「이거 고칠 수 있나요?」 커뮤니티 글에서 텐트 콘셉트까지 — 아웃도어 데모로 보는 4단계

1단계 — 시장 신호에서 「꾸준히 오르는」 신호를 고른다

시장 신호 분석의 시장 신호 화면에서 기간을 1주로 두고 소셜(커뮤니티) 데이터를 조회했습니다. 가속도 상위 3개는 「반려동물 안전」, 「내구성·수리」, 「가격 대비 가치」였습니다.

1위는 급증 표시가 붙었지만 이번 질문(텐트)과는 다른 사업부의 주제입니다. 담당자는 2위 「내구성·수리」를 골랐습니다. 직전 1주보다 언급이 30% 늘었고(가속도 30%), 급증은 아니어도 「Trending」으로 분류된 신호입니다.

1주 기준 가속도 상위 3개. 「내구성·수리」가 30% 오른 Trending 신호로 잡혔습니다 (데모 데이터)

신호에 묶인 글을 열어 보니 같은 유형이 반복됐습니다. 「텐트 이음새가 벌어졌어요」, 「이거 수리할 수 있나요?」, 「침낭·지퍼 수리 방법」 같은 글입니다. 사용자들은 새 텐트보다 지금 텐트를 어떻게 계속 쓰느냐를 묻고 있었습니다.

신호를 고를 때 한 가지를 꼭 확인합니다. 묶인 글이 실제로 그 주제를 다루는지입니다. 숫자만 믿지 말고 묶인 글을 10개쯤 직접 읽어 신호가 질문과 맞는지 본 뒤에 다음 단계로 넘어갑니다.

2단계 — AI 초안을 신호에 맞게 고쳐 콘셉트를 만든다

같은 기간의 커뮤니티 주제를 근거로 디지털 트윈 실험실의 제품 아이디어 생성을 돌리자 초안 3개가 나왔습니다. 그중 「DIY 가공 프로세스 최적화 가이드 및 키트」(초경량 소재를 직접 손질하는 키트 아이디어)가 수리·손질 흐름과 가장 가까웠습니다.

담당자는 이 초안을 그대로 쓰지 않고, 1단계 신호에 맞춰 고쳤습니다.

• v2 「현장 수리 키트를 담은 2인용 백패킹 텐트」 — 바늘·실 없이 붙이는 이음새 보수 패치 6장, 슬라이더만 바꾸는 지퍼 모듈, 폴대 수리 슬리브, 2년 무상 수리, 1.6kg, 32만 9천 원

3단계 — 가상 소비자 40명에게 묻고, AI 개선안을 그대로 받지 않는다

25~49세 한국 가상 소비자 40명에게 v2를 보여 주고 구매의향과 항목별 적합도를 물었습니다. 구매의향 Top-2-Box(4·5점 비율)는 50%였습니다.

항목별로 보면 그림이 달랐습니다. 「2년 무상 수리」 적합도는 5점 만점에 4.15로 가장 높았고, 「현장 수리 키트」는 3.3으로 좋다는 쪽과 필요 없다는 쪽이 크게 갈렸습니다. 낮은 점수의 이유는 대부분 무게와 가격이었습니다.

실험 화면의 개선 제안은 이렇게 정리했습니다.

AI 개선 제안 초안. 무게를 줄이고, 수리 기능을 빼거나 옵션으로 돌리고, 대상을 분명히 하라는 내용입니다 (데모 데이터)

여기서 담당자의 판단이 들어갑니다. AI는 수리 키트와 무상 수리를 과잉 기능으로 보고 차별점을 「수리」에서 「경량 내구성」으로 바꾸라고 했지만, 점수표에서 무상 수리는 가장 강한 항목이었습니다. 그래서 무상 수리는 남기고, 키트는 기본 2장과 별도 구매로 나누는 쪽을 골랐습니다.

• v3 「2년 무상 수리를 약속하는 2인용 경량 백패킹 텐트」 — 2년 무상 수리·택배 수거, 기본 보수 패치 2장, 확장 수리 키트 별도 구매(2만 9천 원), 1.3kg, 27만 9천 원

4단계 — 같은 조건으로 다시 묻고 버전을 비교한다

비교가 의미 있으려면 문항과 응답자 조건을 그대로 둬야 합니다. v2와 같은 조건(25~49세 한국 가상 소비자 40명, 같은 표본 설정)으로 v3를 다시 실험했습니다.

버전별 구매의향 Top-2-Box 추이와 버전 장부. v1은 AI 초안이라 실험하지 않았습니다 (데모 데이터)

항목 (점수는 5점 만점, Top-2-Box는 %, 데모 데이터)	v2	v3
구매의향 Top-2-Box	50%	62.5%
무게 적합도	3.25	4.55
무상 수리 적합도	4.15	4.70
수리 구성 적합도	3.30	4.20
가격 대비 가치	3.00	3.50

방향의 단서가 생겼습니다. 「수리」를 없애는 대신 「오래 쓰게 해 주는 약속」으로 바꾸고 무게와 값을 낮추자 반응이 좋아졌습니다. 다만 40명 표본에서는 두 버전의 신뢰구간이 겹칩니다. 「v3가 확실히 낫다」가 아니라 「v3 방향으로 실제 조사를 설계할 근거가 생겼다」로 읽어야 합니다.

여기서 사람이 확인할 것

• 응답자를 실제 사용층으로 좁혀 다시 묻기 — 이번 표본에는 캠핑을 하지 않는 사람도 섞여 「나와 관련 있다」 점수가 갈렸습니다. 다음은 백패킹 경험자만 모아 확인합니다.
• 무상 수리의 비용 감당 — 반응이 좋았던 2년 무상 수리가 실제 수리 건수와 물류비로 감당되는지는 사업부 데이터로 따로 계산합니다.
• 무엇이 반응을 올렸는지 나눠 보기 — v2에서 v3로 무게·가격·구성을 한꺼번에 바꿨기 때문에, 어느 요소가 효과를 냈는지는 이 실험으로 가릴 수 없습니다. 실제 조사에서는 요소를 나눠 비교합니다.
• 가격 대비 가치 3.5점의 의미 — 여전히 높지 않습니다. 실제 소비자 조사에서 가격 민감도를 함께 확인합니다.

우리 회사에 적용한다면

• 급증 신호 말고 「Trending」 신호 2~3개를 골라, 묶인 글을 10개 이상 직접 읽었는가
• 묶인 글이 실제로 그 주제를 다루는지 확인했는가
• AI 아이디어를 신호의 질문(사용자가 막히는 지점)에 맞게 고쳤는가
• 개선안을 받기 전에 항목별 점수표를 먼저 봤는가
• 버전을 비교할 때 문항과 응답자 조건을 그대로 뒀는가

다음 단계

같은 흐름을 소재·부품 사업에 쓰면 어떻게 될까요? 이번 주에는 이 텐트 신호를 출발점으로, 방수투습 원단을 만드는 데모그룹 첨단소재 사업부가 브랜드 고객에게 무엇을 제안할 수 있는지 차례로 살펴봅니다.

디지털 트윈 실험실에서 가상 소비자 실험의 흐름을 더 볼 수 있습니다. 우리 업종 데이터로 같은 과정을 보고 싶다면 데모를 요청하세요.

가상 인물 데이터: NVIDIA Nemotron-Personas (CC BY 4.0)