라 보임, 핏 설명 부족. 반품 1건당 물류비+재고 감가 ₩5,000~15,000 손실. 지금은 감(感)으로 상품페이지를 만들고 반품이 터지면 사후 대응.
- 해결
- 외식업 메뉴 엔지니어링을 패션 카탈로그에 적용. 각 상품의 '반품 리스크 스코어'를 산출하고, 사이즈 가이드·사진·설명 개선안을 자동 제안. 카탈로그 내 상품 배치도 최적화(고마진·저반품 상품 전면 노출).
- 차별화
- 기존 범용 A/B 테스트 도구 대비 패션 반품 특화 인사이트. '왜 반품이 나는가'를 진단해서 '어떻게 고치면 되는가'까지 제안. 반품률 50% 감소 = 셀러 마진 직접 개선.
핵심 기능
- 01
상품별 반품 리스크 스코어 대시보드
- 02
AI 사이즈 가이드 자동 생성 (기존 반품 데이터 학습)
- 03
상품 사진 품질·각도 진단 + 촬영 가이드
- 04
카탈로그 배치 최적화 (메뉴 엔지니어링 매트릭스: 인기도 × 마진 × 반품률)
시장과 비즈니스
수익 구조
| 핵심 모델 | B2B SaaS 월 ₩39,000/셀러 × 300셀러 = 월 ₩11,700,000. |
|---|---|
| 근거 01 | 셀러 평균 반품 월 200건 × 건당 ₩8,000 손실 = 월 ₩160만 손실 중 50% 절감 = ₩80만 절약. |
| 근거 02 | ₩3.9만 투자로 ₩80만 절약 = ROI 20배. |
| 근거 03 | '안 쓰면 바보'인 가격. |
- 개발 기간
- 약 12주
- 시장 규모
- 전체 시장 한국 이커머스 셀러 솔루션 시장 약 ₩1.5조유효 시장 패션 카테고리 셀러 도구 (무신사/에이블리/지그재그) 약 ₩2,000억초기 목표 시장 월 매출 500만~5억 중소 패션 셀러 약 ₩40억
- 시장 흐름
- rising
발견 근거
- 시장 신호
- 무신사/에이블리(패션 플랫폼 성장)와 메뉴최적화(데이터 기반 배치)의 충돌 → 외식업 메뉴 엔지니어링을 패션 카탈로그에 이식
- 분석 방식
- 페르소나 전환: '세상에서 가장 운이 나쁜 구매자' = 항상 사이즈 틀리고 색상 다르고 반품하는 사람. 이 사람조차 만족시키는 상품페이지를 만들면 반품률 극적 감소 → 셀러 수익 직결.
- 포착 일자
- 2025.03.05