인디로 AI 제품의 첫 500명 사용자를 확보했습니다（To be continued)

Source: Dev.to

위의 출처 아래에 번역하고 싶은 전체 텍스트를 제공해 주시면, 원본 형식과 마크다운을 유지하면서 한국어로 번역해 드리겠습니다.

Source: …

지금까지의 인디 여정

오늘 나는 사용자 데이터를 확인했습니다:

SELECT COUNT(*) FROM users;

그 결과는 단 하나의 숫자, 541이었습니다.
많지는 않다고 생각할 수도 있지만, 첫 인디 프로젝트로서는 자랑스러운 수치입니다. 2024년 10월 10일에 출시한 이후 이 숫자는 꾸준하고 자연스럽게 증가하고 있습니다—우리는 별다른 적극적인 홍보를 하지 않았습니다.

이 글에서 다룰 내용

• 아이디어 구상 – 친구의 가벼운 요청을 AI 기반 주식 분석 제품으로 발전시킨 과정.
• 0 → 10명 – 제품을 온라인에 올리지 않고도 최소 비용으로 아이디어를 검증하는 방법.
• 10 → 100명 – 시장 모멘텀과 미디어 화제를 활용한 자연 성장 전략.
• 100 → 500명 – 좋은 사용자 경험이 어떻게 사용자 수 증가를 이끄는지.
• 수익화 – 핵심 포인트와 시작 방법.

(내용이 다소 길어 두 개의 포스트로 나눌 수도 있습니다.)

스파크

지난 7월에 Trading Agents라는 오픈‑소스 프로젝트가 GitHub에서 갑자기 폭발적인 인기를 끌었습니다. 소셜 미디어에서의 반응도 마찬가지로 극적이었죠—그 스타일 특유의 현상이었습니다. 저는 과대광고 중심의 마케팅을 별로 좋아하지는 않지만, 이런 방식이 기술 개념을 대중에게 쉽게 전달한다는 점은 인정합니다.

제 친구이자 펀드 매니저가 이 오픈‑소스 프로젝트를 실행해서 주식 분석에 활용할 수 있냐고 물었습니다.

“그냥 포크하고, 배포하고, 실행하면—쉽겠지?”

네, 처음엔 저도 그렇게 생각했어요.

어려운 부분: 데이터 수집

제가 곧 알게 된 가장 어려운 부분은 데이터 수집이었습니다—실시간 주식 시세, 기업 재무 정보, 뉴스 데이터 등을 모두 확보해야 했거든요. 며칠 동안 방법을 찾아본 뒤에야 드디어 보고서를 생성할 수 있었습니다.

그 후 친구는 매 몇 일마다 다른 주식에 대한 분석을 요청했습니다. 그때 저는 실제로 큰 격차가 존재한다는 것을 깨달았습니다:

AI를 활용한 주식 분석 기술은 존재하지만, 일반 투자자들은 이를 이용할 수 없습니다.

만약 이 기능을 웹페이지 하나만 열면 바로 사용할 수 있는 제품으로 패키징한다면, 수요가 있을 것이라고 생각합니다.

지금까지 배운 교훈

1. 기술은 적절히 좋은 제품으로 포장될 때만 상업적 가치를 창출한다.
2. 기술 매니아들이 종종 경멸하는 것이 바로 상업적 가치가 존재하는 곳이다.

나는 초기에 이것을 깨닫지 못했다— 아직도 이 사고 전환 과정에 있다.

우리 팀

• 2인 인디 개발 팀
  • 파트너 1: 기술 아키텍처 및 백엔드 개발
  • 파트너 2: 제품 디자인 및 프론트엔드 개발
• 역할 구분이 엄격하지 않음 (공동 창업자를 찾는 것은 다른 이야기다).

초기 실험

우리는 가장 간단한 버전으로 시작했습니다:

1. 인기 있는 주식을 매일 실행합니다.
2. 순수 텍스트 보고서를 주식 포럼에 게시하여 반응을 측정합니다.

우리는 10일 이상 연속으로 게시했지만—반응이 없었습니다.

전환점

우리는 형식을 변경했습니다: 숫자를 시각적 대시보드로 변환.

그 한 가지 변화가 큰 차이를 만들었습니다:

• 사람들은 주목하기 시작했습니다.
• 토론이 활발해졌습니다.
• 사용자들이 “형, 이 차트 어디서 얻었어?” 라고 물었습니다.

사용자 관점에서 시각적 형식은 완전히 다른 반응을 일으켰으며, 우리 개발자에게는 구현이 아주 쉬운 일이었습니다.

공식 개발 (v0.1)

핵심 기능:

• 주식 티커 입력.
• 몇 분 기다림.
• AI가 생성한 보고서 읽기.

복잡한 매개변수 설정, 화려한 UI, 혹은 사용자 시스템은 없음.

타임라인

• AI 코딩 도구를 활용한 예상: 출시까지 1 주.
• 실제 소요 시간: 1 개월.

지연 이유
기능 세트는 단순했지만 다음 작업에 상당한 노력을 투자했습니다:

출시 및 초기 성장

• 2024년 10월 9일: 제품이 온라인으로 출시되었습니다.
• 소셜 미디어에 “뭔가를 만들었으니 한번 사용해 보세요.” 라고 발표했습니다.

첫 주: 10명 이상 등록 (대부분 친구 또는 친구의 친구).

• 평균 세션 길이: 10 분 (인당).
• 평균 조회된 주식 수: 7 (주식당 한 페이지).

두 번째 주: 소셜 미디어에서 화제가 된 Alpha‑Arena가 여러 LLM에게 비트코인 거래를 위해 $10 000을 제공하고 실시간 결과를 보여주었습니다.

이 실험으로 “AI 투자”가 급부상했습니다. 많은 사람들이 다음을 궁금해하기 시작했습니다: AI가 실제로 투자 결정에 도움이 될 수 있을까?

우리의 대응

우리는 그 흐름을 타고 다음과 같은 심층 기사을 발표했습니다:

“AI가 암호화폐를 거래할 수 있다면, 주식에 AI를 어떻게 활용해야 할까?”

• 작성에 이틀을 전념했습니다.
• AlphaWiseWin의 추천을 몇몇 주식(AAPL, CEG, KO)으로 백테스트했습니다.
• 약 10일치 데이터를 사용해 시뮬레이션한 수익률이 여전히 시장을 능가했습니다.

이 기사는 주목을 받았습니다. 11월 초까지 등록 사용자 100명을 돌파했습니다. 성장 차트의 두 번의 급증은 Alpha‑Arena 이벤트에 대한 우리의 게시물과 일치합니다.

현재 상황 (오늘 기준)

• 등록된 사용자: 541
• 성장: 주로 콘텐츠와 시각적 프레젠테이션에 의해 촉진되는 안정적이고 자연스러운 성장.

What’s Next?

• UI/UX를 계속 다듬기.
• 데이터 소스를 확장하고 프롬프트 엔지니어링을 개선하기.
• 수익화 전략 탐색 (위의 “Monetization” 섹션을 참고).

다음 게시물을 기대해 주세요. 여기서 100 → 500 사용자로 확장하고 수익화 로드맵을 더 깊이 다룰 예정입니다.

진행 상황 업데이트

사용자 기반: 0명 (초기 단계)
피드백 채널: 이메일 (긍정 및 부정)

긍정적인 피드백

• 보고서는 실제로 유용하며 포괄적인 관점을 제공합니다.
• 무작위로 뉴스를 읽는 것보다 더 신뢰할 수 있습니다.
• 한 사용자는 우리의 분석을 본 후 자신의 주식에 얼마나 많은 위험 요인이 있는지 깨달았습니다.

부정적인 피드백

• 속도: 보고서를 생성하는 데 몇 분이 걸립니다.
• 명확성: AI 분석이 너무 학문적이고 이해하기 어려울 수 있습니다.
• 깊이: 사용자는 더 많은 데이터(재무 지표, 가치 평가 비교 등)를 원합니다.

즉각적인 조치: 속도 개선

우리는 “너무 느림” 문제를 먼저 해결하여 평균 생성 시간을 ≈10 분에서 ≈4 분으로 줄였습니다.

사용된 방법

1. 워크플로우 최적화 – 직렬 노드를 병렬 처리로 전환했습니다.
2. LLM API 튜닝 – 다양한 응답 속도 설정을 테스트했습니다.
3. 캐싱 – 가능한 경우 캐시된 결과를 활용했습니다.

이러한 변경은 어렵지 않았으며, 단지 반복적인 다듬기가 필요했을 뿐입니다.

Note: 지금까지 우리는 사용자 시스템조차 없었고, 상업적 과금 모델은 말할 것도 없었습니다. 그것이 우리의 다음 고려 사항이었습니다.

앞으로의 계획: Version 1.0

11월에 접어들면서 시각화 분야에서 추가적인 기회를 발견했습니다. 우리는 다가오는 릴리스를 진정한 Version 1.0 으로 만들기로 했으며, 하나의 핵심 원칙에 따라 진행합니다:

“사용자가 한눈에 주식을 이해하도록 돕는다.”

이전 접근 방식이 마찰을 일으킨 이유

• 많은 제품이 사용자에게 수많은 옵션을 제공하여 다음과 같은 질문을 하게 만듭니다:

  • 기술적 분석을 포함할까?
  • 재무 정보를 깊이 파고들까?
  • 단기와 장기 중 어느 쪽에 집중할까?

• 이러한 유연성은 실제로 마찰을 증가시킵니다 because:

  • 대부분의 사용자는 주식을 포괄적으로 분석하는 방법을 모릅니다.
  • 완전한 이해를 위해서는 여러 번의 상호작용이 필요합니다.

우리의 새로운 접근 방식

• 한 번의 클릭으로 포괄적인 보고서를 생성합니다.

두 가지 키워드

• One click
• Comprehensive

변화의 영향

• 사용자 참여가 즉시 증가했습니다.
• 재방문 사용자 빈도가 증가했습니다.
• 12월 중순까지 우리는 안정적인 **주간 유지율 20 %**에 도달했습니다.

Reflections & Next Steps

• We’ve moved past the MVP stage and are now considering monetization. → 우리는 MVP 단계를 넘어 이제 수익화를 고려하고 있습니다.
• Key learning: Making the technicals easy to use is more important than we thought. → 핵심 학습: 기술을 쉽게 사용하는 것이 생각보다 더 중요합니다.

Next post: I’ll share our thoughts on monetization—though we’re still on the path, there’s already valuable insight to discuss. → 다음 글: 수익화에 대한 우리의 생각을 공유하겠습니다—아직 진행 중이지만, 이미 논의할 가치 있는 통찰이 있습니다.