만들 서비스 정하기 전에 시장을 좁히기

큰 시장이 아니라 빠르게 만날 고객부터 정한다

1인 창업가가 처음부터 '소상공인 전체'를 대상으로 제품을 만들면 거의 항상 범위가 커진다. 음식점, 미용실, 학원, 숙박업, 병원, 온라인 쇼핑몰은 모두 소상공인이지만 하루의 업무, 쓰는 도구, 돈을 내는 이유가 다르다. 같은 리뷰 문제라도 음식점 사장님에게는 '별점과 재방문'의 문제이고, 숙박업 운영자에게는 '예약 전환과 클레임'의 문제이며, 온라인 판매자에게는 '상품 상세페이지와 반품'의 문제다.

혼자 만드는 제품은 큰 시장에서 시작하지 않는다. 빠르게 만날 수 있고, 같은 문제를 반복해서 겪고, 돈을 내는 이유가 분명한 작은 고객군에서 시작한다. 시장을 좁힌다는 말은 가능성을 줄이는 일이 아니다. 오히려 첫 고객을 찾기 쉽게 만드는 일이다.

이번 장의 목표는 우리가 만들 '고객 리뷰 분석 AI SaaS'의 출발 시장을 정하는 것이다. 아직 기능을 만들지 않는다. 먼저 누구의 어떤 문제를 풀 것인지 좁힌다.

AI 생성 이미지

후보 고객군을 같은 기준으로 비교한다

처음에는 접근 가능한 고객군을 넓게 적어본다. 중요한 것은 '멋있어 보이는 시장'이 아니라 '이번 달 안에 직접 대화할 수 있는 고객'이다.

이 표에서 점수보다 중요한 것은 비교 기준이다.

첫째, 문제 빈도다. 리뷰가 한 달에 몇 개 쌓이지 않는 고객은 분석 리포트를 자주 필요로 하지 않는다. 반대로 매주 리뷰가 쌓이는 고객은 반복 업무가 생긴다.

둘째, 지불 가능성이다. 리뷰가 매출, 예약, 재구매에 영향을 준다고 느끼는 고객일수록 돈을 낼 가능성이 높다. 지역 비즈니스에서 소비자는 리뷰를 적극적으로 확인한다. BrightLocal의 2026년 조사에 따르면 소비자의 97%가 지역 비즈니스 리뷰를 읽고, 41%는 업체를 살펴볼 때 항상 리뷰를 읽는다고 답했다¹. 또한 이 조사는 오래된 리뷰보다 최근 리뷰, 별점, 사업자의 빠른 응답이 신뢰 형성에 중요한 요소가 되고 있다고 설명한다. 이 정도면 리뷰 관리는 단순한 평판 관리가 아니라 영업과 운영의 일부라고 봐야 한다.

셋째, 접근성이다. 1인 창업가는 광고비를 크게 쓰기 어렵다. 주변 지인, 지역 커뮤니티, 인스타그램 DM, 네이버 플레이스, 구글 지도, 자영업자 커뮤니티에서 직접 연락할 수 있어야 한다.

넷째, 데이터 확보 가능성이다. 제품의 첫 버전은 플랫폼 연동보다 업로드 방식이 현실적이다. 리뷰 URL, CSV, 복사한 텍스트, 엑셀 파일로 시작할 수 있어야 한다. 처음부터 모든 플랫폼 API를 붙이려 하면 개발보다 권한과 예외 처리에 시간이 더 든다.

이 기준으로 보면 첫 출발점은 '리뷰가 꾸준히 쌓이는 방문형 로컬 매장'이 적당하다. 그중에서도 음식점·카페는 리뷰 양이 비교적 많고, 사장님이 리뷰를 직접 확인하는 경우가 많으며, 개선 액션과 마케팅 문구를 바로 연결하기 쉽다.

따라서 우리의 1차 고객 가설은 이렇게 좁힌다.

최근 3개월 동안 리뷰가 30개 이상 쌓인 동네 음식점·카페 사장님 중, 리뷰를 읽고는 있지만 무엇을 고쳐야 할지 정리할 시간이 없는 사람.

아직 정답은 아니다. 하지만 이 정도로 좁혀야 다음 단계에서 인터뷰, 랜딩페이지, 대기자 명단 검증이 가능하다.

AI에게 시장조사를 맡길 때는 질문을 좁혀야 한다

AI에게 '소상공인 SaaS 아이디어 알려줘'라고 물으면 대부분 넓고 평범한 답이 나온다. 시장조사를 맡길 때는 고객군, 상황, 지불 이유, 기존 대안을 함께 넣어야 한다.

다음 프롬프트를 그대로 사용해도 좋다.

나는 1인 창업가이고, AI를 활용한 SaaS를 만들려고 한다.
대상 후보는 동네 음식점·카페 사장님이다.
이들은 네이버 플레이스, 구글 지도, 배달앱, 인스타그램 리뷰와 댓글을 신경 쓴다.

다음 기준으로 시장을 분석해줘.
1. 이 고객군이 반복적으로 겪는 리뷰 관련 문제 10가지
2. 그중 매출이나 예약에 직접 영향을 줄 가능성이 높은 문제
3. 현재 이들이 쓰는 대안: 직접 읽기, 직원에게 맡기기, 마케팅 대행사, 엑셀 정리 등
4. 돈을 낼 가능성이 있는 순간
5. AI SaaS로 만들기 쉬운 기능과 어려운 기능
6. 검증 전에 반드시 확인해야 할 위험한 가정
7. 첫 랜딩페이지에서 써볼 수 있는 문제 문장 5개

답변은 추상적인 시장 설명보다 실제 사장님이 말할 법한 문장 중심으로 작성해줘.

AI의 답변은 결론이 아니라 초안이다. 특히 다음 가정은 반드시 사람과 실제 자료로 검증해야 한다.

• 사장님이 리뷰를 꾸준히 읽고 있는가?

• 리뷰를 읽지만 정리할 시간이 부족한가?

• 부정 리뷰에 답변하는 것을 부담스러워하는가?

• 리뷰 내용에서 메뉴, 서비스, 가격, 대기 시간 같은 개선점을 찾고 싶은가?

• 좋은 리뷰를 인스타그램 문구나 광고 문구로 바꾸고 싶은가?

• 월 1만~5만 원 수준의 도구 비용을 낼 의향이 있는가?

• 리뷰 데이터를 파일로 올리는 방식에 거부감이 없는가?

• 자동 답변보다 '초안 제안 후 직접 확인' 방식을 더 신뢰하는가?

이 목록은 나중에 제품 요구사항의 뼈대가 된다. 검증되지 않은 가정은 기능으로 만들면 안 된다.

고객의 실제 불만 문장을 수집한다

시장조사는 보고서를 읽는 일이 아니라 고객의 말을 모으는 일이다. 특히 1인 창업가는 고객의 실제 표현을 놓치면 랜딩페이지 문구도, 기능 우선순위도 흐려진다.

다음 다섯 곳에서 불만 문장을 모은다.

1. 자영업자 커뮤니티
   예: 리뷰 답변, 악성 리뷰, 별점 테러, 네이버 플레이스 노출, 배달앱 리뷰 관련 글

2. 리뷰 사이트와 지도 서비스
   예: 음식점·카페의 낮은 별점 리뷰, 사장님 답글, 반복되는 불만 패턴

3. 지식인·Q&A 서비스
   예: '악성 리뷰 삭제', '리뷰 답변 어떻게', '별점 낮아졌을 때' 같은 질문

4. Reddit과 해외 커뮤니티
   예: small business reviews, restaurant owner bad reviews, respond to negative reviews

5. 앱스토어 리뷰
   예: 리뷰 관리 앱, 소셜미디어 관리 앱, 예약 관리 앱에 달린 불만

수집할 때는 요약하지 말고 원문에 가까운 표현을 남긴다. 고객의 말은 나중에 마케팅 문구가 된다.

여기서 중요한 것은 '불만의 양'보다 '반복되는 패턴'이다. 서로 다른 사장님이 비슷한 말을 한다면 문제일 가능성이 높다. 예를 들어 다음 문장이 반복된다면 좋은 신호다.

• 리뷰가 많아지니 다 읽기가 어렵다.

• 안 좋은 리뷰에 뭐라고 답해야 할지 모르겠다.

• 손님들이 계속 같은 불만을 말하는 것 같은데 정리가 안 된다.

• 좋은 리뷰를 홍보에 쓰고 싶은데 문구로 바꾸기 어렵다.

• 직원 서비스 문제인지 메뉴 문제인지 구분이 안 된다.

이런 문장은 기능 이름보다 중요하다. 우리는 '감성 분석 대시보드'를 파는 것이 아니다. '이번 주 리뷰에서 손님이 반복해서 말한 문제와 바로 고칠 액션'을 파는 것이다.

고객 리뷰 분석 AI SaaS가 첫 프로젝트로 적당한 이유

이 아이디어가 1인 창업가의 첫 프로젝트로 적당한 이유는 네 가지다.

첫째, 데이터가 이미 존재한다. 사용자가 새로 긴 글을 작성하지 않아도 된다. 리뷰, 별점, 답글, 날짜, 플랫폼 정보가 원재료다. 첫 버전은 사용자가 리뷰를 붙여넣거나 파일로 올리게 만들 수 있다.

둘째, AI가 잘하는 작업과 맞다. 리뷰를 주제별로 묶고, 긍정·부정 흐름을 나누고, 반복 불만을 찾고, 답변 초안을 만들고, 마케팅 문구로 바꾸는 일은 언어 모델이 비교적 잘 처리하는 영역이다. Sprout Social도 리뷰 관리 업무를 모니터링, 분류, 응답, 피드백 분석, 마케팅·운영 반영의 흐름으로 설명한다². 이 흐름은 AI 기능으로 쪼개기 좋다.

셋째, 결과물이 사업자의 언어로 보인다. 많은 AI 서비스는 결과가 추상적이다. 반면 리뷰 분석 리포트는 '대기 시간이 반복 불만입니다', '친절하다는 칭찬이 많습니다', '이번 주 인스타그램 문구는 이 리뷰를 활용하세요'처럼 바로 이해된다.

넷째, 작은 범위로 시작할 수 있다. 처음부터 모든 리뷰 플랫폼을 연동할 필요가 없다. 자동 수집도 나중 문제다. 첫 제품은 업로드, 분석, 리포트, 답변 초안, 마케팅 문구 생성만으로도 검증할 수 있다.

물론 위험도 있다. 플랫폼별 데이터 접근이 제한될 수 있고, AI가 과장된 결론을 만들 수 있으며, 사장님이 민감한 리뷰 데이터를 올리는 것을 꺼릴 수도 있다. 그래서 첫 버전에서는 '자동 실행'보다 '검토 가능한 제안'에 집중한다. AI가 답글을 자동으로 게시하지 않고, 사장님이 확인한 뒤 복사해 쓰게 한다. 분석 결과에도 원문 리뷰 근거를 함께 보여준다.

이번 장의 결론: 한 문장으로 좁힌다

시장을 좁힌 결과는 긴 기획서가 아니라 한 문장이어야 한다.

다음 형식을 사용하자.

우리는 [고객군]이 [반복 상황]에서 겪는 [비싼 문제]를 해결한다.
첫 제품은 [가장 작은 해결 방식]으로 제공한다.

우리의 현재 문장은 이렇게 정리할 수 있다.

우리는 리뷰가 꾸준히 쌓이는 동네 음식점·카페 사장님이 매주 리뷰를 읽고도 무엇을 개선해야 할지 정리하지 못하는 문제를 해결한다. 첫 제품은 리뷰 파일을 업로드하면 반복 불만, 개선 액션, 답변 초안, 마케팅 문구를 한 번에 보여주는 AI 리포트로 제공한다.

이 문장은 앞으로 계속 바뀔 수 있다. 인터뷰를 해보니 음식점보다 미용실이 더 절실할 수도 있고, 리뷰 분석보다 답변 초안에 더 돈을 낼 수도 있다. 괜찮다. 중요한 것은 지금 우리가 검증할 수 있는 크기로 줄였다는 점이다.

다음 장에서는 이 좁힌 시장을 바탕으로 아이디어를 '팔리는 가설'로 바꾼다. 기능 목록이 아니라 고객이 돈을 낼 만한 약속으로 바꾸는 단계다.

참고

¹BrightLocal Local Consumer Review Survey 2026

²Sprout Social Online Review Management