AI 이미지 생성 플랫폼을 구축하여 48K+ 사용자에 도달한 방법

Source: Dev.to

아이디어

누구나 기술 지식 없이도 멋진 AI 이미지를 생성할 수 있는 플랫폼을 만들고 싶었습니다. 시장에는 Midjourney와 DALL‑E 같은 도구가 있었지만, 한 곳에 여러 AI 모델을 모아 보다 접근성이 높고 커뮤니티 중심의 플랫폼을 만들 기회가 있다고 생각했습니다.

기술 스택

• 프론트엔드: React + Next.js, Tailwind CSS
• 백엔드: Express 기반 Node.js
• 데이터베이스: 관계형 데이터는 PostgreSQL, 사용자 생성 콘텐츠는 MongoDB
• AI 모델: API를 통해 통합된 6가지 모델 (OpenAI, Stability AI 등)
• 결제: Stripe 연동 크레딧 기반 시스템
• 호스팅: 프론트엔드는 Vercel, API 처리용 전용 서버

핵심 아키텍처 결정

1. 멀티‑모델 접근

단일 AI 제공자에 의존하지 않고 여섯 가지 모델을 통합했습니다. 이를 통해 사용자에게 다양한 선택지를 제공하고, 단일 장애점(single‑point‑of‑failure) 위험을 줄였습니다.

// Simplified model router
const generateImage = async (prompt, model) => {
  const providers = {
    'stable-diffusion': stabilityAI,
    'dall-e': openAI,
    'custom-model': customProvider,
  };

  return providers[model].generate(prompt);
};

2. 크레딧 기반 가격 정책

구독 대신 크레딧 시스템을 도입했습니다. 사용자는 크레딧을 구매하고 이미지 생성당 소모함으로써 실제 사용량에만 비용을 지불합니다.

3. 커뮤니티 피드

커뮤니티 피드를 통해 사용자가 생성한 이미지를 공유하도록 하여 바이럴 루프를 만들었습니다. 사람들이 멋진 이미지를 보고 직접 만들고 싶어하며 가입하게 됩니다.

확장성 문제

• 데이터베이스 최적화: 응답 시간이 증가하기 시작하면서 적절한 인덱싱과 쿼리 최적화를 추가했습니다.
• Rate limiting: 남용 방지와 API 비용 관리를 위해 필수적이었습니다.
• 캐싱: 자주 조회되는 데이터를 위해 Redis 캐싱을 구현했습니다.
• 큐 시스템: 이미지 생성 작업을 백그라운드 잡으로 처리해 UI가 응답성을 유지하도록 했습니다.

결과

• 48,000명 이상의 활성 사용자
• 다국어 지원을 통한 글로벌 확장
• 마케팅 비용 최소화로 커뮤니티 주도 성장
• Lighthouse 점수 95+ (성능)

배운 점

• 빠르게 배포하고, 더 빠르게 반복하라. 첫 버전은 거칠었지만 초기 사용자 피드백이 큰 도움이 되었습니다.
• 모든 것을 모니터링하라. 커스텀 대시보드로 API 비용, 사용자 행동, 성능 지표를 추적합니다.
• 커뮤니티가 전부다. 소셜 기능이 어떤 마케팅 캠페인보다 더 큰 성장을 이끌었습니다.
• Lean하게 운영하라. 솔로 개발자로서 n8n 워크플로우를 활용해 가능한 모든 작업을 자동화했습니다.

앞으로의 계획

현재 새로운 AI 모델 통합 작업과 플랫폼 기능 확장을 진행 중입니다. AI, SaaS 아키텍처, 혹은 솔로 개발자로 제품을 만들고 싶다면 언제든지 연락 주세요!

포트폴리오는 adibghamri.com에서, 직접 체험해보고 싶다면 NanoGenArt를 확인해 보세요.

솔로 개발자로서 가장 도전적이었던 프로젝트는 무엇인가요? 아래 댓글에 남겨 주세요 — 여러분의 이야기를 듣고 싶습니다!