B
핵심 아이디어
- 타깃
- EV/하이브리드 차량 정비하는 중소 정비소 사장님 중, 월 EV 입고 5건 이상 또는 EV 특화 표방 정비소(전국 약 3,000개 추정). 2차 타겟: 중고 EV 매입 딜러(배터리·모터 상태 사전 평가 니즈), 자동차 보험사(수리비 예측 모델 라이선싱).
- 문제
- EV 부품(배터리 셀, 모터 베어링, 인버터, BMS)의 고장 패턴이 내연기관과 완전히 다름. 개별 정비소는 월 2-3건 EV만 봐서 패턴 파악 불가. 오진 시 고가 부품(₩200-500만원) 교체 → 고객 이탈. 현재 대안: 경험+감+제조사 매뉴얼(불충분).
- 해결
- 정비소들이 익명으로 수리 데이터 기여 → AI 고장 예측 모델 제공. 【콜드스타트 해결】 초기 데이터 부족 문제는 ①국토교통부 자동차 결함 신고 데이터(공개), ②NHTSA 리콜 DB, ③폐차장 부품 교체 이력 파트너십으로 시드 데이터 확보. 정비소 데이터 기여 인센티브: 기여 건수 비례 포인트 → 구독료 차감 (데이터 품질 확보 + 이탈 방지 동시 해결). 예측 모델은 차종·주행거리·지역 기후(배터리 열화 변수) 반영, 신뢰구간 함께 표시해 오용 방지.
- 차별화
- 【경쟁사 명시】 ① OEM 진단툴(현대 GDS, Toyota Techstream): 브랜드 전용, 독립 정비소 라이선스 불가. ② Alldata/Mitchell1: 제조사 기술문서 기반, 실전 수리 데이터 없음, EV 고장 예측 기능 없음. ③ OBD-II 스캐너(Snap-on Autel): 현재 고장코드 판독만, 예측·크라우드소싱 없음. ④ 정비소 관리 SaaS(샵인/AutoLeap): 예약·재고 관리, EV 진단 예측 없음. → PartsCast만이 '독립 정비소 × EV 전용 × 크라우드소싱 예측' 3개 조건을 동시 충족. 데이터가 쌓일수록 예측 정확도가 올라가는 네트워크 효과로 후발주자 진입장벽 형성.
핵심 기능
- 01
익명 수리 데이터 기여 시스템 (30초 입력)
- 02
차종/부품별 고장 확률 대시보드
- 03
선제적 교체 추천 알림 (고객 차량 기반)
시장과 비즈니스
수익 구조
| 핵심 모델 | 【다층 수익 + ROI 명시】 ①구독: Basic ₩39,000(고장 예측 조회), Pro ₩79,000(부품 재고 연동·선제 견적 자동생성), Dealer ₩200,000(딜러사/직영점용). |
|---|---|
| 근거 01 | ②부품 추천 커미션: 플랫폼 통해 부품 발주 시 3-5% 수수료(정비소 기존 도매가 대비 동일·절감 포지션). |
| 근거 02 | ③중고차 리포트: 중고차 딜러·보험사에 차량별 부품 리스크 리포트 건당 ₩8,000 판매. |
| 근거 03 | 【ROI 계산】 오진 1건 방지(₩300만원 부품 오교체 회피) = Pro 구독 37개월 치. |
| 근거 04 | 선제 교체 추천 1건 성공 = ₩200만원+ 추가 매출. |
| 근거 05 | 정비소 입장 손익분기: 월 1건 오진 방지로 연간 구독료 회수 → '보험료' 성격으로 해지 저항 높음. |
- 개발 기간
- 약 14주
- 시장 규모
- 전체 시장 한국 자동차 정비소 ~35,000개 × 연 ₩468,000 = ₩164억유효 시장 EV/하이브리드 취급 정비소 ~5,000개(급성장) × ₩468,000 = ₩23억초기 목표 시장 1년 내 300정비소 × ₩468,000 = ₩1.4억
- 시장 흐름
- emerging
발견 근거
- 시장 신호
- 전기차 × 수소차 × 도감/수집(부품 고장 도감 = 크라우드소싱 백과사전) × 익명 + 시장 신호 #8(중고차 약점 DB)
- 분석 방식
- 방법 1: 강제 충돌 (전기차 × 수소차 × 도감/수집 × 익명)
- 포착 일자
- 2026.03.26