소상공인 협업 플랫폼 ‘로잇’을 와로컬 AI로 먼저 검증한 뒤, 

진주 지역 사장님 4명을 직접 만나 비교해봤습니다.

지난 글에서 이런 질문을 던졌습니다.

AI 고객의 답변은 진짜 고객검증이 될 수 있을까요?

이 질문에 말로만 답하고 싶지는 않았습니다. 그래서 제가 실제로 개발하고 있는 서비스에 와로컬 AI를 적용해보기로 했습니다.

검증 대상은 소상공인 협업·콜라보 플랫폼 ‘로잇’입니다. 먼저 와로컬 AI에서 가상 고객 인터뷰를 진행하고, 이후 진주 지역 소상공인 사장님 4명을 직접 만나 같은 기능과 가설을 확인했습니다.

과연 AI가 중요하다고 답한 기능을 실제 사장님도 중요하게 생각했을까요? AI가 예상한 우려와 현장에서 발견한 문제는 얼마나 비슷했을까요?

결과부터 말하면, AI 사장님과 실제 사장님들의 반응은 여러 핵심 지점에서 일치했습니다. 동시에 실제 현장 인터뷰를 통해서만 구체적으로 드러난 업종별 차이와 운영상의 장벽도 있었습니다.

AI는 검증할 가설의 우선순위를 빠르게 좁혀줬고, 

실제 사장님은 그 가설이 현장에서 어떤 조건으로 작동하는지 알려줬습니다.

검증 대상은 소상공인 협업 플랫폼 ‘로잇’입니다. 로잇은 지역 소상공인이 주변 매장과 제휴해 공동 쿠폰, 콜라보 상품, 상품권 등을 만들고 서로의 고객을 연결할 수 있도록 돕는 플랫폼입니다.

예를 들어 한 카페를 이용한 고객이 인근 사진관이나 음식점에서 추가 혜택을 받고, 반대로 제휴 매장의 고객이 카페의 신규 고객으로 유입되는 구조입니다.

로잇을 기획하면서 다음과 같은 가설을 세웠습니다.

-소상공인은 다른 매장과의 협업을 통해 신규 고객을 확보하고 싶어 한다.

-어떤 매장과 제휴할지 직접 선택하고 싶어 한다.

-제휴 제안과 조건 협의를 간편하게 처리할 수 있는 도구가 필요하다.

-제휴의 성과가 실제 신규 고객 유입으로 이어졌는지 확인하고 싶어 한다.

-쿠폰, 상품권, 단골 관리 기능이 협업의 지속성을 높일 수 있다.

기획자 입장에서는 모두 그럴듯해 보였습니다. 하지만 그럴듯한 가설과 실제 고객이 원하는 것은 다를 수 있습니다.

1차 검증: 와로컬 AI 고객에게 먼저 물었습니다.

와로컬 AI에서는 식료품 매장을 직접 운영하는 49세 여성 사장님 페르소나를 대상으로 1대1 가상 인터뷰를 진행했습니다. 총 7회의 질문과 답변을 통해 로잇의 주요 기능에 대한 반응을 확인했습니다.

가상 인터뷰에서 가장 강하게 확인된 신호는 ‘성과 측정’이었습니다.

신규 고객 유입 측정 기능에 대해 AI 고객은 이렇게 답했습니다.

“어차피 이런 앱을 쓰는 이유가 손님을 더 끌어오려는 거잖아요. 그럼 실제로 새 손님이 얼마나 들어왔는지는 당연히 알 수 있어야 하는 것 아닌가요?”

앱에서 콜라보를 제안하고 답변하는 기능과 쿠폰·상품권 사용 알림도 ‘있어야 하는 당연한 기능’으로 평가했습니다. 반면 제휴 매장을 직접 선택하는 기능, 조건 협의 지원, 유입이 부진할 때 다른 파트너를 추천하는 기능은 만족도를 높이는 매력적인 기능으로 받아들였습니다.

기능별 반응을 정리하면 다음과 같습니다.

이 결과만 보면 로잇의 기능 방향은 상당히 긍정적으로 보입니다. 하지만 한 명의 AI 사장님이 긍정적으로 평가했다고 해서 “시장성이 검증됐다”고 결론 내릴 수는 없습니다.

그래서 다음 단계에서는 같은 기능을 실제 매장 운영과 제휴의 의사결정권을 가진 소상공인 사장님들에게 확인했습니다. AI 인터뷰가 빠르게 세운 가설이 실제 현장에서도 반복되는지를 비교하기 위해서였습니다.

2차 검증: 실제 진주 지역 사장님 4명을 만났습니다.

다음으로 진주 지역에서 매장을 운영하는 소상공인 사장님 4명을 직접 만났습니다. 총 인터뷰 시간은 77분 41초였습니다.

인터뷰 대상은 외식업과 전문 서비스업을 포함했고, 디지털 도구에 익숙한 정도와 기존 제휴 경험도 서로 달랐습니다. 같은 기능이라도 업종과 운영 방식에 따라 반응이 어떻게 달라지는지 확인하기 위한 초기 탐색 인터뷰였습니다.

실제 사장님들의 답변에서 가장 공통적으로 나타난 질문은 이것이었습니다.

“그래서 이 제휴를 통해 새로운 손님이 실제로 몇 명 왔나요?”

사장님들이 가장 원한 것은 화려한 쿠폰이나 많은 기능이 아니었습니다. 제휴가 실제 신규 고객 유입으로 이어졌는지 확인할 수 있는 근거였습니다.

신규 방문자 확인 기능은 Kano 유효 응답자 3명 모두에게 ‘제공 수준이 높을수록 만족이 커지고, 부족하면 불만이 커지는 기능’으로 나타났습니다. 만족 계수는 1.00, 불만족 계수는 -1.00이었습니다.

표본이 작기 때문에 이 결과만으로 시장 전체를 일반화할 수는 없습니다. 그러나 로잇의 MVP 우선순위를 바꾸기에는 충분히 분명한 방향성이었습니다.

AI 고객과 실제 사장님의 답변은 어디까지 같았을까요?

두 인터뷰 결과를 비교하자 일치한 신호와 현장에서 더 구체화된 맥락이 함께 보였습니다.

특히 ‘신규 고객 유입 측정’, ‘앱에서 제휴 제안과 답변’, ‘파트너 직접 선택’, ‘조건 협의 지원’은 AI와 실제 사장님의 반응이 비교적 선명하게 일치했습니다.

AI 인터뷰는 어떤 가설을 우선 확인해야 하는지 빠르게 좁혀주는 데 도움이 됐습니다. 실제 인터뷰는 같은 가설이 현장에서 왜 중요한지, 어떤 조건에서 달라지는지를 보여줬습니다.

실제 인터뷰는 AI가 놓친 현장의 맥락을 보여줬습니다.

일치한 답변보다 더 가치 있었던 것은 서로 다른 지점이었습니다.

첫 번째는 고객의 앱 설치 장벽입니다.

사장님이 로잇의 필요성에 공감하더라도, 소비자가 별도 앱을 내려받고 회원가입까지 해야 한다면 실제 사용률이 떨어질 수 있다는 우려가 나왔습니다. 사장님을 위한 기능뿐 아니라 소비자가 QR이나 링크를 통해 설치 없이 혜택을 확인하고 사용할 수 있는 흐름이 필요했습니다.

두 번째는 제휴 매장의 품질이었습니다.

AI 고객도 직접 제휴 매장을 선택할 수 있어야 가게 이미지에 좋지 않은 영향을 피할 수 있다고 답했습니다. 실제 인터뷰에서는 이 문제가 더 큰 플랫폼 리스크로 구체화됐습니다.

평판이 낮거나 약속한 혜택을 제대로 제공하지 않는 매장이 연결되면, 고객의 실망은 해당 매장에만 머물지 않습니다. 로잇과 추천한 매장까지 함께 신뢰를 잃을 수 있습니다.

따라서 초기 입점 수를 빠르게 늘리는 것만큼 리뷰, 쿠폰 이행률, 응답 속도, 운영 태도 등을 기준으로 제휴 매장의 품질을 관리하는 일이 중요해졌습니다.

세 번째는 업종별 차이였습니다.

AI 식료품점 사장님은 상품권 선물 기능에 별다른 필요를 느끼지 못했습니다. 실제 인터뷰에서도 음식점의 반응은 크지 않았습니다. 하지만 사진관에서는 고객이 친구의 아기 촬영을 선물하고 싶다며 먼저 결제를 제안했던 실제 경험이 있었습니다.

평균적인 선호도만 보면 상품권 기능은 후순위로 밀릴 수 있습니다. 그러나 업종과 사용 상황을 나눠보면 특정 업종에서는 강한 구매 이유가 될 수 있었습니다.

중요한 것은 “이 기능을 몇 명이 좋아했는가”만이 아니라, “어떤 업종의 어떤 상황에서 반드시 필요한가”를 찾는 일이었습니다.

인터뷰 이후 로잇의 MVP 우선순위가 달라졌습니다.

처음에는 공동 쿠폰, 상품권, 콜라보 매칭 등 눈에 보이는 기능을 중심으로 로잇을 설명했습니다. 두 차례의 검증을 거친 뒤에는 우선순위가 다음과 같이 달라졌습니다.

-제휴를 통해 발생한 신규 방문자와 쿠폰 사용을 정확히 측정합니다.

-제안·수락·거절·역제안 과정을 간편하게 만듭니다.

-고객이 앱을 설치하지 않아도 QR이나 링크로 혜택을 사용할 수 있게 합니다.

-신뢰할 수 있는 매장을 선택하고 추천할 수 있는 품질 기준을 만듭니다.

-협의가 어려운 점주에게 초기 제휴 설계와 운영을 지원합니다.

-상품권과 차등 쿠폰은 모든 매장의 공통 기능이 아니라 업종별 선택 기능으로 검증합니다.

기능을 더 많이 만드는 것이 아니라, 실제 제휴가 성사되고 신규 고객 유입으로 이어지는 데 필요한 최소한의 흐름이 더 명확해진 것입니다.

AI 고객검증은 실제 고객을 대체하지 않았습니다.

이번 비교에서 AI가 실제 사장님의 반응을 완벽하게 예측했다고 말할 수는 없습니다.

가상 인터뷰는 한 명의 페르소나를 대상으로 진행됐고, 실제 인터뷰 역시 사장님 4명과 Kano 유효 응답 최대 3명의 초기 탐색 결과입니다. 아직 실제 입점, 콜라보 개설, 쿠폰 사용, 매출 증가까지 확인한 것도 아닙니다.

오히려 이번 실험에서 얻은 결론은 더 현실적입니다.

AI 고객검증은 실제 고객을 만나지 않아도 되게 만드는 기술이 아니었습니다. AI는 먼저 확인할 가설과 예상되는 위험을 빠르게 좁혀줬습니다. 실제 고객은 그 가설이 현장에서 어떻게 나타나는지, 업종과 운영 상황에 따라 무엇이 달라지는지를 알려줬습니다.

결국 고객검증은 AI와 실제 고객 중 하나를 선택하는 일이 아닙니다.

AI로 빠르게 가설을 만들고, 실제 고객의 답변과 행동으로 수정하며, 

그 결과를 다시 AI 검증 기준에 반영하는 반복 과정입니다.

이제 답변이 아니라 행동을 확인하려 합니다.

다음 단계에서는 실제 사장님들의 긍정적인 답변이 행동으로 이어지는지 확인할 예정입니다.

테스트 매장 참여 신청, 로잇 입점 등록, 첫 번째 콜라보 제안과 수락, 공동 쿠폰 발행, 소비자의 실제 쿠폰 사용, 제휴를 통한 신규 고객 유입, 유료 이용 또는 계약 의향

사장님이 “좋은 아이디어네요”라고 말하는 것과 실제로 자신의 매장을 등록하는 것은 전혀 다른 검증입니다. AI 고객이 “사용하고 싶다”고 답하는 것과 실제 시장에서 매출이 발생하는 것도 마찬가지입니다.

앞으로 와로컬 AI의 검증 결과와 로잇의 실제 입점·사용·매출 데이터를 계속 연결해보려 합니다.

AI가 발견한 어떤 신호가 실제 시장 행동과 연결됐는지, 무엇은 맞았고 무엇은 틀렸는지 솔직하게 공개하겠습니다. 고객검증의 목표는 긍정적인 답변을 얻는 것이 아니라, 아이디어를 실제 행동과 시장의 결과로 증명하는 것이기 때문입니다.

와로컬 솔루션 바로가기

[데이터 해석 시 유의사항]

본 글의 와로컬 AI 결과는 가상 인터뷰 1명, 실제 고객 결과는 진주 지역 소상공인 4명과 Kano 유효 응답 최대 3명을 바탕으로 한 초기 탐색입니다. 통계적 대표성을 주장하기보다 MVP 가설을 수정하고 다음 행동 실험을 설계하기 위한 자료로 활용했습니다.