SI,협약기반,셀프 서비스를 하면서 느끼는 커스터머및 장애 이슈대응

SI는 특정시간내 대응못하면 SLA준수 요건에 의해 즉각 벌칙비용이 발생합니다.
계약된 개발인원이 이탈되어도 마찬가지입니다.

협약프로젝트에서 지연하거나 늦으면 대응력을 문제로 다음은 계약은 기회가 없을수 있습니다.
셀프서비스는 처리가 지연되거나 늦으면 고객의 신뢰를 점점 잃게되 이탈이 가속화됩니다.

일반적 IT개발팀및 데브옵스팀은 한가지 카테고리에 집중해 대응하는경우가 대부분이겠지만
SI에서 번돈으로 셀프 서비스를 만들어내 성공한 테크기업의 사례도 일부 있으며

장애와는 상관없는 고객의 요구사항을 무조건 받아들이다가 프로덕트의 방향을 잃기도하고
지금 급하다고 생각한 우선순위는 중요한게 아닐수있으며 우리는 제한된 리소스에서
우선순위를 조정하기위해 노력합니다.

스타트업의 성장과 변화과정속에서 이 세가지를 한번에 다루는 기간도 때론 존재하기도 하며
이 3가지 카테고리를 운영하는중 고객의 요청이 동시에 발생했을때 우리는 우선순위를 어디에 둬야할까요?

SI,협약기반,셀프 서비스를 하면서 느끼는 커스터머및 장애 이슈대응 SI는 특정시간내 대응못하면 SLA준수 요건에 의해 즉각 벌칙비용이 발생합니다. 계약된 개발인원이 이탈되어도 마찬가지입니다. 협약프로젝트에서 지연하거나 늦으면 대응력을 문제로 다음은 계약은 기회가 없을수 있습니다. 셀프서비스는 처리가 지연되거나 늦으면 고객의 신뢰를 점점 잃게되 이탈이 가속화됩니다. 일반적 IT개발팀및 데브옵스팀은 한가지 카테고리에 집중해 대응하는경우가 대부분이겠지만 SI에서 번돈으로 셀프 서비스를 만들어내 성공한 테크기업의 사례도 일부 있으며 장애와는 상관없는 고객의 요구사항을 무조건 받아들이다가 프로덕트의 방향을 잃기도하고 지금 급하다고 생각한 우선순위는 중요한게 아닐수있으며 우리는 제한된 리소스에서 우선순위를 조정하기위해 노력합니다. 스타트업의 성장과 변화과정속에서 이 세가지를 한번에 다루는 기간도 때론 존재하기도 하며 이 3가지 카테고리를 운영하는중 고객의 요청이 동시에 발생했을때 우리는 우선순위를 어디에 둬야할까요?

우선순위에 대한 고민

말씀을 제가 이해한대로 여쭤보자면, 성장하고 변화하는 과정에서 고객의 요청, 팀의 우선순위, SI 대응, 자체 서비스의 늦은 대응으로 인한 고객 신뢰 하락 및 이탈의 문제가 동시에 발생하는 경우라고 판단했는데요.

이런 경우는 그냥 욕심이 너무 많아서 또는 대응 인력이 부족해서 발생하는것 아닌가요?

6시간 동안 Supabase, MCP, Mixpanel, 결제 기능까지 정복하자! 🚀 6시간 동안에  Cursor AI 로 웹 서비스를 만들고  Mixpanel  연동해 데이터를 직접 보는 실습 강의 이런 고민 해보셨나요? 개발을 전혀 몰라도,  Cursor AI, Supabase, MCP, Polar  라는 도구를 활용해 스스로 웹 서비스를 만들고,  

비개발자도 Cursor AI로 결제 가능한 웹 서비스 만들기 🚀 (6차. 25.06.21, 25.06.28) - Learning by Doing

6시간 동안 Supabase, MCP, Mixpanel, 결제 기능까지 정복하자! 🚀

단순히 사용 방법이 아닌 제가 없이도 Cursor AI를 잘 사용하실 수 있도록 개발지식도 같이 전달드리며 진행한 강의가 벌써 6차에 이르렀네요! 매 순간 더 쉽고 더 잘 이해하실 수 있도록 노력하고 있는데, 진심이 전해졌는지 후기도 4.8점(5점 만점)에 이르렀네요!

6월 21일과 28일 Cursor AI, Supabase, MCP, 결제 모듈을 배워보고자 하시는 분들은 많은 관심 부탁드려요!

https://www.latpeed.com/products/3qCN5

6시간 동안 Supabase, MCP, Mixpanel, 결제 기능까지 정복하자! 🚀 단순히 사용 방법이 아닌 제가 없이도 Cursor AI를 잘 사용하실 수 있도록 개발지식도 같이 전달드리며 진행한 강의가 벌써 6차에 이르렀네요! 매 순간 더 쉽고 더 잘 이해하실 수 있도록 노력하고 있는데, 진심이 전해졌는지 후기도 4.8점(5점 만점)에 이르렀네요! 6월 21일과 28일 Cursor AI, Supabase, MCP, 결제 모듈을 배워보고자 하시는 분들은 많은 관심 부탁드려요! https://www.latpeed.com/products/3qCN5

Latpeed

비개발자도 Cursor AI로 결제 가능한 웹 서비스 만들기 🚀

AI(LLM) 애플리케이션의 발전 속도가 AI 지능(능력)의 발전 속도를 따라가지 못하고 있는 상태가 되었다. 즉, 이제 AI가 부족한 것이 문제가 아니라, AI의 능력을 100% 활용하지 못하고 있는 것이 문제인 상태가 되었다는 이야기.

AI(LLM) 애플리케이션의 발전 속도가 AI 지능(능력)의 발전 속도를 따라가지 못하고 있는 상태가 되었다. 즉, 이제 AI가 부족한 것이 문제가 아니라, AI의 능력을 100% 활용하지 못하고 있는 것이 문제인 상태가 되었다는 이야기.

전면 광고의 사용성 문제를 해결한 새로운 '라이트 팝업' 광고 형태로 알라미가 달성한 30% 매출 증대 사례를 소개합니다.

사용성과 수익, 두 마리 토끼를 잡다: 새로운 광고 형태 연구로 이룬 30% 매출 증대 | DARO

딜라이트룸은 '트래픽을 매출로 바꾸는 노하우'를 차곡차곡 쌓아온 회사입니다. 단순히 수익을 늘리는 데만 초점을 맞추는 것이 아니라, 어떻게 하면 사용자 경험을 해치지 않으면서 (=engagement 지표 영향을 최소화하면서) 지속가능한 매출을 만들어낼 수 있을까? 라는 질문을 바탕으로 여러 실험과 테스트를 진행하고 있습니다.

최근에 여러 가지 테스트를 통해서 "수익성은 interstitial 처럼 높지만, 유저의 거부감은 interstitial 대비 확연히 낮은 광고 지면"을 추가했는데요. 이를 통해 알라미 광고 수익이 30% 증가하는 의미있는 성과가 있었습니다. 이 좋은 걸 저희만 쓸 수 없어서 ㅎㅎ DARO 플랫폼에 도입해서 원하는 앱 개발사들이 동일한 포맷의 광고를 할 수 있도록 기능을 제공했는데요. 관심있으신 분들은 아래 포스팅을 참고해주세요!
(혹시라도 트래픽을 매출로 바꾸는 데 관심있는 DARO의 잠재 고객사가 계시다면, 개별적인 문의도 환영...)

https://daro.so/blog/new-ad-format-research-30-percent-revenue-growth

딜라이트룸은 '트래픽을 매출로 바꾸는 노하우'를 차곡차곡 쌓아온 회사입니다. 단순히 수익을 늘리는 데만 초점을 맞추는 것이 아니라, 어떻게 하면 사용자 경험을 해치지 않으면서 (=engagement 지표 영향을 최소화하면서) 지속가능한 매출을 만들어낼 수 있을까? 라는 질문을 바탕으로 여러 실험과 테스트를 진행하고 있습니다. 최근에 여러 가지 테스트를 통해서 "수익성은 interstitial 처럼 높지만, 유저의 거부감은 interstitial 대비 확연히 낮은 광고 지면"을 추가했는데요. 이를 통해 알라미 광고 수익이 30% 증가하는 의미있는 성과가 있었습니다. 이 좋은 걸 저희만 쓸 수 없어서 ㅎㅎ DARO 플랫폼에 도입해서 원하는 앱 개발사들이 동일한 포맷의 광고를 할 수 있도록 기능을 제공했는데요. 관심있으신 분들은 아래 포스팅을 참고해주세요!(혹시라도 트래픽을 매출로 바꾸는 데 관심있는 DARO의 잠재 고객사가 계시다면, 개별적인 문의도 환영...) https://daro.so/blog/new-ad-format-research-30-percent-revenue-growth

daro.so

[사용성과 수익, 두 마리 토끼를 잡다]

Storybook 9

드디어 스토리북 9이 베타 테스트를 끝내고 정식으로 출시되었습니다.

스토리북은 버전 업을 통해서 Vitest와 Playwright와 협력을 통해 궁극의 컴포넌트 테스팅 도구로 거듭나게 되었습니다. 상호작용, 접근성, 시각 테스트 뿐만 아니라 커버리지 보고까지 모두 스토리북에서 할 수 있게 되었네요.

• 모든 UI 상태에 걸친 상호작용, 접근성, 시각적 테스트를 지원하는 스토리북 테스트 도입
• 패키지 크기를 48% 줄이고 스토리 생성 및 태그 기반 구성 기능 추가
• Next.js, Svelte 5, React Native에 대한 프레임워크 지원 개선

https://storybook.js.org/blog/storybook-9/

드디어 스토리북 9이 베타 테스트를 끝내고 정식으로 출시되었습니다. 스토리북은 버전 업을 통해서 Vitest와 Playwright와 협력을 통해 궁극의 컴포넌트 테스팅 도구로 거듭나게 되었습니다. 상호작용, 접근성, 시각 테스트 뿐만 아니라 커버리지 보고까지 모두 스토리북에서 할 수 있게 되었네요. • 모든 UI 상태에 걸친 상호작용, 접근성, 시각적 테스트를 지원하는 스토리북 테스트 도입• 패키지 크기를 48% 줄이고 스토리 생성 및 태그 기반 구성 기능 추가• Next.js, Svelte 5, React Native에 대한 프레임워크 지원 개선 https://storybook.js.org/blog/storybook-9/

Storybook Blog

스토리북 9 출시 소식

Video-based AI memory library. Store millions of text chunks in MP4 files with lightning-fast semantic search. No database needed. - Olow304/memvid

GitHub - Olow304/memvid: Video-based AI memory library. Store millions of text chunks in MP4 files with lightning-fast semantic search. No database needed.

간만에 신박한 프로젝트를 발견해서 소개해봅니다. 우선 프로젝트의 개요는 다음과 같습니다.

DB 구축: 텍스트를 일정 크기로 쪼갠다(청킹) -> 쪼갠 텍스트를 QR로 만든다 -> QR 이미지를 모두 합쳐 MP4 파일로 만든다

벡터 검색: 텍스트 청크의 벡터 인덱스를 만든다 -> 인덱스와 MP3 프레임의 위치를 맵핑한다 -> 검색시 해당 프레임을 가져와 QR을 디코딩해 데이터로 사용한다

벡터 검색이 중요한 건 아니고, QR과 동영상 파일을 이용해 고효율의 압축DB를 만든 부분이 재밌습니다.

MP4 등의 영상 코덱은 이미지를 고효율로 압축하는데, QR 코드는 검은색과 하얀색의 점으로 이루어진 것이라 압축 효율이 매우 높다는 것에 착안한 것인데요.

텍스트를 QR 코드로 만들면 파일크기가 증가하지만, MP4 압축을 진행하면 그걸 크게 상쇄해서 10배 정도의 압축률을 보여준다고합니다. 일반적인 압축 포맷의 압츅률이 3~4 정도인 것을 생각하면 정말 높은 수준입니다.

보통의 압축 포맷보다는 인코딩 속도가 느릴 것이고, 규모가 커지면 보통의 DB엔진 보다는 retrieving 속도가 느려서 일반적인 제품이나 서비스에 사용하기에는 애매하긴 할텐데요.

그래도 높은 효율로 압축된 상태에서 프레임 번호를 인덱스로 사용해서 중간 청크를 가져오는데 유리하니, 특수 목적의 포터블 데이터베이스로 꽤 유망할 수 있을 것 같다는 생각이 듭니다.

세상엔 진짜 창의력 대장이 많네요. ㅎㅎ 이런건 시간이 지나도 AI가 생각하기 힘들지 않을까요? AI가 이정도의 창의력을 발휘할 날은 언제쯤 올 지 궁금합니다. 😎🍿🥤 #기승전AI

Memvid 레포: https://github.com/Olow304/memvid

간만에 신박한 프로젝트를 발견해서 소개해봅니다. 우선 프로젝트의 개요는 다음과 같습니다. DB 구축: 텍스트를 일정 크기로 쪼갠다(청킹) -&gt; 쪼갠 텍스트를 QR로 만든다 -&gt; QR 이미지를 모두 합쳐 MP4 파일로 만든다 벡터 검색: 텍스트 청크의 벡터 인덱스를 만든다 -&gt; 인덱스와 MP3 프레임의 위치를 맵핑한다 -&gt; 검색시 해당 프레임을 가져와 QR을 디코딩해 데이터로 사용한다 벡터 검색이 중요한 건 아니고, QR과 동영상 파일을 이용해 고효율의 압축DB를 만든 부분이 재밌습니다. MP4 등의 영상 코덱은 이미지를 고효율로 압축하는데, QR 코드는 검은색과 하얀색의 점으로 이루어진 것이라 압축 효율이 매우 높다는 것에 착안한 것인데요. 텍스트를 QR 코드로 만들면 파일크기가 증가하지만, MP4 압축을 진행하면 그걸 크게 상쇄해서 10배 정도의 압축률을 보여준다고합니다. 일반적인 압축 포맷의 압츅률이 3~4 정도인 것을 생각하면 정말 높은 수준입니다. 보통의 압축 포맷보다는 인코딩 속도가 느릴 것이고, 규모가 커지면 보통의 DB엔진 보다는 retrieving 속도가 느려서 일반적인 제품이나 서비스에 사용하기에는 애매하긴 할텐데요. 그래도 높은 효율로 압축된 상태에서 프레임 번호를 인덱스로 사용해서 중간 청크를 가져오는데 유리하니, 특수 목적의 포터블 데이터베이스로 꽤 유망할 수 있을 것 같다는 생각이 듭니다. 세상엔 진짜 창의력 대장이 많네요. ㅎㅎ 이런건 시간이 지나도 AI가 생각하기 힘들지 않을까요? AI가 이정도의 창의력을 발휘할 날은 언제쯤 올 지 궁금합니다. 😎🍿🥤 #기승전AI Memvid 레포: https://github.com/Olow304/memvid

GitHub

📝 MP4 파일을 벡터 검색의 텍스트 DB로 사용하는 프로젝트

🎙️ Emily와 Jasper의 영어 공부 루틴에 대한 파드캐스트

목표링 기능을 출시하면서 AI 친구, Emily와 Jasper가 목표링과 영어 공부 루틴에 대한 이야기를 하는 파드캐스트를 게제했습니다.

https://ameego.club

파드캐스트는 무료이니 다른 아미고 친구들의 파드캐드스트도 들으러오세요~ 😉

More coming soon!!

🎙️ Emily와 Jasper의 영어 공부 루틴에 대한 파드캐스트 목표링 기능을 출시하면서 AI 친구, Emily와 Jasper가 목표링과 영어 공부 루틴에 대한 이야기를 하는 파드캐스트를 게제했습니다. https://ameego.club 파드캐스트는 무료이니 다른 아미고 친구들의 파드캐드스트도 들으러오세요~ 😉 More coming soon!!

사고 파트너로서 AI가 가치를 보여주는 네 가지 의사결정 영역과 접근법 | 누군가와 대화를 나누다 보면, 직접적인 답이 아니더라도 상대방의 질문이나 반응만으로 내 생각이 깊어지고 넓어지는 경험을 하곤 합니다. 사고/생각 파트너(thought partner)란 개념은 최근 AI가 등장하면서 부각되는 키워드입니다. 내가 생각하지 못한 질문 하나로, 머릿속 깊이 있던 생각이 수면 위로 떠오르게 하는 존재가 좋은 사고 파트너의 본질인 것

사고 파트너(thought partner)로서 AI

누군가와 대화를 나누다 보면, 직접적인 답이 아니더라도 상대방의 질문이나 반응만으로 내 생각이 깊어지고 넓어지는 경험을 하곤 합니다. 사고/생각 파트너(thought partner)란 개념은 최근 AI가 등장하면서 부각되는 키워드입니다. 내가 생각하지 못한 질문 하나로, 머릿속 깊이 있던 생각이 수면 위로 떠오르게 하는 존재가 좋은 사고 파트너의 본질인 것 같습니다.

사고 파트너로서 AI
사고 파트너로서 AI는 큰 틀에서 네 가지 상황에서 가치를 보여준다고 생각합니다(대부분 이 범주에 포함될 것 같습니다).

1. 복잡한 결정
우리가 의사결정을 내릴 때 고려해야 할 선택지나 방향성이 다양하면 판단이 쉽지 않습니다. AI는 이러한 여러 시나리오를 빠르고 체계적으로 분석하여 평가 기준을 제공하는데 도움을 받을 수 있습니다.

2. 리스크가 높은 결정
조직에 중대한 영향을 미칠 수 있는 결정은 세밀한 평가가 필수적입니다. 보통 이러한 결정들은 사람이 직접하면 많은 시간, 그리고 깊은 사고력이 요구됩니다. 이러한 주제에 AI를 활용하면 리스크를 신속하고 깊이 있게 평가할 수 있습니다.

3. 명확한 답이 없는 결정
프로덕트 개발에 있어 매 순간 우리는 완벽한 해결책을 찾기 어렵습니다. 대부분의 어렵고 논쟁적인 문제들은 본질적으로 완벽한 해결책이 존재하지 않습니다. AI는 이런 모호한 문제를 명확하고 구조화된 질문으로 바꿔, 문제의 핵심을 진단하고 불완전하더라도 맥락과 이유를 담은 해결책을 제안하도록 돕습니다. 결국 중요한 것은 완벽한 답을 찾는 것이 아니라, 문제를 이해하고 불확실성을 탐색하며 가능한 경로를 밝혀내는 데 있습니다.

4. 전문 분야에서의 의사결정
자신이 전문성을 갖춘 분야에서는 AI가 제시한 결과를 단순히 수동적으로 받아들이는 것이 아니라, 개인의 경험과 맥락, 미묘한 관점을 결합하면 더욱 정교하고 신뢰할 수 있는 결과를 도출할 수 있습니다.

AI를 사고 파트너로 활용

AI를 사고 파트너로 활용할 때는 그 한계를 분명히 인지해야 합니다. AI는 비즈니스의 특수한 배경과 맥락, 조직 내부의 섬세한 워크플로우를 충분히 이해하지 못하기 때문입니다. 물론 최근 OpenAI의 커넥터나 레코딩 같은 제품을 통해 이런 한계를 보완하려는 시도가 이루어지고 있습니다. 하지만 여전히 중요한 것은 AI의 제안을 비판적으로 평가하고, 사람과 조직이 축적한 인사이트를 결합하는 과정입니다.

AI를 진정한 사고 파트너로 활용하려면, 우선 명확한 역할과 페르소나를 부여하는 것으로 시작할 수 있습니다. AI에게 'Head of Product' 또는 '프로덕트 마케터' 같은 역할을 주면 더 구체적이고 유용한 결과를 얻을 수 있습니다. 또한 많은 컨텍스트(예: 고객의 인터뷰, 사용자의 행동 데이터, 시장 리포트 등)을 제공하는 것이 중요합니다. 마지막으로 AI를 단순한 검색 엔진으로 활용하는 것이 아니라, 함께 아이디어를 고민하고 발전시키는 파트너로 여기고 적극적으로 대화를 이끌 수 있습니다. 이렇게 접근하면 AI의 활용이 단지 효율성 개선 이상으로 더 나은 인사이트로 연결될 수 있을 것입니다.

https://brunch.co.kr/@yongjinjinipln/227

누군가와 대화를 나누다 보면, 직접적인 답이 아니더라도 상대방의 질문이나 반응만으로 내 생각이 깊어지고 넓어지는 경험을 하곤 합니다. 사고/생각 파트너(thought partner)란 개념은 최근 AI가 등장하면서 부각되는 키워드입니다.&nbsp;내가 생각하지 못한 질문 하나로, 머릿속 깊이 있던 생각이 수면 위로 떠오르게 하는 존재가 좋은 사고 파트너의 본질인 것 같습니다. 사고 파트너로서 AI사고 파트너로서 AI는 큰 틀에서 네 가지 상황에서 가치를 보여준다고 생각합니다(대부분 이 범주에 포함될 것 같습니다). 1. 복잡한 결정 우리가 의사결정을 내릴 때 고려해야 할 선택지나 방향성이 다양하면 판단이 쉽지 않습니다. AI는 이러한 여러 시나리오를 빠르고 체계적으로 분석하여 평가 기준을 제공하는데 도움을 받을 수 있습니다. 2. 리스크가 높은 결정 조직에 중대한 영향을 미칠 수 있는 결정은 세밀한 평가가 필수적입니다. 보통 이러한 결정들은 사람이 직접하면 많은 시간, 그리고 깊은 사고력이 요구됩니다. 이러한 주제에 AI를 활용하면 리스크를 신속하고 깊이 있게 평가할 수 있습니다. 3. 명확한 답이 없는 결정 프로덕트 개발에 있어 매 순간 우리는 완벽한 해결책을 찾기 어렵습니다. 대부분의 어렵고 논쟁적인 문제들은 본질적으로 완벽한 해결책이 존재하지 않습니다.&nbsp;AI는 이런 모호한 문제를 명확하고 구조화된 질문으로 바꿔, 문제의 핵심을 진단하고 불완전하더라도 맥락과 이유를 담은 해결책을 제안하도록 돕습니다. 결국 중요한 것은 완벽한 답을 찾는 것이 아니라, 문제를 이해하고 불확실성을 탐색하며 가능한 경로를 밝혀내는 데 있습니다. 4. 전문 분야에서의 의사결정 자신이 전문성을 갖춘 분야에서는 AI가 제시한 결과를 단순히 수동적으로 받아들이는 것이 아니라, 개인의 경험과 맥락, 미묘한 관점을 결합하면 더욱 정교하고 신뢰할 수 있는 결과를 도출할 수 있습니다. AI를 사고 파트너로 활용 AI를 사고 파트너로 활용할 때는 그 한계를 분명히 인지해야 합니다.&nbsp;AI는 비즈니스의 특수한 배경과 맥락, 조직 내부의 섬세한 워크플로우를 충분히 이해하지 못하기 때문입니다. 물론 최근 OpenAI의 커넥터나 레코딩 같은 제품을 통해 이런 한계를 보완하려는 시도가 이루어지고 있습니다. 하지만 여전히 중요한 것은 AI의 제안을 비판적으로 평가하고, 사람과 조직이 축적한 인사이트를 결합하는 과정입니다. AI를 진정한 사고 파트너로 활용하려면, 우선 명확한 역할과 페르소나를 부여하는 것으로 시작할 수 있습니다. AI에게 'Head of Product' 또는 '프로덕트 마케터' 같은 역할을 주면 더 구체적이고 유용한 결과를 얻을 수 있습니다. 또한 많은 컨텍스트(예: 고객의 인터뷰, 사용자의 행동 데이터, 시장 리포트 등)을 제공하는 것이 중요합니다. 마지막으로 AI를 단순한 검색 엔진으로 활용하는 것이 아니라,&nbsp;함께 아이디어를 고민하고 발전시키는 파트너로 여기고 적극적으로 대화를 이끌 수 있습니다. 이렇게 접근하면 AI의 활용이&nbsp;단지 효율성 개선 이상으로 더 나은 인사이트로 연결될 수 있을 것입니다. https://brunch.co.kr/@yongjinjinipln/227

Brunch Story

PM의 '사고 파트너(thought partner)'로서 AI

버거킹 프랑스는 지난 4월 22일,그랑 에스트(Grand Est) 지역 51개 매장에서 알자스 지역을 대표하는 치즈 Munster를 맛볼 수 있는 신메뉴 버거인 ‘Master Munster’를 출시했는데

그랑 에스트 지역에서만 독점 판매되는 버거킹 프랑스의 한정판 버거 ‘’Master Munster‘를 보다 특별한 방식으로 알리며 체험해보고 싶게 만드는 옥외광고 캠페인을 진행했다.

버거킹의 옥외광고에 주목하게 되는 건 바로 ’보물찾기‘라는 경험을 옥외광고에 접목시켰다는 것이다.

*캠페인 상세 리뷰
https://bit.ly/3FKLGt2

*스투시의 트레바리 북클럽 <마케터의 탐색법 시즌5> 함께해요!
https://trevar.in/EBSAD2

*협업/기업강연,교육 문의
https://linktr.ee/stussygo

버거킹 프랑스는 지난 4월 22일,그랑 에스트(Grand Est) 지역 51개 매장에서 알자스 지역을 대표하는 치즈 Munster를 맛볼 수 있는 신메뉴 버거인 ‘Master Munster’를 출시했는데 그랑 에스트 지역에서만 독점 판매되는 버거킹 프랑스의 한정판 버거 ‘’Master Munster‘를 보다 특별한 방식으로 알리며 체험해보고 싶게 만드는 옥외광고 캠페인을 진행했다. 버거킹의 옥외광고에 주목하게 되는 건 바로 ’보물찾기‘라는 경험을 옥외광고에 접목시켰다는 것이다. *캠페인 상세 리뷰https://bit.ly/3FKLGt2 *스투시의 트레바리 북클럽 &lt;마케터의 탐색법 시즌5&gt; 함께해요!https://trevar.in/EBSAD2 *협업/기업강연,교육 문의 https://linktr.ee/stussygo

반쪽짜리 옥외광고를 결합하면 비로소 보인다!

This link will take you to a page that’s not on LinkedIn

LinkedIn

가트너 리포트 'Predicts 2025: Navigating the Rise of AI in Software Engineering'를 읽고 요약했습니다.

1️⃣ UX 채용 시장의 변화 | UX 리서치 채용공고 71%, UX 디자인 채용공고 70% 감소 (2022년 대비 Indeed 조사)

2️⃣ AI 도구의 접근성 향상 | Maze, UserTesting, Figma 등이 비전문가도 기본적인 UX 업무를 수행할 수 있게 지원

3️⃣ 개인화 기술의 발전 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술 등장

4️⃣ 팀 구성의 다변화 | 엔지니어, PM, 비즈니스 분석가가 교육을 통해 UX 업무를 병행할 수 있게 됨

5️⃣ 필연적인 UX 전문가 역할의 변화 | 깊이 있는 사용자 이해, 창의적 문제 해결, 윤리적 설계 판단, 전략적 UX 기획에 집중 필요

[ 큐레이터의 문장 🎒 ]

아래 첨부한 그래프는 AI에 대한 조직의 기대치와 현실적 효용, 그 사이의 간극을 잘 보여줍니다. 파랑색 선은 Gen AI에 대한 과대광고로 인해 가파르게 상승하는 기대치를 표현합니다. 주황색 선은 현실에서 실질적으로 효용을 주는 실현 가능한 가치로 파랑색 선과 비교하면 차이가 커집니다. 기대가 현실을 앞서는 상황입니다. 많은 조직이 AI를 도입하면 자연스럽게 혁신할 수 있다고 믿습니다. 도입하지 않으면 안 될 것 같은 부담은 개인이나 조직이나 마찬가지입니다. 그런데 왜 이런 현상이 나타날까요?

가트너 분석에 따르면 몇 가지 현실적인 이유들이 AI로 인한 성과 창출을 어렵게 만듭니다.

1️⃣ 조직 구조 자체가 AI를 활용할 수 있도록 바뀌어야 합니다.
2️⃣ AI를 현재 업무에 어떻게 적용하는 것이 효과적인지 교육해야 합니다.
3️⃣ 제품 개발 전 과정에 적용하는 대신 난이도는 낮고, 임팩트는 큰 영역에 선택적으로 적용해야 합니다.
4️⃣ AI로 인한 성과 창출이 가능한 도메인과 단계를 파악하고 적절한 지표를 설정해 관리해야 합니다.

UX 분야도 마찬가지입니다. 가트너 리포트에 따르면 2027년까지 제품팀 내 UX 디자이너 인력이 40% 줄어들 겁니다. Indeed 조사에 따르면 2022년 이후 UX 리서치 채용공고는 71%, 디자이너 채용공고는 70% 감소했습니다. 현재 UX 분야에서 AI 기술은 빠르게 업무의 진입장벽을 낮추고 있고 Figma도 적극적으로 AI 기능을 적용하고 있습니다.

무엇이 변하고 있는가?

1️⃣ UX 리서치 도구의 발전 | Maze, UserTesting 같은 플랫폼이 사용자 피드백을 분석하고 인사이트를 자동으로 생성합니다.
2️⃣ UX 디자인 도구의 지능화 | Figma, Uizard의 AI가 레이아웃을 제안하고, 개발자도 전문가 수준의 프로토타입을 제작할 수 있게 됐습니다.
3️⃣ 개인화 UI 자동 생성 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술이 등장했습니다.

이런 변화로 인해 엔지니어, 데이터 분석가들도 최소한의 교육만으로 쉽게 UX 리서치, 라이팅, 디자인까지 수행할 수 있는 환경이 조성되었습니다.

그래서 UX하는 사람들은 점점 줄어들까요?

여전히 인간이 고민을 주도해야 하는 영역이 있고 (AI를 활용하며) 더 효과적으로 고민할 지점이 있습니다.

1️⃣ 깊이 있는 사용자 이해 | 사용자의 말 뒤에 숨은 진짜 니즈와 맥락을 파악하는 일
2️⃣ 창의적 문제 해결 | 데이터만으로는 나올 수 없는 혁신적 솔루션을 찾는 일
3️⃣ 윤리적 설계 판단 | 기술적으로 가능해도 적용할 것인지 판단하는 일
4️⃣ 전략적 UX 기획 | 비즈니스 목표와 사용자 가치 사이의 균형점을 찾는 일

그렇다면 AI 시대에 살아남을 UX 전문가는 이런 사람들일 겁니다.

1️⃣ AI를 도구로 삼아 더 높은 차원의 문제를 빠르게 해결하는 전문가
2️⃣ 데이터로 설명하기 어려운 인간적인 관점에서 출발하는 전문가
3️⃣ 개별 화면이나 UI가 아닌 전체 경험을 설계하는 전문가

https://lnkd.in/gP3g7P4i

가트너 리포트 'Predicts 2025: Navigating the Rise of AI in Software Engineering'를 읽고 요약했습니다. 1️⃣ UX 채용 시장의 변화 | UX 리서치 채용공고 71%, UX 디자인 채용공고 70% 감소 (2022년 대비 Indeed 조사) 2️⃣ AI 도구의 접근성 향상 | Maze, UserTesting, Figma 등이 비전문가도 기본적인 UX 업무를 수행할 수 있게 지원 3️⃣ 개인화 기술의 발전 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술 등장 4️⃣ 팀 구성의 다변화 | 엔지니어, PM, 비즈니스 분석가가 교육을 통해 UX 업무를 병행할 수 있게 됨 5️⃣ 필연적인 UX 전문가 역할의 변화 | 깊이 있는 사용자 이해, 창의적 문제 해결, 윤리적 설계 판단, 전략적 UX 기획에 집중 필요 [ 큐레이터의 문장 🎒 ] 아래 첨부한 그래프는 AI에 대한 조직의 기대치와 현실적 효용, 그 사이의 간극을 잘 보여줍니다. 파랑색 선은 Gen AI에 대한 과대광고로 인해 가파르게 상승하는 기대치를 표현합니다. 주황색 선은 현실에서 실질적으로 효용을 주는 실현 가능한 가치로 파랑색 선과 비교하면 차이가 커집니다. 기대가 현실을 앞서는 상황입니다. 많은 조직이 AI를 도입하면 자연스럽게 혁신할 수 있다고 믿습니다. 도입하지 않으면 안 될 것 같은 부담은 개인이나 조직이나 마찬가지입니다. 그런데 왜 이런 현상이 나타날까요? 가트너 분석에 따르면 몇 가지 현실적인 이유들이 AI로 인한 성과 창출을 어렵게 만듭니다. 1️⃣ 조직 구조 자체가 AI를 활용할 수 있도록 바뀌어야 합니다. 2️⃣ AI를 현재 업무에 어떻게 적용하는 것이 효과적인지 교육해야 합니다. 3️⃣ 제품 개발 전 과정에 적용하는 대신 난이도는 낮고, 임팩트는 큰 영역에 선택적으로 적용해야 합니다. 4️⃣ AI로 인한 성과 창출이 가능한 도메인과 단계를 파악하고 적절한 지표를 설정해 관리해야 합니다. UX 분야도 마찬가지입니다. 가트너 리포트에 따르면 2027년까지 제품팀 내 UX 디자이너 인력이 40% 줄어들 겁니다. Indeed 조사에 따르면 2022년 이후 UX 리서치 채용공고는 71%, 디자이너 채용공고는 70% 감소했습니다. 현재 UX 분야에서 AI 기술은 빠르게 업무의 진입장벽을 낮추고 있고 Figma도 적극적으로 AI 기능을 적용하고 있습니다. 무엇이 변하고 있는가? 1️⃣ UX 리서치 도구의 발전 | Maze, UserTesting 같은 플랫폼이 사용자 피드백을 분석하고 인사이트를 자동으로 생성합니다. 2️⃣ UX 디자인 도구의 지능화 | Figma, Uizard의 AI가 레이아웃을 제안하고, 개발자도 전문가 수준의 프로토타입을 제작할 수 있게 됐습니다. 3️⃣ 개인화 UI 자동 생성 | 고객 데이터를 기반으로 실시간 개인화 UI를 자동 생성하는 기술이 등장했습니다. 이런 변화로 인해 엔지니어, 데이터 분석가들도 최소한의 교육만으로 쉽게 UX 리서치, 라이팅, 디자인까지 수행할 수 있는 환경이 조성되었습니다. 그래서 UX하는 사람들은 점점 줄어들까요? 여전히 인간이 고민을 주도해야 하는 영역이 있고 (AI를 활용하며) 더 효과적으로 고민할 지점이 있습니다. 1️⃣ 깊이 있는 사용자 이해 | 사용자의 말 뒤에 숨은 진짜 니즈와 맥락을 파악하는 일 2️⃣ 창의적 문제 해결 | 데이터만으로는 나올 수 없는 혁신적 솔루션을 찾는 일 3️⃣ 윤리적 설계 판단 | 기술적으로 가능해도 적용할 것인지 판단하는 일 4️⃣ 전략적 UX 기획 | 비즈니스 목표와 사용자 가치 사이의 균형점을 찾는 일 그렇다면 AI 시대에 살아남을 UX 전문가는 이런 사람들일 겁니다. 1️⃣ AI를 도구로 삼아 더 높은 차원의 문제를 빠르게 해결하는 전문가 2️⃣ 데이터로 설명하기 어려운 인간적인 관점에서 출발하는 전문가 3️⃣ 개별 화면이나 UI가 아닌 전체 경험을 설계하는 전문가 https://lnkd.in/gP3g7P4i

lnkd.in

⟪UX 디자이너가 사라지고 있다⟫

프로덕트 매니저(PM)로 일하면서 늘 지표 이야기를 듣게 됩니다. 대부분 PM은 선행지표(leading indicator)와 후행지표(lagging indicator)의 개념을 잘 이해하고 있습니다. 하지만 선행지표에 영향을 미치는 '인풋(input) 지표, '아웃풋(output)' 지표까지 고려하지 않는 경우가 있어서 예시와 함께 설명을 드려보겠습니다.

1. 선행지표와 후행지표
선행지표는 우리가 지금 당장 어떤 행동을 해야 미래의 목표를 달성할 수 있을지 미리 알려주는 지표입니다. 쉽게 말하면 '미래의 성과를 예측할 수 있는 지표'입니다. 예를 들면 커머스에서 '검색 결과에서 장바구니로 담는 비율', SaaS 서비스의 '세션당 핵심 기능 사용 횟수' 등이 대표적입니다.

반면 후행지표는 이미 일어난 일을 통해 우리의 노력이 얼마나 성공적이었는지 확인하는 지표입니다. 예를 들면 매출, ARR(연간 반복 매출), 리텐션 등이 있습니다.

2. 선행지표에 집중해야 하는 이유
OKR을 설정할 때 후행지표가 아니라 선행지표를 설정해야 한다는 점을 많이 강조합니다. 선행지표가 중요한 이유는 변화를 사전에 감지하고 이에 따라 적절히 개선할 수 있는 시간을 확보할 수 있기 때문입니다. 또한, 선행지표는 하나의 팀이나 조직이 직접적으로 통제할 수 있는 지표인 반면, 매출 같은 후행지표는 외부 변수나 여러 팀의 복합적 요인이 영향을 미치기 때문에 통제력이 낮으며, 문제 발생시 진단하고 개선하는 데 많은 시간 지연이 발생할 수 있습니다.

선행지표의 다른 장점은 조직 내 행동을 촉진하는 점입니다. "사람은 측정되는 대로 행동한다"라는 말이 있듯이, 실행 가능한 행동에 집중하도록 하는 것이 선행지표의 큰 장점입니다. 선행지표를 OKR과 같은 주요 목표와 연결하면 팀이 당장 실행 가능한 행동에 집중할 수 있고, 후행지표로 최종 성과를 검증해서 목표 왜곡을 방지해나갈 수 있습니다.

3. 우리가 놓치기 쉬운 인풋과 아웃풋 지표의 중요성
선행지표만으로 충분하다고 생각할 수도 있지만, 실제로는 이 선행지표를 움직이는 인풋(input)과 아웃풋(output) 지표 개념을 같이 일면 좋습니다. PM이 이 구조를 이해하면 제품의 다이나믹고 함께 지표를 더욱 체계적으로 관리할 수 있습니다. 인풋 지표는 팀이 직접적으로 통제할 수 있는 구체적인 행동을 나타내며, 아웃풋 지표는 그 행동의 결과로 나타내는 지표입니다. OKR과 같은 전략적 목표는 선행지표로 설정하고, 선행지표를 움직이게 만드는 인풋과 아웃풋 지표는 개별 이니셔티브나 프로젝트 단위에서 설정하면 목표 달성을 위한 실행력을 높이고, 실질적인 개선 방향을 잡을 수 있습니다.

4. 가상의 예시: 커머스의 검색→구매 전환율 높이기
커머스 search and discovery 팀의 예시(가상)를 통해 인풋 지표(input metric), 선행 지표(leading metric), 아웃풋 지표(output metric), 그리고 후행 지표(lagging metric)의 명확한 관계와 역할을 설명해 보겠습니다.

이 팀의 목표는 검색을 진행한 유저들의 구매 전환율을 향상시키는 것입니다. 처음에는 '검색 결과를 본 유저가 장바구니에 상품을 담는 비율(검색>장바구니 전환율)’을 선행지표로 잡고 UX 개선을 시도했으나, 기대만큼 장바구니 담기 전환율이 상승하지 않았습니다. 그때 담당 프로덕트 매니저(PM)는 중요한 점을 깨닫습니다.

바로, 선행 지표에 직접 영향을 줄 수 있는 팀이 컨트롤 가능한 '인풋 지표'가 설정되지 않았다는 점이었습니다. 기존의 검색 결과 로직이 단순 알파벳(가나다) 순이었기 때문에, 이를 '인기순' 정렬로 변경하는 실험을 진행하기로 합니다.

팀은 '인기순 정렬이 적용된 검색 결과 페이지의 노출 수'를 인풋 지표로 정의했습니다. 팀이 검색 결과 화면에서 인기순 정렬 방식을 부분적으로 배포하여, 이 노출 수를 직접적으로 조정할 수 있었기 때문입니다. 또한 인기순 정렬의 실제 성과는 '검색 결과 CTR(클릭률)'이라는 아웃풋 지표를 통해 측정하였습니다.

실험 결과, 인기순 정렬이 적용된 페이지의 CTR이 상승했고, 이는 선행지표인 장바구니 전환율의 상승으로 이어졌습니다. 결과적으로 장바구니 전환율의 증가는 후행 지표인 주간/월간 검색 기반 매출의 의미 있는 상승으로 이어졌습니다.

이를 간단히 플로우로 보여주면 아래와 같습니다.
(Input) 인기순 정렬 적용된 검색 결과 페이지 노출 수 증가 ⟶ (Output) 검색 결과 CTR 증가 ⟶ (Lead) 장바구니 담기 전환율 증가 ⟶ (Lag) 주간/월간 매출 증가

이처럼 인풋, 선행, 아웃풋, 후행 지표를 명확히 구분하고 각 지표의 역할, 영향력을 설정하면 PM이 제품 개선의 방향성을 정하는데 기여할 수 있을 것이라 생각합니다.

프로덕트 매니저(PM)로 일하면서 늘 지표 이야기를 듣게 됩니다. 대부분 PM은 선행지표(leading indicator)와 후행지표(lagging indicator)의 개념을 잘 이해하고 있습니다. 하지만 선행지표에 영향을 미치는 '인풋(input) 지표, '아웃풋(output)' 지표까지 고려하지 않는 경우가 있어서 예시와 함께 설명을 드려보겠습니다. 1. 선행지표와 후행지표 선행지표는 우리가 지금 당장 어떤 행동을 해야 미래의 목표를 달성할 수 있을지 미리 알려주는 지표입니다. 쉽게 말하면 '미래의 성과를 예측할 수 있는 지표'입니다. 예를 들면 커머스에서 '검색 결과에서 장바구니로 담는 비율', SaaS 서비스의 '세션당 핵심 기능 사용 횟수' 등이 대표적입니다. 반면 후행지표는 이미 일어난 일을 통해 우리의 노력이 얼마나 성공적이었는지 확인하는 지표입니다. 예를 들면 매출, ARR(연간 반복 매출), 리텐션 등이 있습니다. 2. 선행지표에 집중해야 하는 이유 OKR을 설정할 때 후행지표가 아니라 선행지표를 설정해야 한다는 점을 많이 강조합니다. 선행지표가 중요한 이유는 변화를 사전에 감지하고 이에 따라 적절히 개선할 수 있는 시간을 확보할 수 있기 때문입니다. 또한, 선행지표는 하나의 팀이나 조직이 직접적으로 통제할 수 있는 지표인 반면, 매출 같은 후행지표는 외부 변수나 여러 팀의 복합적 요인이 영향을 미치기 때문에 통제력이 낮으며, 문제 발생시 진단하고 개선하는 데 많은 시간 지연이 발생할 수 있습니다. 선행지표의 다른 장점은 조직 내 행동을 촉진하는 점입니다. "사람은 측정되는 대로 행동한다"라는 말이 있듯이, 실행 가능한 행동에 집중하도록 하는 것이 선행지표의 큰 장점입니다. 선행지표를 OKR과 같은 주요 목표와 연결하면 팀이 당장 실행 가능한 행동에 집중할 수 있고, 후행지표로 최종 성과를 검증해서 목표 왜곡을 방지해나갈 수 있습니다. 3. 우리가 놓치기 쉬운 인풋과 아웃풋 지표의 중요성 선행지표만으로 충분하다고 생각할 수도 있지만, 실제로는 이 선행지표를 움직이는 인풋(input)과 아웃풋(output) 지표 개념을 같이 일면 좋습니다. PM이 이 구조를 이해하면 제품의 다이나믹고 함께 지표를 더욱 체계적으로 관리할 수 있습니다. 인풋 지표는 팀이 직접적으로 통제할 수 있는 구체적인 행동을 나타내며, 아웃풋 지표는 그 행동의 결과로 나타내는 지표입니다. OKR과 같은 전략적 목표는 선행지표로 설정하고, 선행지표를 움직이게 만드는 인풋과 아웃풋 지표는 개별 이니셔티브나 프로젝트 단위에서 설정하면 목표 달성을 위한 실행력을 높이고, 실질적인 개선 방향을 잡을 수 있습니다. 4. 가상의 예시: 커머스의 검색→구매 전환율 높이기 커머스 search and discovery 팀의 예시(가상)를 통해 인풋 지표(input metric), 선행 지표(leading metric), 아웃풋 지표(output metric), 그리고 후행 지표(lagging metric)의 명확한 관계와 역할을 설명해 보겠습니다. 이 팀의 목표는 검색을 진행한 유저들의 구매 전환율을 향상시키는 것입니다. 처음에는 '검색 결과를 본 유저가 장바구니에 상품을 담는 비율(검색&gt;장바구니 전환율)’을 선행지표로 잡고 UX 개선을 시도했으나, 기대만큼 장바구니 담기 전환율이 상승하지 않았습니다. 그때 담당 프로덕트 매니저(PM)는 중요한 점을 깨닫습니다. 바로, 선행 지표에 직접 영향을 줄 수 있는 팀이 컨트롤 가능한 '인풋 지표'가 설정되지 않았다는 점이었습니다. 기존의 검색 결과 로직이 단순 알파벳(가나다) 순이었기 때문에, 이를 '인기순' 정렬로 변경하는 실험을 진행하기로 합니다. 팀은 '인기순 정렬이 적용된 검색 결과 페이지의 노출 수'를 인풋 지표로 정의했습니다. 팀이 검색 결과 화면에서 인기순 정렬 방식을 부분적으로 배포하여, 이 노출 수를 직접적으로 조정할 수 있었기 때문입니다. 또한 인기순 정렬의 실제 성과는 '검색 결과 CTR(클릭률)'이라는 아웃풋 지표를 통해 측정하였습니다. 실험 결과, 인기순 정렬이 적용된 페이지의 CTR이 상승했고, 이는 선행지표인 장바구니 전환율의 상승으로 이어졌습니다. 결과적으로 장바구니 전환율의 증가는 후행 지표인 주간/월간 검색 기반 매출의 의미 있는 상승으로 이어졌습니다. 이를 간단히 플로우로 보여주면 아래와 같습니다. (Input) 인기순 정렬 적용된 검색 결과 페이지 노출 수 증가 ⟶ (Output) 검색 결과 CTR 증가 ⟶ (Lead) 장바구니 담기 전환율 증가 ⟶ (Lag) 주간/월간 매출 증가 이처럼 인풋, 선행, 아웃풋, 후행 지표를 명확히 구분하고 각 지표의 역할, 영향력을 설정하면 PM이 제품 개선의 방향성을 정하는데 기여할 수 있을 것이라 생각합니다.

PM이 이해하면 좋은 지표 개념

1. 회사의 스테이지마다 필요한 인재는 다르다. 회사가 성장하면 그 단계에 맞는 구성원이 필요하다. 어린아이가 자라면 입던 옷은 작아진다. 몸에 맞는 새로운 옷이 필요하다. 회사도 그렇다. 성공 경험을 해봤거나, 다른 경험과 생각을 가진 사람이 필요하다. 더 성장하기 위해서.

2. 회사가 변하면 구성원들은 성장하거나, 정체하거나, 도태된다. 이들을 성장시키고, 동기부여하고, 충원하는 건 리더의 몫이다. 최소 몇 걸음을 먼저 보고 고민한다. 그래서 성장은 리더의 그릇과 크기가 같다. 리더가 늘 성장해야 하는 이유다.

3. 10년 전 쿠팡은 그런 회사였다. 미친 듯이 성장했다. 있던 사람들이 나갔다. 또, 새로운 사람들이 들어왔다. 이 사이클의 반복이었다. 그렇게 계속 성장했다.

4. 그 중심은 김범석 의장이었다. 쿠팡의 PO로 일하며 그의 모습을 종종 직접 볼 수 있었던 건 행운이다. 쿠팡을 떠나고 나스닥 상장 시 그의 환한 웃음은 내가 봤던 바로 그 표정이었다. 장소와 상황이 비현실적으로 느껴졌다. 그를 직접 봤던 장면들이 떠올랐다.

5. 하나. 쿠팡 초기 그는 직접 PO 조직을 맡았다. 어느 날 퇴근 무렵 모든 PO가 소집됐다. 무슨 일일까. 이슈는 없었다. PO들에게 떠오른 그의 생각을 직접 전했을 뿐이다. 그때 PO는 mini-ceo라 불렸다. PO 들과 다른 직원들이 보는 그의 모습은 온도차가 있었다. 회사의 기대가 컸기 때문일 거다.

6. 둘. 로켓배송 초기에 물량이 터졌다. 주문이 몰렸다. 마냥 좋아할 수가 없었다. 물량을 받아낼 오퍼레이션 준비가 안됐으니까. 애자일 조직 전체가 주말 물류센터로 투입됐다. 생수를 나르고, 기저귀를 날랐다. 누구도 예외가 없었다. 그 정신없는 물류센터에서 환한 표정으로 웃으며 소매를 걷어붙이고 함께 물량을 쳐내던 그가 있었다.

7. 셋. 그는 직접 전 직원을 대상으로 교육을 진행했다. 지마켓과 쿠팡은 무엇이 다른가, 전략과 수익모델의 차이는 무엇인가. 밖에서 보면 같은 커머스다. 하지만 갈 길은 달랐다. 뭐가 다른지, 왜 달라야 하는지 그는 열변을 토하며 이해시키려고 했다. 커머스를 배우던 내게 신선했다. 많이 배웠다.

8. 넷. 로켓배송 확장을 하던 때다. 동남권 물류센터가 처음 오픈했다. 삼성동에서 대구까지 같은 차로 이동했다. 당시 C 레벨들과 함께. 두 시간 동안 그는 잠시도 쉬지 않았다. 임원들에게 본인의 생각들을 계속 쏟아냈다. 공교롭게도 도착할 무렵 이슈가 터졌다. 전면 장애로 앱 접속이 아예 안됐다. 하필이면 CEO와 있을 때 장애라니. CTO는 사색이 됐다. 그는 잠깐 붉은 얼굴로 화를 내고서는, 다시 환하게 웃는 얼굴로 미팅에 참석했다.

9. 다섯. 함께 축하할 성과가 생겼다. 하지만 당장 다 같이 모일 장소가 없었다. 그는 전층 사무실을 직접 돌았다. 책상 위에 올라가서 확성기로 소리쳤다. 서슴없이 직원들과 하이파이브를 나누며 떠났다. 모두 환호하고 박수를 치며 기뻐했다.

10. 여섯. 분기마다 전사 타운홀을 했다. 코엑스 컨퍼런스룸에서. 아마 스티브 잡스의 키노트 준비가 이렇지 않았을까. 수없는 리허설의 반복, 피드백의 요구, 디테일의 수정. 준비 과정을 모르는 사람들에게는 그저 완벽하고 자연스럽고 울림 있는 프레젠테이션이었을 거다.

11. 쿠팡 없이 어떻게 살았을까? 그런 세상을 만들자. 그는 10년 전부터 외쳤다. 강하게, 자주 반복했다. 그때는 모두 반신반의했다. 로켓배송이 없던 때다. 하지만 그 일이 실제로 일어났다. 코로나 때 쿠팡이 없었다면 우리는 어땠을까. 쿠팡은 전통적인 유통회사들의 매출을 이미 넘어섰다.

12. 그때 그는 어떤 생각이었을까. 이미 나스닥과 글로벌을 생각했을까. 아니면 그도 함께 변하고 성장했을까. 리더는 앞을 내다보는 사람이다. 남이 보지 못하는 걸 본다. 그걸 모두에게 공유한다. 그게 곧 비전이다. 조직을 한 방향으로 이끌어 현실로 만든다. 결국 회사는 그 비전의 크기, 리더가 상상하는 크기만큼 성장한다. 그를 직접 보며 배울 수 있던 기회에 지금도 감사하다.

1. 회사의 스테이지마다 필요한 인재는 다르다. 회사가 성장하면 그 단계에 맞는 구성원이 필요하다. 어린아이가 자라면 입던 옷은 작아진다. 몸에 맞는 새로운 옷이 필요하다. 회사도 그렇다. 성공 경험을 해봤거나, 다른 경험과 생각을 가진 사람이 필요하다. 더 성장하기 위해서. ​2. 회사가 변하면 구성원들은 성장하거나, 정체하거나, 도태된다. 이들을 성장시키고, 동기부여하고, 충원하는 건 리더의 몫이다. 최소 몇 걸음을 먼저 보고 고민한다. 그래서 성장은 리더의 그릇과 크기가 같다. 리더가 늘 성장해야 하는 이유다. ​3. 10년 전 쿠팡은 그런 회사였다. 미친 듯이 성장했다. 있던 사람들이 나갔다. 또, 새로운 사람들이 들어왔다. 이 사이클의 반복이었다. 그렇게 계속 성장했다. ​4. 그 중심은 김범석 의장이었다. 쿠팡의 PO로 일하며 그의 모습을 종종 직접 볼 수 있었던 건 행운이다. 쿠팡을 떠나고 나스닥 상장 시 그의 환한 웃음은 내가 봤던 바로 그 표정이었다. 장소와 상황이 비현실적으로 느껴졌다. 그를 직접 봤던 장면들이 떠올랐다. ​5. 하나. 쿠팡 초기 그는 직접 PO 조직을 맡았다. 어느 날 퇴근 무렵 모든 PO가 소집됐다. 무슨 일일까. 이슈는 없었다. PO들에게 떠오른 그의 생각을 직접 전했을 뿐이다. 그때 PO는 mini-ceo라 불렸다. PO 들과 다른 직원들이 보는 그의 모습은 온도차가 있었다. 회사의 기대가 컸기 때문일 거다. ​6. 둘. 로켓배송 초기에 물량이 터졌다. 주문이 몰렸다. 마냥 좋아할 수가 없었다. 물량을 받아낼 오퍼레이션 준비가 안됐으니까. 애자일 조직 전체가 주말 물류센터로 투입됐다. 생수를 나르고, 기저귀를 날랐다. 누구도 예외가 없었다. 그 정신없는 물류센터에서 환한 표정으로 웃으며 소매를 걷어붙이고 함께 물량을 쳐내던 그가 있었다. ​7. 셋. 그는 직접 전 직원을 대상으로 교육을 진행했다. 지마켓과 쿠팡은 무엇이 다른가, 전략과 수익모델의 차이는 무엇인가. 밖에서 보면 같은 커머스다. 하지만 갈 길은 달랐다. 뭐가 다른지, 왜 달라야 하는지 그는 열변을 토하며 이해시키려고 했다. 커머스를 배우던 내게 신선했다. 많이 배웠다. ​8. 넷. 로켓배송 확장을 하던 때다. 동남권 물류센터가 처음 오픈했다. 삼성동에서 대구까지 같은 차로 이동했다. 당시 C 레벨들과 함께. 두 시간 동안 그는 잠시도 쉬지 않았다. 임원들에게 본인의 생각들을 계속 쏟아냈다. 공교롭게도 도착할 무렵 이슈가 터졌다. 전면 장애로 앱 접속이 아예 안됐다. 하필이면 CEO와 있을 때 장애라니. CTO는 사색이 됐다. 그는 잠깐 붉은 얼굴로 화를 내고서는, 다시 환하게 웃는 얼굴로 미팅에 참석했다. ​9. 다섯. 함께 축하할 성과가 생겼다. 하지만 당장 다 같이 모일 장소가 없었다. 그는 전층 사무실을 직접 돌았다. 책상 위에 올라가서 확성기로 소리쳤다. 서슴없이 직원들과 하이파이브를 나누며 떠났다. 모두 환호하고 박수를 치며 기뻐했다. ​10. 여섯. 분기마다 전사 타운홀을 했다. 코엑스 컨퍼런스룸에서. 아마 스티브 잡스의 키노트 준비가 이렇지 않았을까. 수없는 리허설의 반복, 피드백의 요구, 디테일의 수정. 준비 과정을 모르는 사람들에게는 그저 완벽하고 자연스럽고 울림 있는 프레젠테이션이었을 거다. ​11. 쿠팡 없이 어떻게 살았을까? 그런 세상을 만들자. 그는 10년 전부터 외쳤다. 강하게, 자주 반복했다. 그때는 모두 반신반의했다. 로켓배송이 없던 때다. 하지만 그 일이 실제로 일어났다. 코로나 때 쿠팡이 없었다면 우리는 어땠을까. 쿠팡은 전통적인 유통회사들의 매출을 이미 넘어섰다. ​12. 그때 그는 어떤 생각이었을까. 이미 나스닥과 글로벌을 생각했을까. 아니면 그도 함께 변하고 성장했을까. 리더는 앞을 내다보는 사람이다. 남이 보지 못하는 걸 본다. 그걸 모두에게 공유한다. 그게 곧 비전이다. 조직을 한 방향으로 이끌어 현실로 만든다. 결국 회사는 그 비전의 크기, 리더가 상상하는 크기만큼 성장한다. 그를 직접 보며 배울 수 있던 기회에 지금도 감사하다.

< 쿠팡의 창업자를 직접 보며 배운 것: 리더의 크기가 전부다 >

나는 가끔 조합형 한글의 아름다움에 대해 생각한다.

그 아름다움은 단순히 예쁜 글꼴이나 정갈한 종이 위의 자소 배열에서 끝나지 않는다. 진짜 매력은, 정밀한 정보 구조와 이산 수학적 규칙성 속에 숨어 있다.

초성 19자, 중성 21자, 종성 28자(받침없음 포함)의 조합으로 구성된 조합형 한글은 이론적으로 가능한 모든 조합을 체계적으로 담아낸, 말 그대로 한글 문자 컴파일러와도 같다.

유니코드에서 한글은 U+AC00(가)부터 U+D7A3(힣)까지, 무려 11,172개의 음절로 정의되어 있는데, 이 조합 방식은 다차원 배열의 인덱싱 구조와도 흡사하다. 예컨대 ‘한’이라는 글자는 초성 ‘ᄒ’, 중성 ‘ᅡ’, 종성 ‘ᆫ’으로 구성되며, 다음 공식을 통해 유니코드 포인트가 계산된다:

U+AC00 + (초성 인덱스 × 588) + (중성 인덱스 × 28) + 종성 인덱스

이는 단순한 문자 처리 방식이 아니다. 초·중·종성이라는 세 개의 축을 갖는 3차원 좌표 공간에서 유니코드 포인트로 압축하여 출력하는 고성능 한글 출력 엔진이라 할 만하다. 15세기에 고안된 문자 체계가 현대 알고리즘 수준의 체계를 이미 내포하고 있었다는 것이다.

물론 조합형이라는 표현은 현대 디지털 기술이 정의한 것이지만, 그 기저에는 분해와 조합이 가능한 체계적 자모 설계가 존재한다. 즉, 세종대왕은 문자라는 고급 개념을 기계적으로 구현 가능한 형태로 설계한 엔지니어였던 셈이다.

어찌 보면, 조합형 한글은 600년 전에 만들어진 한국어라는 언어의 바이트코드다. 문자 이전의 자모, 음소 이전의 정보 구조. 다르게 말하자면 세종대왕은 나랏말을 만든 게 아니라, 나랏말을 코드화한 것이라고 할 수 있다.

즉, 세종대왕은 킹 갓 프로그래머였던 것.

나는 가끔 조합형 한글의 아름다움에 대해 생각한다. 그 아름다움은 단순히 예쁜 글꼴이나 정갈한 종이 위의 자소 배열에서 끝나지 않는다. 진짜 매력은, 정밀한 정보 구조와 이산 수학적 규칙성 속에 숨어 있다. 초성 19자, 중성 21자, 종성 28자(받침없음 포함)의 조합으로 구성된 조합형 한글은 이론적으로 가능한 모든 조합을 체계적으로 담아낸, 말 그대로 한글 문자 컴파일러와도 같다. 유니코드에서 한글은 U+AC00(가)부터 U+D7A3(힣)까지, 무려 11,172개의 음절로 정의되어 있는데, 이 조합 방식은 다차원 배열의 인덱싱 구조와도 흡사하다. 예컨대 ‘한’이라는 글자는 초성 ‘ᄒ’, 중성 ‘ᅡ’, 종성 ‘ᆫ’으로 구성되며, 다음 공식을 통해 유니코드 포인트가 계산된다: U+AC00 + (초성 인덱스 × 588) + (중성 인덱스 × 28) + 종성 인덱스 이는 단순한 문자 처리 방식이 아니다. 초·중·종성이라는 세 개의 축을 갖는 3차원 좌표 공간에서 유니코드 포인트로 압축하여 출력하는 고성능 한글 출력 엔진이라 할 만하다. 15세기에 고안된 문자 체계가 현대 알고리즘 수준의 체계를 이미 내포하고 있었다는 것이다. 물론 조합형이라는 표현은 현대 디지털 기술이 정의한 것이지만, 그 기저에는 분해와 조합이 가능한 체계적 자모 설계가 존재한다. 즉, 세종대왕은 문자라는 고급 개념을 기계적으로 구현 가능한 형태로 설계한 엔지니어였던 셈이다. 어찌 보면, 조합형 한글은 600년 전에 만들어진 한국어라는 언어의 바이트코드다. 문자 이전의 자모, 음소 이전의 정보 구조. 다르게 말하자면 세종대왕은 나랏말을 만든 게 아니라, 나랏말을 코드화한 것이라고 할 수 있다. 즉, 세종대왕은 킹 갓 프로그래머였던 것.

나는 가끔 조합형 한글의 아름다움에 대해 생각한다.

그 아름다움

알고리즘 입문자를 위한 달레의 친절한 안내서

Binary Tree Level Order Traversal | 알고달레

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 102번째 문제인 Binary Tree Level Order Traver를 재귀와 깊이 우선 탐색을 통해 풀어보겠습니다.

📺 동영상: https://youtu.be/eRQJzWHyQmM
📝 설명/코드: https://www.algodale.com/problems/binary-tree-level-order-traversal/

코딩 테스트를 준비하시는 분들을 위해서 일주일에 한 번씩 문제 풀이를 해드리고 있습니다. 이번 시간에는 LeetCode의 102번째 문제인 Binary Tree Level Order Traver를 재귀와 깊이 우선 탐색을 통해 풀어보겠습니다. 📺 동영상: https://youtu.be/eRQJzWHyQmM📝 설명/코드: https://www.algodale.com/problems/binary-tree-level-order-traversal/

알고달레

리트코드 102. Binary Tree Level Order Tr

🚀 유니콘이라 불리던 그들, 이제 진짜 실력을 보여줄 때

어제 언더스탠딩에서 본 파인드어스 이재용 회계사님의 분석이 인상 깊어서 정리해 봤습니다. 이 글을 쓰는 중에도 &quot;흑자 났다고 축하할 때가 아니다&quot;라는 말이 계속 맴돕니다.

💰 유니콘, 기업가치 1조 원의 무게

기업가치 1조 원, 이제 증명해야 할 시간입니다. 경기가 좋을 때, 투자받을 때는 &#39;가능성&#39;으로 평가받았지만, 이제는 다릅니다. 투자자들은 2-3년 내 회수를 기대하고 있고, 우리가 봐야 할 건 손익계산서가 아니라 진짜 성장하고 있는지입니다. 매출 숫자보다 중요한 건, 사용자들이 정말 우리 서비스 없이는 못 사는지예요.

📈 토스 | 일상이 된 금융 플랫폼

토스는 이 한 가지 수치만 봐도 압도적입니다.

1인당 평균 사용시간 154분 (카카오뱅크는 28분)으로 2022년 53분에서 시작해서 매년 2배씩 늘어나는 중이죠. 토스를 단순한 인터넷은행으로 본다면 하루에 2시간 반 쓴다는 게 납득하기 어렵습니다. 하지만 토스는 해냈습니다. 일단 시도하고 아니면 롤백하는 방식에 호불호는 있지만 만보기부터 운세, 건강검진결과까지 다양한 서비스로 사용자를 모은 덕분이죠. 금융에 생활이 더해져서 이제는 생활에 금융이 닿은 플랫폼이 되었고 무엇보다 인터넷뱅킹 사각지대에 있던 시니어와 키즈 세그먼트를 유입시켰죠. 매일 들어오게 만드는 데 성공했습니다.

일단 들어왔으니 투자도 보고, 대출도 확인하고 어느새 토스 없는 하루가 상상이 안 

토스·당근·오늘의집, 찔끔 흑자라고 웃을 때 아닙니다 (파인드어스 이재용 회계사) | Walcoln SJ Rhee

어제 언더스탠딩에서 본 파인드어스 이재용 회계사님의 분석이 인상 깊어서 정리해 봤습니다. 이 글을 쓰는 중에도 "흑자 났다고 축하할 때가 아니다"라는 말이 계속 맴돕니다.

💰 유니콘, 기업가치 1조 원의 무게

기업가치 1조 원, 이제 증명해야 할 시간입니다. 경기가 좋을 때, 투자받을 때는 '가능성'으로 평가받았지만, 이제는 다릅니다. 투자자들은 2-3년 내 회수를 기대하고 있고, 우리가 봐야 할 건 손익계산서가 아니라 진짜 성장하고 있는지입니다. 매출 숫자보다 중요한 건, 사용자들이 정말 우리 서비스 없이는 못 사는지예요.

📈 토스 | 일상이 된 금융 플랫폼

토스는 이 한 가지 수치만 봐도 압도적입니다.

1인당 평균 사용시간 154분 (카카오뱅크는 28분)으로 2022년 53분에서 시작해서 매년 2배씩 늘어나는 중이죠. 토스를 단순한 인터넷은행으로 본다면 하루에 2시간 반 쓴다는 게 납득하기 어렵습니다. 하지만 토스는 해냈습니다. 일단 시도하고 아니면 롤백하는 방식에 호불호는 있지만 만보기부터 운세, 건강검진결과까지 다양한 서비스로 사용자를 모은 덕분이죠. 금융에 생활이 더해져서 이제는 생활에 금융이 닿은 플랫폼이 되었고 무엇보다 인터넷뱅킹 사각지대에 있던 시니어와 키즈 세그먼트를 유입시켰죠. 매일 들어오게 만드는 데 성공했습니다.

일단 들어왔으니 투자도 보고, 대출도 확인하고 어느새 토스 없는 하루가 상상이 안 되는 상태가 되었죠. 현존하는 국내 서비스에서는 가장 확실하게 성공을 증명한 진짜 플랫폼 전략이구나 싶었습니다.

🥕 당근마켓 | 양적 성장의 한계와 질적 성장의 과제

당근 발표 자료를 보면 곳곳에 성장 한계의 신호들이 보입니다. 이미 가입자는 4천만 명이고 MAU는 2,000만 명으로 크게 이 수치를 늘리기 어려워 보여죠. 1인당 거래는 연 9건 수준입니다. 이것도 한계가 보입니다.

진짜 문제는 다른 곳에 있습니다. 중고거래를 넘어서야 하니 '알바', '동네생활', '동네지도' 등 당신 근처의 생활을 위해 앱을 적극적으로 사용하는 패턴이 만들어져야 하는데 글쎄요. WAU 1,300만 명이 1년에 3,900만 건의 소통을 한다는 건, 1인당 매년 3개 글만 쓴다는 뜻이에요. 활성화된 커뮤니티라고 하기에는 부족합니다.

중고거래는 이사나 대청소처럼 필요할 때 급증하는데 사용자를 매일 들어오게 하려면 동네 맛집 추천도 보고, 운동 모임도 찾고 그래야 하잖아요. 아직은 그 단계까지 가지 못한 것 같습니다.

당근은 중고거래의 왕은 맞지만, 동네 커뮤니티의 왕이 될 수 있을까요? 게다가 당근에서 물건을 찾다가 쿠팡 광고를 보면 음? 이런 느낌이 종종 듭니다. 아, 광고는 현재 당근 수익의 99.8%를 차지하고 있습니다.

🏠 오늘의집 | 구조적 역풍 속 생존

거시경제의 바람이 매섭습니다.

1. 통계청 발표에 따르면 1970년 이후 이사율은 최저치 - 100명 중 12명 수준
2. 1인 가구 비중은 33%까지 늘었지만, 인테리어 지출은 신혼가구 대비 1/3 수준
3. 경기침체로 부동산 거래량 지속적 감소세

사회적 변화로 보면 오늘의집 2024년 실적(영업이익 6억 원)은 '졌잘싸'로 평가할 수 있습니다. 전년 대비 22% 정도 거래액이 늘었다는 건 인정해야 합니다.

앞으로가 더 걱정입니다.

1. 비혼, 저출산 시대에 집을 꾸밀 절대적 모수 감소 (10년 전과 비교하면 40% 감소)
2. 부동산 가격 영향으로 이사 자체가 줄어들고 월세가 전세 역전
3. 경기가 어려워지면서 가처분소득 감소로 인테리어는 뒷순위

오늘의집은 슈퍼커머스를 꿈꾸며 카테고리를 늘렸고 쌀, 소고기, 계란까지 판매하고 있습니다. 인테리어로 시작해 식품까지 파는 건 유니콘으로서 부여받은 목표 거래액(수, 양)을 맞추기 위해서 어쩔 수 없는 선택이었을 겁니다. 문제는 정체성의 혼란, 쿠팡이나 컬리와 경쟁하는 상황이 되어버렸습니다.

[ 큐레이터의 문장 🎒 ]

✅ 토스가 증명한 하나의 성공 방정식
사용자에게 스며들기. 금융 서비스가 아니라 생활 서비스가 된 거죠.

🔄 당근의 숙제
중고거래 1등에서 동네생활 1등으로 진화할 수 있을까요? 쉽지 않은 상황입니다.

🏗️ 오늘의집의 생존기
어려운 이사, 인테리어 시장에서도 성장했다는 건 의미 있지만, 앞으로가 더 걱정입니다.

유니콘으로 선정되는 것보다 유니콘이라는 것을 증명해야 하는 시기. 기업가치가 아니라, 사용자들이 "이거 없으면 안 돼"라고 말하는 서비스를 만든 곳이겠죠. 여러분이 매일 사용하는 서비스 중에서 정말 '없으면 안 되는' 서비스는 무엇인가요?

출처: 파인드어스 이재용 회계사 - "토스·당근·오늘의집, 찔끔 흑자라고 웃을 때 아닙니다"

https://www.linkedin.com/posts/redbusbagman_%ED%86%A0%EC%8A%A4%EB%8B%B9%EA%B7%BC%EC%98%A4%EB%8A%98%EC%9D%98%EC%A7%91-%EC%B0%94%EB%81%94-%ED%9D%91%EC%9E%90%EB%9D%BC%EA%B3%A0-%EC%9B%83%EC%9D%84-%EB%95%8C-%EC%95%84%EB%8B%99%EB%8B%88%EB%8B%A4-%ED%8C%8C%EC%9D%B8%EB%93%9C%EC%96%B4%EC%8A%A4-%EC%9D%B4%EC%9E%AC%EC%9A%A9-activity-7333327097496514561-v_Ka?utm_source=social_share_send&utm_medium=member_desktop_web&rcm=ACoAAAZSc3oBarIEHbo_ENsWiZv-BA5Ud1-qJ3U

어제 언더스탠딩에서 본 파인드어스 이재용 회계사님의 분석이 인상 깊어서 정리해 봤습니다. 이 글을 쓰는 중에도 "흑자 났다고 축하할 때가 아니다"라는 말이 계속 맴돕니다. 💰 유니콘, 기업가치 1조 원의 무게 기업가치 1조 원, 이제 증명해야 할 시간입니다. 경기가 좋을 때, 투자받을 때는 '가능성'으로 평가받았지만, 이제는 다릅니다. 투자자들은 2-3년 내 회수를 기대하고 있고, 우리가 봐야 할 건 손익계산서가 아니라 진짜 성장하고 있는지입니다. 매출 숫자보다 중요한 건, 사용자들이 정말 우리 서비스 없이는 못 사는지예요. 📈 토스 | 일상이 된 금융 플랫폼 토스는 이 한 가지 수치만 봐도 압도적입니다. 1인당 평균 사용시간 154분 (카카오뱅크는 28분)으로 2022년 53분에서 시작해서 매년 2배씩 늘어나는 중이죠. 토스를 단순한 인터넷은행으로 본다면 하루에 2시간 반 쓴다는 게 납득하기 어렵습니다. 하지만 토스는 해냈습니다. 일단 시도하고 아니면 롤백하는 방식에 호불호는 있지만 만보기부터 운세, 건강검진결과까지 다양한 서비스로 사용자를 모은 덕분이죠. 금융에 생활이 더해져서 이제는 생활에 금융이 닿은 플랫폼이 되었고 무엇보다 인터넷뱅킹 사각지대에 있던 시니어와 키즈 세그먼트를 유입시켰죠. 매일 들어오게 만드는 데 성공했습니다. 일단 들어왔으니 투자도 보고, 대출도 확인하고 어느새 토스 없는 하루가 상상이 안 되는 상태가 되었죠. 현존하는 국내 서비스에서는 가장 확실하게 성공을 증명한 진짜 플랫폼 전략이구나 싶었습니다. 🥕 당근마켓 | 양적 성장의 한계와 질적 성장의 과제 당근 발표 자료를 보면 곳곳에 성장 한계의 신호들이 보입니다.&nbsp;이미 가입자는 4천만 명이고 MAU는 2,000만 명으로 크게 이 수치를 늘리기 어려워 보여죠. 1인당 거래는 연 9건 수준입니다. 이것도 한계가 보입니다. 진짜 문제는 다른 곳에 있습니다. 중고거래를 넘어서야 하니 '알바', '동네생활', '동네지도' 등 당신 근처의 생활을 위해 앱을 적극적으로 사용하는 패턴이 만들어져야 하는데 글쎄요. WAU 1,300만 명이 1년에 3,900만 건의 소통을 한다는 건, 1인당 매년 3개 글만 쓴다는 뜻이에요. 활성화된 커뮤니티라고 하기에는 부족합니다. 중고거래는 이사나 대청소처럼 필요할 때 급증하는데 사용자를 매일 들어오게 하려면 동네 맛집 추천도 보고, 운동 모임도 찾고 그래야 하잖아요. 아직은 그 단계까지 가지 못한 것 같습니다. 당근은 중고거래의 왕은 맞지만, 동네 커뮤니티의 왕이 될 수 있을까요? 게다가 당근에서 물건을 찾다가 쿠팡 광고를 보면 음? 이런 느낌이 종종 듭니다. 아, 광고는 현재 당근 수익의 99.8%를 차지하고 있습니다. 🏠 오늘의집 | 구조적 역풍 속 생존 거시경제의 바람이 매섭습니다. 1. 통계청 발표에 따르면 1970년 이후 이사율은 최저치 - 100명 중 12명 수준 2. 1인 가구 비중은 33%까지 늘었지만, 인테리어 지출은 신혼가구 대비 1/3 수준 3. 경기침체로 부동산 거래량 지속적 감소세 사회적 변화로 보면 오늘의집 2024년 실적(영업이익 6억 원)은 '졌잘싸'로 평가할 수 있습니다. 전년 대비 22% 정도 거래액이 늘었다는 건 인정해야 합니다. 앞으로가 더 걱정입니다. 1. 비혼, 저출산 시대에 집을 꾸밀 절대적 모수 감소 (10년 전과 비교하면 40% 감소) 2. 부동산 가격 영향으로 이사 자체가 줄어들고 월세가 전세 역전 3. 경기가 어려워지면서 가처분소득 감소로 인테리어는 뒷순위 오늘의집은 슈퍼커머스를 꿈꾸며 카테고리를 늘렸고 쌀, 소고기, 계란까지 판매하고 있습니다. 인테리어로 시작해 식품까지 파는 건 유니콘으로서 부여받은 목표 거래액(수, 양)을 맞추기 위해서 어쩔 수 없는 선택이었을 겁니다. 문제는 정체성의 혼란, 쿠팡이나 컬리와 경쟁하는 상황이 되어버렸습니다. [ 큐레이터의 문장 🎒 ] ✅ 토스가 증명한 하나의 성공 방정식 사용자에게 스며들기. 금융 서비스가 아니라 생활 서비스가 된 거죠. 🔄 당근의 숙제 중고거래 1등에서 동네생활 1등으로 진화할 수 있을까요? 쉽지 않은 상황입니다. 🏗️ 오늘의집의 생존기 어려운 이사, 인테리어 시장에서도 성장했다는 건 의미 있지만, 앞으로가 더 걱정입니다. 유니콘으로 선정되는 것보다 유니콘이라는 것을 증명해야 하는 시기. 기업가치가 아니라, 사용자들이 "이거 없으면 안 돼"라고 말하는 서비스를 만든 곳이겠죠. 여러분이 매일 사용하는 서비스 중에서 정말 '없으면 안 되는' 서비스는 무엇인가요? 출처: 파인드어스 이재용 회계사 - "토스·당근·오늘의집, 찔끔 흑자라고 웃을 때 아닙니다" https://www.linkedin.com/posts/redbusbagman_%ED%86%A0%EC%8A%A4%EB%8B%B9%EA%B7%BC%EC%98%A4%EB%8A%98%EC%9D%98%EC%A7%91-%EC%B0%94%EB%81%94-%ED%9D%91%EC%9E%90%EB%9D%BC%EA%B3%A0-%EC%9B%83%EC%9D%84-%EB%95%8C-%EC%95%84%EB%8B%99%EB%8B%88%EB%8B%A4-%ED%8C%8C%EC%9D%B8%EB%93%9C%EC%96%B4%EC%8A%A4-%EC%9D%B4%EC%9E%AC%EC%9A%A9-activity-7333327097496514561-v_Ka?utm_source=social_share_send&amp;utm_medium=member_desktop_web&amp;rcm=ACoAAAZSc3oBarIEHbo_ENsWiZv-BA5Ud1-qJ3U

www.linkedin.com

⟪🚀 유니콘이라 불리던 그들, 이제 진짜 실력을 보여줄 때⟫

﻿
이력서에는 많은 경험을 나열하기보다, 성과가 뛰어나거나 기여도가 높은 소수의 경험을 구체적으로 설명하는 것이 더 효과적입니다. 최근에는 동아리 활동, 기업 주최 공모전, 관심 분야 대회 등 다양한 대외활동을 통해 여러 경험을 쌓는 분들이 많습니다. 진심에서 우러나온 참여도 있지만, 이력서 한 줄을 채우기 위한 목적도 존재합니다.

물론 다양한 경험을 했다는 점은 긍정적입니다. 모든 경험은 분명 가치 있는 자산입니다. 그러나 단순히 "해봤다"고 나열만 한다면, 이력서를 읽는 사람에게는 아무런 인상을 주지 못할 수 있습니다. 따라서 경험의 배경, 목표, 본인의 역할, 구체적 성과, 배운 점 등을 중심으로 상세히 서술하는 것이 중요합니다.

경험이 10개가 넘는데, 모두 자세히 써야 할까요? 이론상 가능하지만, 분량이 많아지면 핵심이 흐려질 수 있습니다. 따라서 가장 대표적이고 자랑하고 싶은 경험 3가지 정도를 선정해 집중적으로 설명하는 것이 효과적입니다.

그렇다면 나머지 경험들은 어떻게 해야 할까요? 버리는 것이 아니라, 별도의 문서로 정리해 링크 형태로 이력서에 첨부하면 됩니다. 이력서에는 대표 경험 3가지를 중점적으로 서술하고, 추가 경험은 "더 많은 경험은 여기에 있습니다"라는 방식으로 안내해보세요. 이력서의 밀도는 높이고, 독자의 흥미를 유도하는 전략이 될 수 있습니다.

채용 담당자는 시간이 없습니다. 그렇다고 대충 읽는다는 의미는 아닙니다. 다만, 주어진 시간 안에 많은 업무를 처리해야 하기에 한 명의 이력서를 오랜 시간 읽기 어렵다는 점을 이해할 필요가 있습니다. 이력서를 읽는 사람의 입장을 고려하면, 작성자의 태도도 달라져야 합니다.

그래서 이력서는 무조건 짧아야 할까요? 아닙니다. "한 장으로 줄이라"는 조언도 있지만, 저는 동의하지 않습니다. 이력서 분량보다 더 중요한 건 흥미롭고 잘 읽히는 내용입니다. 얇지만 어려운 책보다 두껍지만 쉽게 읽히는 책이 더 매력적일 수 있듯이, 이력서도 마찬가지입니다.

이력서는 단순한 정보 나열이 아니라 스토리텔링이 필요합니다. 경험을 시작한 이유, 진행 과정, 결과와 배움까지 이야기 형태로 풀어내면, 읽는 이의 흥미와 공감을 이끌어낼 수 있습니다.

성과가 눈에 띄지 않아 어떤 경험을 써야 할지 고민이 되나요? 자신감을 가지세요. 경험의 가치는 그 속에서 얻은 배움에 있습니다. 숫자가 크거나 유명한 프로젝트보다, 본인의 성장과 통찰을 보여주는 경험이 더 인상 깊을 수 있습니다. 배운 점, 다음에 더 잘할 수 있다는 다짐 등도 훌륭한 성과로 어필할 수 있습니다.

마지막으로, 이력서를 읽는 사람은 모두 다릅니다. 숫자를 중시하는 사람, 친숙한 주제를 반가워하는 사람, 스토리텔링에 끌리는 사람 등 각자의 관점이 있습니다. 따라서 정답은 없습니다. 자신이 가장 잘 표현할 수 있는 방식으로, 자신만의 이야기를 담아내는 것이 가장 좋은 전략입니다.

여러분의 소중한 경험을 자신 있게 표현할 수 있기를 진심으로 응원합니다.

﻿이력서에는 많은 경험을 나열하기보다, 성과가 뛰어나거나 기여도가 높은 소수의 경험을 구체적으로 설명하는 것이 더 효과적입니다. 최근에는 동아리 활동, 기업 주최 공모전, 관심 분야 대회 등 다양한 대외활동을 통해 여러 경험을 쌓는 분들이 많습니다. 진심에서 우러나온 참여도 있지만, 이력서 한 줄을 채우기 위한 목적도 존재합니다. 물론 다양한 경험을 했다는 점은 긍정적입니다. 모든 경험은 분명 가치 있는 자산입니다. 그러나 단순히 "해봤다"고 나열만 한다면, 이력서를 읽는 사람에게는 아무런 인상을 주지 못할 수 있습니다. 따라서 경험의 배경, 목표, 본인의 역할, 구체적 성과, 배운 점 등을 중심으로 상세히 서술하는 것이 중요합니다. 경험이 10개가 넘는데, 모두 자세히 써야 할까요? 이론상 가능하지만, 분량이 많아지면 핵심이 흐려질 수 있습니다. 따라서 가장 대표적이고 자랑하고 싶은 경험 3가지 정도를 선정해 집중적으로 설명하는 것이 효과적입니다. 그렇다면 나머지 경험들은 어떻게 해야 할까요? 버리는 것이 아니라, 별도의 문서로 정리해 링크 형태로 이력서에 첨부하면 됩니다. 이력서에는 대표 경험 3가지를 중점적으로 서술하고, 추가 경험은 "더 많은 경험은 여기에 있습니다"라는 방식으로 안내해보세요. 이력서의 밀도는 높이고, 독자의 흥미를 유도하는 전략이 될 수 있습니다. 채용 담당자는 시간이 없습니다. 그렇다고 대충 읽는다는 의미는 아닙니다. 다만, 주어진 시간 안에 많은 업무를 처리해야 하기에 한 명의 이력서를 오랜 시간 읽기 어렵다는 점을 이해할 필요가 있습니다. 이력서를 읽는 사람의 입장을 고려하면, 작성자의 태도도 달라져야 합니다. 그래서 이력서는 무조건 짧아야 할까요? 아닙니다. "한 장으로 줄이라"는 조언도 있지만, 저는 동의하지 않습니다. 이력서 분량보다 더 중요한 건 흥미롭고 잘 읽히는 내용입니다. 얇지만 어려운 책보다 두껍지만 쉽게 읽히는 책이 더 매력적일 수 있듯이, 이력서도 마찬가지입니다. 이력서는 단순한 정보 나열이 아니라 스토리텔링이 필요합니다. 경험을 시작한 이유, 진행 과정, 결과와 배움까지 이야기 형태로 풀어내면, 읽는 이의 흥미와 공감을 이끌어낼 수 있습니다. 성과가 눈에 띄지 않아 어떤 경험을 써야 할지 고민이 되나요? 자신감을 가지세요. 경험의 가치는 그 속에서 얻은 배움에 있습니다. 숫자가 크거나 유명한 프로젝트보다, 본인의 성장과 통찰을 보여주는 경험이 더 인상 깊을 수 있습니다. 배운 점, 다음에 더 잘할 수 있다는 다짐 등도 훌륭한 성과로 어필할 수 있습니다. 마지막으로, 이력서를 읽는 사람은 모두 다릅니다. 숫자를 중시하는 사람, 친숙한 주제를 반가워하는 사람, 스토리텔링에 끌리는 사람 등 각자의 관점이 있습니다. 따라서 정답은 없습니다. 자신이 가장 잘 표현할 수 있는 방식으로, 자신만의 이야기를 담아내는 것이 가장 좋은 전략입니다. 여러분의 소중한 경험을 자신 있게 표현할 수 있기를 진심으로 응원합니다.﻿

이력서에 쓰는 경험

한때 천만원에 거래가 되기도 했던 Manus를 "Bedrock-Manus"로 무료 오픈소스로 공개합니다. 아래는 이를 활용한 "Deep Research" 기능입니다. 데모 영상, 깃헙 코드까지 보실 수 있습니다. 이렇게 다 공개해도 되나싶네요 ㅎㅎ

🔍 Deep Research란? AI가 웹을 자동으로 탐색해서 심층적인 조사 보고서를 작성해주는 기능입니다.

✨ 주요 특징:
1️⃣ 복합적 정보 수집 및 분석
2️⃣ 자동화된 심층 리서치 프로세스
3️⃣ AWS Bedrock 기반 고도화된 AI 활용

🔗 오픈소스로 제공되니, 필요하신 분들은 언제든 자유롭게 활용해 보세요!

📺 Demo: hhttps://www.youtube.com/watch?v=Pb1lJTSLI98
👉 Code:
- Deep-researh based on Bedrock Manus: https://lnkd.in/gjfXg2CD
- Bedrock-Manus: https://lnkd.in/eCQ4qjir

여러분의 프로젝트나 업무에 도움이 되길 바라며, 사용 후기나 개선 아이디어도 공유해 주시면 더욱 발전시켜 나가겠습니다.

(AWS GenAI Specialist SA이신 장동진 박사님이 올리신 자료입니다. 더 많은 자료는 아래 유툽 채널을 참조하세요! 진짜 금광입니다....)
https://www.youtube.com/@dongjinjang5551

한때 천만원에 거래가 되기도 했던 Manus를 "Bedrock-Manus"로 무료 오픈소스로 공개합니다. 아래는 이를 활용한 "Deep Research" 기능입니다. 데모 영상, 깃헙 코드까지 보실 수 있습니다. 이렇게 다 공개해도 되나싶네요 ㅎㅎ 🔍 Deep Research란? AI가 웹을 자동으로 탐색해서 심층적인 조사 보고서를 작성해주는 기능입니다. ✨ 주요 특징: 1️⃣ 복합적 정보 수집 및 분석 2️⃣ 자동화된 심층 리서치 프로세스 3️⃣ AWS Bedrock 기반 고도화된 AI 활용 🔗 오픈소스로 제공되니, 필요하신 분들은 언제든 자유롭게 활용해 보세요! 📺 Demo: hhttps://www.youtube.com/watch?v=Pb1lJTSLI98 👉 Code: - Deep-researh based on Bedrock Manus: https://lnkd.in/gjfXg2CD - Bedrock-Manus: https://lnkd.in/eCQ4qjir 여러분의 프로젝트나 업무에 도움이 되길 바라며, 사용 후기나 개선 아이디어도 공유해 주시면 더욱 발전시켜 나가겠습니다. (AWS GenAI Specialist SA이신 장동진 박사님이 올리신 자료입니다. 더 많은 자료는 아래 유툽 채널을 참조하세요! 진짜 금광입니다....)https://www.youtube.com/@dongjinjang5551

한때 천만원에 거래되었던 Manus, Bedrock 무료 오픈소스

✅️Prompting Guide 101 by Google : https://lnkd.in/d8UwPWeN

✅️ Identifying and Scaling Al use cases by OpenAl : https://lnkd.in/dJ36b3PU

✅️ A practical guide to building agents y OpenAI : https://lnkd.in/dBsKFteH

✅️ Best Practices sof Agentic Coding by Anthropic : https://lnkd.in/dA8JatJ7

✅️ Build Trusted Al in the enterprise by Anthropic : https://lnkd.in/dqjZmHax

✅️ AI in the enterprise by OpenAI : https://lnkd.in/d22VHqZt

✅️ Agents Companion by Google - https://lnkd.in/dGWvihgC

✅️ Prompt Engineering by Google : https://lnkd.in/dGXZ2DNR

✅️ The Prompt Collection : https://lnkd.in/dpFrJqvm

✅️Prompting Guide 101 by Google : https://lnkd.in/d8UwPWeN ✅️ Identifying and Scaling Al use cases by OpenAl : https://lnkd.in/dJ36b3PU ✅️ A practical guide to building agents y OpenAI : https://lnkd.in/dBsKFteH ✅️ Best Practices sof Agentic Coding by Anthropic : https://lnkd.in/dA8JatJ7 ✅️ Build Trusted Al in the enterprise by Anthropic : https://lnkd.in/dqjZmHax ✅️ AI in the enterprise by OpenAI : https://lnkd.in/d22VHqZt ✅️ Agents Companion by Google - https://lnkd.in/dGWvihgC ✅️ Prompt Engineering by Google : https://lnkd.in/dGXZ2DNR ✅️ The Prompt Collection : https://lnkd.in/dpFrJqvm

👋 LLM 활용에 도움이 되는 가이드 모음

실리콘밸리에는 묘한 패턴이 하나 있다. 구글이 제법 괜찮은 AI 제품을 내놓아도 사람들은 OpenAI의 ChatGPT와 Anthropic의 Claude 같은 스타트업 서비스들에게만 열광하는 것이다.특히 구글의 최대 개발자 행사인 구글 I/O를 하루 이틀 앞두고 OpenAI가 시장을 뒤흔들 만한 제품을 발표하며 모든 이목을 집중시키는 일이 반복됐다. OpenAI는 2024년 GPT-4o와 함께 스칼렛 요한슨의 목소리를 흉내내는 전화형 모델을 출시했고, 2023년에는 구글의 Gemini 이전 버전인 Bard 출시 직전에 GPT-4를 선보이며 존재감을 과시했다. 시장은 항상 OpenAI에 열광했고, 구글은 "우리가 최고의 모델을 만들었다"는 옛 명성만 되뇌며 실질적인 반격에는 실패했다.하지만 이번에는 달랐다. 구글 I/O 직전, OpenAI가 발표한 코딩 어시스턴트 '코덱스(Codex)'는 잠시 주목을 받았고 이후 발표된 조니 아이브의 OpenAI 하드웨어 디자인 총괄 합류 소식도 주목을 받았지만, 정작 새로운 제품은 없었다. 이들은 곧 구글 I/O의 비전에 묻혔다. 구글은 AI 전쟁에서 누구보다 강력한 무기들을 가지고 있다. 전 세계 검색 시장 점유율 90%를 차지하는 압도적인 검색엔진 구글, 애플과 모바일 생태계를 양분한 안드로이드 OS, 그리고 구글 클라우드, 지메일, 구글맵 같은 킬러 앱들의 독점적 지위까지. 겉보기에는 실행 속도가 느리고, 조직 내에서는 AI를 각 부서가 따로 도입하면서 엉성하게 움직이는 듯 보였지만,

AI 시대에 갈피 못잡던 구글의 역습 : 오호츠크 리포트

실리콘밸리에는 묘한 패턴이 하나 있다. 구글이 제법 괜찮은 AI 제품을 내놓아도 사람들은 OpenAI의 ChatGPT와 Anthropic의 Claude 같은 스타트업 서비스들에게만 열광하는 것이다.

특히 구글의 최대 개발자 행사인 구글 I/O를 하루 이틀 앞두고 OpenAI가 시장을 뒤흔들 만한 제품을 발표하며 모든 이목을 집중시키는 일이 반복됐다. OpenAI는 2024년 GPT-4o와 함께 스칼렛 요한슨의 목소리를 흉내내는 전화형 모델을 출시했고, 2023년에는 구글의 Gemini 이전 버전인 Bard 출시 직전에 GPT-4를 선보이며 존재감을 과시했다. 시장은 항상 OpenAI에 열광했고, 구글은 "우리가 최고의 모델을 만들었다"는 옛 명성만 되뇌며 실질적인 반격에는 실패했다.

하지만 이번에는 달랐다. 구글 I/O 직전, OpenAI가 발표한 코딩 어시스턴트 '코덱스(Codex)'는 잠시 주목을 받았고 이후 발표된 조니 아이브의 OpenAI 하드웨어 디자인 총괄 합류 소식도 주목을 받았지만, 정작 새로운 제품은 없었다. 이들은 곧 구글 I/O의 비전에 묻혔다.

그렇다면, 과연 구글 I/O의 비전은 무엇이었길래 미래를 보여줬다고 한 것일까요?

 1. 일반 사용자를 위한 제품
 2. 창작자들을 위한 도구
 3. 엔지니어들을 위한 도구
 4. 하드웨어와 미래 비전
 5. 지구를 구하는 사명감까지

실리콘밸리에는 묘한 패턴이 하나 있다. 구글이 제법 괜찮은 AI 제품을 내놓아도 사람들은 OpenAI의 ChatGPT와 Anthropic의 Claude 같은 스타트업 서비스들에게만 열광하는 것이다. 특히 구글의 최대 개발자 행사인 구글 I/O를 하루 이틀 앞두고 OpenAI가 시장을 뒤흔들 만한 제품을 발표하며 모든 이목을 집중시키는 일이 반복됐다. OpenAI는 2024년 GPT-4o와 함께 스칼렛 요한슨의 목소리를 흉내내는 전화형 모델을 출시했고, 2023년에는 구글의 Gemini 이전 버전인 Bard 출시 직전에 GPT-4를 선보이며 존재감을 과시했다. 시장은 항상 OpenAI에 열광했고, 구글은 "우리가 최고의 모델을 만들었다"는 옛 명성만 되뇌며 실질적인 반격에는 실패했다. 하지만 이번에는 달랐다. 구글 I/O 직전, OpenAI가 발표한 코딩 어시스턴트 '코덱스(Codex)'는 잠시 주목을 받았고 이후 발표된 조니 아이브의 OpenAI 하드웨어 디자인 총괄 합류 소식도 주목을 받았지만, 정작 새로운 제품은 없었다. 이들은 곧 구글 I/O의 비전에 묻혔다. 그렇다면, 과연 구글 I/O의 비전은 무엇이었길래 미래를 보여줬다고 한 것일까요? <ol ><li>일반 사용자를 위한 제품</li><li>창작자들을 위한 도구</li><li>엔지니어들을 위한 도구</li><li>하드웨어와 미래 비전</li><li>지구를 구하는 사명감까지</li></ol>

55check.com

AI 시대에 갈피 못잡던 구글의 역습

‘훌륭한 데이터 분석가란 어떤 사람인가?’에 대해
'데이터 분석가 지망생'과 '현직 데이터 분석가' 사이에
큰 생각의 차이가 있다는 것을 최근 알게 되었습니다.

데이터 분석가 지망생의 생각은 이렇습니다.

훌륭한 데이터 분석가는
- Excel | Python | VBA | Power BI | Tableau 등을 능숙하게 사용할 수 있다.
- 마케팅 | 재무 | 광고 | 사용자 행동 분석을 깊이 있게 할 수 있다.
- 빠르게 배우는 사람 | 노력파 | 어떤 일이든 열심히 하는 인재이다. 

현직 데이터 분석가의 생각은 이렇습니다.

훌륭한 데이터 분석가는
- 의사결정자가 마주한 문제를 정의하고 효과적으로 찾아낼 수 있다
- 다양한 분석 접근 방식을 탐색하고, 가장 효과적인 방법을 선택하여 적용한다
- 전략적 문제 해결자 | 스마트하게 일하는 사람 | 실패하더라도 자기 투자에 적극적인 사람이다.

이전에는 아무도 이걸 알려주지 않았습니다.

취준생이 진짜로 집중해야 할 것은
학교나 부트캠프에서 쌓아온 이론이나 기술이 아니라,
내가 그 회사에 어떤 가치를 줄 수 있느냐입니다.

그것이 지금 데이터 분석가 취업 시장의 현실입니다.

‘훌륭한 데이터 분석가란 어떤 사람인가?’에 대해 '데이터 분석가 지망생'과 '현직 데이터 분석가' 사이에큰 생각의 차이가 있다는 것을 최근 알게 되었습니다. 데이터 분석가 지망생의 생각은 이렇습니다. 훌륭한 데이터 분석가는 - Excel | Python | VBA | Power BI | Tableau 등을 능숙하게 사용할 수 있다. - 마케팅 | 재무 | 광고 | 사용자 행동 분석을 깊이 있게 할 수 있다. - 빠르게 배우는 사람 | 노력파 | 어떤 일이든 열심히 하는 인재이다.&nbsp; 현직 데이터 분석가의 생각은 이렇습니다. 훌륭한 데이터 분석가는 - 의사결정자가 마주한 문제를 정의하고 효과적으로 찾아낼 수 있다 - 다양한 분석 접근 방식을 탐색하고, 가장 효과적인 방법을 선택하여 적용한다 - 전략적 문제 해결자 | 스마트하게 일하는 사람 | 실패하더라도 자기 투자에 적극적인 사람이다. 이전에는 아무도 이걸 알려주지 않았습니다. 취준생이 진짜로 집중해야 할 것은 학교나 부트캠프에서 쌓아온 이론이나 기술이 아니라,내가 그 회사에 어떤 가치를 줄 수 있느냐입니다. 그것이 지금 데이터 분석가 취업 시장의 현실입니다.&nbsp;

훌륭한 데이터 분석가란 어떤 사람인가?

처음 이 논문을 봤을 때 Positional Encoding에서 주기 함수 내용을 보고 "어, 그럼 값이 같으면 어떻게 하지?" 하고 궁금해하다가 그냥 덮어버렸던(물론 이후에 알게 됐지만요) 내용이 명쾌하게 정리되어 있네요.

처음 이 논문을 봤을 때 Positional Encoding에서 주기 함수 내용을 보고 "어, 그럼 값이 같으면 어떻게 하지?" 하고 궁금해하다가 그냥 덮어버렸던(물론 이후에 알게 됐지만요) 내용이 명쾌하게 정리되어 있네요.

김성엽

텍스트넷에서 챗봇 관련 업무를 담당하고 있고, 요즘에는 LLM에 대한 전방위적인 연구를 통한 사업화에 집중하고 있습니다. 

댓글 0

함께 읽은 게시물

👋 디자이너도 앱을 만들 수 있을까?

(홍보) 노코드 AI 자동화툴 n8n 강의 얼리버드 혜택 D-1

노션 템플릿들을 만들면서 적는 회고

비슷한 게시물

주간 인기 TOP 10

추천 프로필