B+
핵심 아이디어
- 타깃
- 무신사·에이블리·지그재그 입점 월 매출 ₩1,000만~5억 중소 패션 브랜드 MD 담당자 (직원 2~15명). 국내 3대 패션 플랫폼 합산 입점 브랜드 약 18,000개 중 해당 매출 구간 15% = SAM 2,700개.
- 문제
- **패션 플랫폼 셀러들이 경쟁 브랜드 가격·검색순위·신상을 매일 2시간씩 수동으로 모니터링하고 있다.** • 엑셀에 경쟁사 URL 30개를 붙여놓고 하나씩 들어가 가격을 기록하고, 카톡 단톡방에서 '요즘 뭐 잘 나가요?'를 물어보는 게 현실 • 시즌 발주도 감으로 결정해 재고 폭탄 또는 품절 반복 • 셀러 단톡방의 '뭐 잘 팔려요?' 질문이 하루 수십 건 = 구조화된 데이터로 대체 가능한 증명된 수요 • 아마존 동일 문제를 Jungle Scout(ARR $600M+)·Helium 10이 해결했고, 국내 스마트스토어는 셀러노트가 유료 사용자 수만 명으로 동일 모델 검증 완료 — 패션 플랫폼만 공백 상태
- 해결
- **패션 플랫폼 공개 데이터 자동 수집과 셀러 자발적 판매 데이터 공유를 결합한 경쟁 인텔리전스 대시보드.** ① 경쟁사 가격·재고·검색순위 실시간 알림, 카테고리별 수요 예측, 시즌 발주량 추천 제공 ② 셀러가 데이터를 익명 공유하면 시장 평균 대비 벤치마크 리포트를 돌려받는 구조 ③ 크롤링 차단 리스크는 셀러 OAuth 직접 연동으로 대체 가능; MVP는 노코드 스크래퍼+구글시트+슬랙 알림 조합으로 3주 내 프로토타입 검증 ④ 초기 20개 앵커 셀러 무료 제공으로 데이터 공유 풀 선확보 후 네트워크 효과 점화
- 차별화
- **기존 셀러노트·아이템스카우트가 네이버 스마트스토어에 특화된 반면, ShelfRadar는 패션 플랫폼 특화(트렌드 사이클·스타일 클러스터·시즌성 반영)로 유일한 공백을 점유한다.** • 매일 2시간 수동 모니터링 + 감 기반 발주 → 5분 대시보드 확인 + 데이터 기반 발주 • 셀러 풀 벤치마크는 혼자서는 절대 만들 수 없는 집단 지성 데이터; 셀러 증가 → 정확도 상승 → 추가 유입의 데이터 네트워크 효과, 6개월+ 사용 시 축적된 경쟁사 히스토리로 전환 비용 형성 • Phase 1: 무신사·에이블리·지그재그(SAM 2,700개) → Phase 2: 29CM·W컨셉·올리브영(+1,500개) → Phase 3: Shopee·Lazada 동남아(+5,000개) → Phase 4: 뷰티·리빙·스포츠 등 트렌드 민감 카테고리로 수직 확장; 플랫폼 추가는 데이터 수집 모듈 교체만으로 확장 가능
핵심 기능
- 01
경쟁 브랜드 가격·재고·신상품 변동 실시간 추적 및 Slack/카톡 알림
- 02
플랫폼 내 검색 키워드별 내 상품 순위 변동 일간 트래킹
- 03
카테고리별 수요 예측 기반 시즌 발주량·타이밍 추천 엔진
- 04
익명 셀러 데이터 풀 기반 매출·전환율·반품율 벤치마크 리포트
시장과 비즈니스
수익 구조
| 핵심 모델 | **B2B SaaS 월 ₩39,000(기본: 경쟁추적+순위) / ₩89,000(프로: 수요예측+벤치마크).** |
|---|---|
| 근거 01 | • Year 1: 300개(11%) × ₩49,000 = 월 ₩14.7M / 연 ₩1.76억 |
| 근거 02 | • Year 2: 800개 × ₩55,000 = 월 ₩44M / 연 ₩5.3억 |
| 근거 03 | • Year 3: 1,500개 × ₩65,000(업셀 포함) = 월 ₩97.5M / 연 ₩11.7억 |
| 근거 04 | • MD 월급 ₩250만 기준 월 40시간 절감 = 실질 ₩62만 가치에 ₩3.9만은 공짜 수준; 재고 과잉·품절 1건 방지 = ₩수백만 절감; Phase 3 동남아 확장 시 잠재 고객 2배 이상 확대 |
- 개발 기간
- 약 12주
- 시장 규모
- 전체 시장 국내 온라인 패션 플랫폼 셀러 ~30,000개 브랜드 × 연 ₩50만 분석 도구 지출 의향 = ₩150억유효 시장 월 매출 ₩1,000만원 이상 중소 패션 브랜드 ~5,000개 × 연 ₩50만 = ₩25억초기 목표 시장 초기 무신사 집중 공략 얼리어답터 500개 브랜드 × 연 ₩47만 = ₩2.3억
- 시장 흐름
- rising
발견 근거
- 시장 신호
- 무신사/에이블리(패션 플랫폼 폭발 성장) × 상권분석(오프라인 상권 논리를 온라인 플랫폼 '가상 상권'에 적용) × 예측AI(수요 예측으로 발주 리스크 제거)
- 분석 방식
- 3중 충돌 + TRIZ 비대칭(셀러는 데이터를 무료 공유, 100배 가치의 인텔리전스를 돌려받음) + SCAMPER 제거(₩500만 시장조사 컨설팅 → ₩3.9만 자동화)
- 포착 일자
- 2026.03.22