PriceFrame

핵심 아이디어

타깃

월매출 ₩1,000~5,000만 배달앱 운영 외식 자영업자(치킨·피자·카페·분식). 국내 활성 업소 약 30만 개 중 해당 매출대 추정 6만 개(TAM), 3년 내 온라인 커뮤니티 침투 5% = SOM 3,000개 업소·월 ₩4,500만 MRR. 이후 오프라인 외식 전체 → 소매·뷰티·헬스 → 프랜차이즈 B2B 순으로 확장.

문제

**자영업자는 메뉴판 '배치와 프레이밍'이 매출을 바꾼다는 사실을 모른 채, ₩500 가격 숫자에만 수십 시간을 쏟는다.** • 코넬대 메뉴 엔지니어링 연구(Kasavana & Smith): 배치 변경만으로 매출 10~15% 향상 실증 • 미국에는 이미 Menu Engineer 자격증 시장이 존재 • 네이버 카페(회원 50만+)에서 '메뉴판 피드백 부탁드려요' 스레드가 월 수백 건 올라오지만 체계적 응답이 없음 • 수요는 존재하나 공급이 없는 공백 시장

해결

**메뉴판 사진을 올리면 AI가 행동경제학(앵커링·디코이·번들링) 기반으로 가격 배치 리디자인 3안을 생성하고, 타 업종 사장님 3인이 교차 리뷰로 수정 의견을 더한다.** ① 가격 자체는 건드리지 않고 '보이는 방식'만 바꿔 객단가를 올림 ② 매 리디자인마다 사장님이 '적용 전·후 매출 변화'를 입력 → 업종·가격대·배치 패턴별 성과 데이터셋 누적(경쟁사 복제 불가) ③ 리뷰어 사장님이 많아질수록 AI 추천 정확도가 높아지는 양방향 네트워크 효과 ④ 개인 메뉴 성과 히스토리·벤치마크 리포트 누적 → 이탈 시 데이터 손실로 자연 전환비용 형성

차별화

**기존 도구(캔바·배민)는 '예쁘게'에 집중하고, 가격 컨설팅은 건당 ₩50만+이지만 PriceFrame은 ₩15,000에 같은 효과를 제공하면서 세 가지 구조적 해자를 갖는다.** • 데이터 해자 — 수천 건의 메뉴 A/B 성과 데이터는 후발주자가 수년 내 따라올 수 없음 • 네트워크 해자 — 리뷰어 풀이 클수록 AI 품질이 높아져 신규 유저에게도 더 좋은 경험 제공 • 전환비용 해자 — 누적된 개인 성과 히스토리와 업종별 벤치마크가 플랫폼 이탈을 막음 • 유사 모델 해외 검증: Menufy·Toast의 메뉴 최적화 기능이 미국 레스토랑 SaaS 시장에서 성공

핵심 기능

1. 01

   AI 프레이밍 진단 — 메뉴판 촬영 시 앵커링·디코이·번들 등 행동경제학 요소 자동 분석, 리디자인 3안 생성

2. 02

   교차 리뷰 매칭 — 타 업종 사장님 3인이 내 메뉴판에 수정 의견 제시 (월 3건 리뷰 참여 의무 = 유저가 돈 내며 일하는 구조)

3. 03

   A/B 매출 트래킹 — POS/배달앱 연동으로 리디자인 전후 객단가·주문수 변화 자동 추적

4. 04

   이달의 메뉴판 갤러리 — 최고 before/after 사례를 커뮤니티 투표로 선정, 업종별 프레이밍 플레이북으로 축적

시장과 비즈니스

개발 기간

약 12주

시장 규모

전체 시장 한국 외식업 70만개 × ₩15,000/월 = 연 ₩1,260억유효 시장 배달앱 활성 음식점 30만개 × ₩15,000/월 = 연 ₩540억초기 목표 시장 초기 12개월 700개 업소 × ₩15,000/월 = 월 ₩10,500,000

시장 흐름

rising

발견 근거

시장 신호

플라시보 효과(같은 상품도 프레이밍에 따라 체감 가치 변화) × 파킨슨의 법칙(가격 결정에 무한 시간 낭비 — 정작 중요한 건 숫자가 아니라 배치) × 커뮤니티(사장님 집단 지성의 교차 수분)

분석 방식

TRIZ 분할(식당 최적화의 가장 작은 조각 = 메뉴판 한 장) + 유저가 돈 내며 일하는 구조(교차 리뷰 의무) + 예술 페르소나(메뉴판을 캔버스로, 이달의 갤러리)

포착 일자

2026.03.29