B+
핵심 아이디어
- 타깃
- 중소 입시학원 원장, 1인 입시 컨설턴트, 입시 관련 에듀테크 스타트업. 매년 입시 데이터 수집에 수백 시간을 쓰는 사람들.
- 문제
- 200+ 대학의 모집요강·커트라인·경쟁률·합격선을 매년 수작업으로 수집. 각 대학 홈페이지 형식 제각각. 진학사·유웨이 등 대형사는 자체 데이터를 독점하고 API 미제공. 소규모 학원/컨설턴트는 엑셀에 수동 입력하며 수백 시간 소비. '운이 나쁜' 학생은 데이터 없는 컨설턴트를 만나 잘못된 지원 전략으로 낙방.
- 해결
- 전국 대학 입시 데이터를 자동 크롤링·표준화 → REST API로 제공. 학생/학부모는 무료로 합격 확률 조회 가능(대신 결과 데이터 기여 = 플로깅형 데이터 수집). 기여 데이터로 예측 모델 정확도 향상 → B2B API 가치 상승의 플라이휠.
- 차별화
- 데이터 수집 시간 수백 시간 → 0. API 한 줄로 모든 대학 입시 데이터 조회. 합격 확률 예측 모델까지 포함. 대형사 독점 데이터를 민주화.
핵심 기능
- 01
200+ 대학 입시 데이터 자동 수집·표준화·갱신
- 02
REST API + 대시보드(학과별 커트라인·경쟁률·합격선)
- 03
사용자 기여 기반 합격 확률 예측 모델
시장과 비즈니스
수익 구조
| 핵심 모델 | API 월 ₩299,000 × 100 업체 = 월 ₩29,900,000. |
|---|---|
| 근거 01 | 입시 컨설턴트 연매출 ₩1-5억 기준, 월 ₩30만원은 매출의 0.7-3.6%. |
| 근거 02 | 데이터 수집 인력 1명 월급(₩250만원) 대비 88% 절감. |
- 개발 기간
- 약 12주
- 시장 규모
- 전체 시장 한국 입시 사교육 시장 연 ₩8조유효 시장 입시 데이터 활용 업체(학원·컨설턴트·에듀테크) 약 3,000개 × ₩299,000 × 12 = 연 ₩108억초기 목표 시장 초기 100개 업체 × ₩299,000 × 12 = 연 ₩3.6억
- 시장 흐름
- emerging
발견 근거
- 시장 신호
- '플로깅' × '수능/입시' 충돌. 플로깅이 달리면서 쓰레기를 줍듯, 학생이 합격 여부를 조회하면서 자연스럽게 결과 데이터를 기여하는 구조. '운이 나쁜 사람' 페르소나: 좋은 컨설턴트를 못 만나 데이터 없이 감으로 지원해서 매번 떨어지는 학생 → 무료 합격 확률 조회로 데이터 민주화
- 분석 방식
- 방법 4: 패턴 추출 적용 — 플로깅의 '이용하면서 동시에 기여하는' 패턴을 입시 데이터 수집에 적용. 무료 B2C → 데이터 축적 → B2B API 수익화
- 포착 일자
- 2026.03.09