PIKURATE IR REPORT_24.08

I.   기업 개요

1.       기업개요

 

1)   기본 정보

-       회사명 : ㈜피큐레잇, Pikurate. Co., Ltd.

-       대표자 : 송석규

-       설립일 : 2019.09.03

-       소재지 : 본점: 제주특별자치도 서귀포시 돈내코로 172, 라비아제주 304호 (상효동), 지점(연구소): 경기 김포시 김포한강10로133번길 127 한강신도시디원시티 311,312호

-       주요사업 : 데이터베이스 및 온라인 정보 제공업 (AI 기반 정보관리 서비스 : AI powered digital curation & information management service)

-       자본금 : 2024년 6월 30일 재무재표 기준 8,438,600원 (자본잉여금 1,104,030,270원)

 

2.      주요 이력

2023.11.22 : 신한은행 오픈이노베이션 프로그램을 통해 엘지전자와 우수협업팀 선정

2023.10.27 : 총5건의 미국, 중국, 한국에서 등록된 특허와 5건의 출원 특허 확보 

2023.06.01 : 2년 연속 ‘우수' 판정을 통해 AI 데이터 바우처 사업 3년 연속 선정

2022.11.07 : 총 9명의 기술인력 확보 (총 임직원 16명)

2022.09.21 : 한-미 스타트업 서밋 데모데이 Top4 진출

2022.08.22 : 글로벌 프로덕트 런칭(미국시장 진출)

2022.07.12 : 창업성장기술개발(TIPS) 선정 (5억원)

2022.06.07 : 데이터바우처 AI가공 수요기업 2년 연속 선정(우수기업)

2022.05.19 : K-스타트업센터 지원사업 선정(미국 진출 지원)

2022.02.09 : 한국 특허 등록 "웹사이트 북마크 추천 방법 및 시스템"

2022.02.15 : 미국 특허 등록 "SYSTEMS AND METHODS FOR ENHANCED ONLINE RESEARCH"

2022.01.17 : 팀규모 10명으로 확장

2021.11.05 : 서울대기술지주 2.0억원 투자유치(Seed)

2021.10.19 : 큐레이터로 부터 선별된 링크 수집 10만건 달성

2021.09.28 : 창업성장기술개발사업(디딤돌) 선정(1.8억원)

2021.08.01 : 오픈베타 시작

2020.12.30 : 기업은행, 씨엔티테크 1.3억원 투자유치(Seed)

2020.11.01 : 클로즈드베타 시작

2019.09.03 : 법인 설립

 

3.     인력 구성

정만창 : CTO, 풀타임, 프로덕트 개발 전반, R&D, 25년 개발자, 연쇄 CTO , 다수 스타트업 팁스 과제 책임자 및 R&D 센터장 경험

임하얀 : 팀장, 풀타임, 경영지원, HR, 루이비통, 버버리 등 세일즈 업무 및 다수 스타트업 경영지원 업무

Khozhimatov Muzaffar : 사원, 풀타임, 프론트엔드 개발, 디자인, 스타트업 디자인, 기획, 프론트엔드 개발

송정우 : CFO, 파트타임, 재무 회계, 공인회계사, 다수 상장사 대표 및 CFO 경험

김용욱 : 연구책임, 파트타임, AI 개발, 20년 경력 소프트웨어 분야 연구개발 및 CTO, R&D 책임 경험

김태균 : 사업개발, 파트타임, 사업개발, 감정평가사, 기업 가치 평가업무 경험

박성혁 : 연구자문, 파트타임, 연구과제 자문, 카이스트 교수, 추천 알고리즘 전문가

김재철 : 사업개발, 파트타임, 사업개발, 감정평가사, 기업 가치 평가업무 경험

 

4.     수상이력

신한 오픈 이노베이션 우수 협업팀 선정, 2023.11

Korea-US Startup Summit 2^nd Prize, New York, 2022.09

World top 12 CEO in the social bookmarking space

 

 

5.     IP 등록 현황

미국 특허 : US 11, 250,083,B2, 2022-02-15, SYSTEMS AND METHODS FOR ENHANCED SEARCH PLATFORM

대한민국 특허 : 10-2386916, 2022-04-11, 웹사이트 북마크 추천 방법 및 시스템

               10-2581333, 2023-09-18, 향상된 온라인 리서치를 위한 시스템 및 방법

10-2588127, 2023-10-06, 북마크 이력 기반의 개인화된 콘텐츠 큐레이션 시스템 및 콘텐츠 제안 방법

중국 특허 : CN 110235121 B, 2023-10-27, 향상된 온라인 리서치를 위한 시스템 및 방법

 

 

II.        프로덕트 소개

 

1.       개발배경

 

1)   정보의 과잉

IDC에서 조사한 자료에 의하면 2010년 전세계 누적 생성 data의 양은 약 2제타바이트에서 연평균 35%(CAGR) 성장하여 2025년에는 약 180제타바이트 이상에 이를 것으로 예상하고 있음.

특히 2020년도에는 COVID-19에 의해 재택근무가 확산되고 비대면 서비스가 증가하면서 data의 생성추이가 가속화된 것으로 조사되었음.

 

2)   정보 관리의 비효율성

미국 정보관리업체 Opentext에 의하면 미국 내 응답자 76%가 정보과잉으로 스트레스를 받고 있으며, 35%가 정보과잉으로 인해 업무 시 오히려 지장을 받는다고 응답하였음. 또한 응답자 41%는 업무 중 평균 1시간 이상을 정보검색에 소요한다고 응답하였음.

최근 10여년 간 정보의 양은 크게 증가하였으나, 정보 이용자 입장에서는 정보관리의 어려움을 겪으며 효율성이 감소하는 것으로 판단됨.

 

 

3)   지식 큐레이션과 AI

지식 큐레이션은 ①지식정보의 발견 및 저장, ②지식정보의 분별과 필터링, ③지식정보의 구성, ④지식정보의 공유를 기본내용으로 하고 있으며, 큐레이팅 된 지식정보는 커스텀 AI 구현 시 중요한 메타 정보로 활용될 수 있음. 한편, AI는 큐레이션 프로덕트의 효율성을 비약적으로 증가시킴.

지식 큐레이션과 AI의 결합은 정보 과잉 및 관리의 비효율성에서 중요한 해결방안임. 큐레이션에서 AI가 기능하는 분야는 ① 사용자의 정보 수집 패턴 인식 및 자동화, ② 맥락 이해를 통해 의미를 분석하여 지식정보 자동 분류, ③ 사용자 데이터 분석 및 예측을 통해 콘텐츠 추천, ④ 큐레이팅 된 지식정보를 통해 문서 및 동영상 등의 2차 콘텐츠의 자동 생산, ⑤ 초개인화된 AI 챗봇을 통해 개인화된 질문에 대한 개인화된 답변 제공임.

정보 큐레이션 기술과 AI기술은 상호 시너지 관계를 통해 정보 이용자에게 획기적인 정보관리 기회를 제공할 수 있을 것으로 기대되며, 피큐레잇은 AI기술 기반의 지식 큐레이션 솔루션을 제공하여 정보 및 지식관리의 효율성을 향상시킬 수 있음. 특히, 개인화된 지식과 정보 데이터베이스를 기반으로 초개인화 된 챗봇을 제공하여 진보된 형태의 개인 정보활용 방식을 제안하고자 함.

 

 

2.      MVP (Beta) 프로덕트

 

1)   Master Plan

피큐레잇은 정보 과잉시대의 문제의식을 바탕으로 “정보관리의 효율화”라는 핵심가치를 실천하기 위하여 정보관리 싸이클에 맞는 Product를 생산하고 있음. 당사 프로덕트의 최종 목표는 대다수의 인터넷 사용자로부터 그들이 소비하는 모든 지식 정보를 한곳에 모으고, 다양하게 활용하는 표준 저장방식으로 선택 받는 것임.

피큐레잇의 Product Road Map에서 지식관리 싸이클에 맞춰진 프로덕트 기능의 구성은 ① 핵심 역량인 저장 기능, ② 편집 및 관리 기능, ③ 공유 기능, ④ 뷰잉 기능, ⑤ 활용 기능, ⑤ API 연동임.

 

2)   MVP : Minimum Viable Product (Beta)

 

(1) Product Overview

현재 피큐레잇의 프로덕트는 URL기반 정보의 효과적인 저장과 검색을 핵심기술로 하며, 생성형 AI 엔진을 기반으로 콘텐츠의 자동 수집 및 콘텐츠 생성, 저장 및 링크 공유까지 가능한 상태임.

 

(2) 프로덕트 기능 #1 – Search

피큐레잇 내에서 링크, 픽, 회원을 검색할 수 있는 기능으로 URL 기반의 정보와 큐레이터가 검색됨. 여기서 ‘픽(Pik)’ 은 큐레이션 된 콘텐츠, 문서 등으로 본인 또는 다른 회원이 큐레이터로서 활동하며 정리한 정보의 묶음을 의미함.

 

(3) 프로덕트 기능 #2 – Discovery

피큐레잇만의 URL 기반 알고리즘으로 맞춤 링크, 픽, 큐레이터를 추천해주는 기능임.

 

(4) 프로덕트 기능 #3,4 – Bookmark, Archive

전통적인 웹 브라우저 북마크 방식의 문제점(URL 정보의 위계화 부족, 효율적인 저장 및 관리의 어려움 등)을 해소 가능하며, 주제 및 중요도 별로 URL 관리가 가능함.

(5) 프로덕트 기능 #5 – Auto Pik(생성형 AI)

피큐레잇의 생성형 AI기능으로 검색어를 입력하면 5~10분 이내에 URL 기반 컨텐츠가 자동으로 수집되고 분류됨. Pik(정보 큐레이션 묶음) 단위로 생성되며 컨텐츠가 저장됨. 컨텐츠 검색 및 제작 시간이 절약되며, 링크모음 콘텐츠를 적은 Resource로도 무한대로 생산할 수 있으므로 콘텐츠 소비자의 욕구를 충족시킬 수 있을 것으로 기대하고 있음

 

 

 

 

 

III.        타겟 분석 & 프로덕트 기획 전략

 

1.       MVP 사용자 분석

1)   일반 현황

2021년 1월 1일 시행된 MVP에 의해 2024년 7월까지 유입된 회원수는 13,243명이며, 누적 뷰어는 약 126만명임. 검색엔진 노출에 의한 MVP자연 유입은 전체 유입 인원 중 약 98.77%로서, 방문국가는 총 214개국으로 구성됨.

지역별 방문자 비율을 살펴보면 미국 및 캐나다 북미에서 약 40.9%로 가장 많았고 그 다음이 한국이 31.9%를 차지하였음. 유럽 및 영국은 19.3% 비율을 차지하였으며 그 외 국가 방문자 비율이 7.9%를 차지하였음.

 

 

2)    MVP 열성 회원 분석

MVP 시작 후 가입기간 6개월 이상, 전체 링크수 20개 이상을 큐레이팅한 열성회원 147명을 대상으로 이들의 인구통계학적 특성과 관심분야, 피큐레잇 활용 수준을 파악하였음.

 

  열성 회원 구분 및 성별 비율

피큐레잇 MVP 열성회원의 97.2%는 개인 회원이며, 회원 전체의 70.7% 및 개인 회원의 72.7%가 남성임.

 

  열성 회원 연령별 비율

연령별로 30~40대 회원이 전체 74.8%이고 20대가 23.1%로, 왕성한 정보 관리활동을 할 것으로 기대되는 연령층이 97.9%를 차지하고 있음.

 

  열성 회원 관심 분야 비율

MVP 열성 회원의 관심 분야는 일상분야가 34.1%, IT와 게임분야 30.6%, 금융 및 마케팅 등 분야는 각 9.5% 비율을 차지하고 있음.

 

  열성 회원 관심분야별 활용 수준

MVP 열성 회원의 분야 별 활용수준을 파악해 본 결과 협업 및 공유 단계까지 활용한 사용자는 거의 없었음.

F&B, 뷰티, 금융, 의료 및 바이오 등의 효과적 정보처리가 중요한 분야에서는 콘텐츠의 분류 및 위계화와 맥락 및 평가 기능까지 활용하여 활용수준이 높았으나, 일상 분야 등은 대체로 활용수준이 낮은 것으로 파악되었음.

 

 

3)   결 론

98.7% 비율의 자연유입 회원 비율(오가닉)은 MVP 시행 이후 현재까지 별도의 마케팅 활동이 없었던 점을 감안하면 당연한 결과로 판단됨. 지역별 회원구성 측면에서 북미와 한국의 회원비율이 가장 높았으나, 유럽 및 기타 국가의 회원가입 비율은 당초 예상을 초과하는 수준이었음.

MVP 열성 회원의 인구통계학적 특성은 별도의 특이사항이 없는 일반적인 기대치와 유사하였음. MVP 열성 회원 관심분야에서 가장 큰 비중을 차지하는 분야는 ‘일상’ 분야인데, 이들의 활동수준은 대체로 정보의 분류 및 위계화에 그치고 있어 소극적 정보 관리활동에 그치고 있음.

반면, 빠른 정보 취득과 효과적 정보 관리가 필요한 분야에서는 정보의 맥락과 평가 분야 수준까지 활용하고 있어 당사 프로덕트의 본질적 가치를 발휘 할 수 있는 대상이라 판단함.

한편 피큐레잇의 활동성 지표가 협업 및 공유까지 간 사례는 거의 없었는데 이는 협업 및 공유 기능이 확장된 상업화 레벨의 프로덕트 개발을 통해 해결하고자 함.

2.      Target 사용자 및 프로덕트 기획 전략

 

1)     Target 사용자 세분화 및 프로덕트 기능 Road Map

피큐레잇은 지식 큐레이션 시스템을 종국적 목표로 하며, 향후 타겟 별 잠재 고객의 니즈와 요구하는 사용자 경험을 토대로 프로덕트 기능의 확장 및 보완을 수행할 예정임.

 

2)    Target 사용자 #1  -  큐레이션 컨텐츠 소비자

콘텐츠 큐레이션은 정보 과잉시대의 중요한 해결책으로 제시되고 있음. 이미 스트리밍 서비스 제공업체는 사용자 데이터를 기반으로 큐레이션 서비스를 제공하고 있으며, 이를 통해 고객의 콘텐츠 결정 측면에서의 피로도를 낮추는 역할을 하고 있음. 콘텐츠 큐레이션 서비스를 제공하는 대표적인 업체로는 넷플릭스(영상), 핀터레스트(이미지), 스포티파이(음원), 유튜브(영상 및 음원) 등이 있음.

 

  넷플릭스 영상 콘텐츠 큐레이션

넷플릭스는 2013년부터 사용자의 시청 기록과 선호도를 기반으로 맞춤형 추천 시스템을 제공하기 시작했음. 이를 통해 개별 사용자가 좋아할 만한 콘텐츠를 추천하는 알고리즘을 개선하고 사용자 경험을 개인화하는데 집중하여 큰 성장을 이루었음.

 

  핀터레스트 이미지 콘텐츠 큐레이션

미국의 대표적인 콘텐츠 큐레이션 업체인 핀터레스트는 2009년 창업한 이래 이미지 중심의 큐레이션 프로덕트를 제공하고 있으며, 큐레이터들이 저장하고 구성한 이미지 콘텐츠를 활용하는 사용자가 크게 증가하였음.

핀터레스트의 연간 세계 매출은 지난 2016년 약 2억 9,887만 달러를 기록한 후 2023년 30억 5,507만 달러를 기록하여 지난 7년간 약 10.22배 증가하였음. 월간 사용자 수도 지속적으로 증가하여 2023년 4분기에 4.68억명을 기록하였음.

 

  피큐레잇의 큐레이션 컨텐츠 사용자 경험

큐레이팅 된 콘텐츠를 선호하는 소비자가 크게 증가함과 동시에 최근 머신의 도움으로 링크모음 콘텐츠를 적은 Resource로도 무한대로 생산할 수 있는데, 피큐레잇은 생성형 AI 기반의 “Auto Pik” 기능으로 생성된 큐레이팅 콘텐츠로 소비자의 욕구를 충족시킬 수 있을 것으로 기대하고 있음.

 

3)    Target 사용자 #2  -  콘텐츠저장 사용자

전통적으로 온라인 이용자들은 웹 브라우저에서 제공하는 북마크 저장 시스템에 의존해왔으나, 웹 브라우저에서 제공하는 북마크 시스템은 ① URL정보의 위계화 부족, ② 맥락 등 메타정보의 활용방식의 한계 등으로 인해 저장 및 관리의 어려움이 있어 다량의 URL 기반 정보를 다루는 유저들의 불편함이 수반됨.

 

  레딧 유저의 웹브라우저 중심 북마크 시스템 불편함에 대한 의견

레딧을 통해 살펴본 전통적 웹 브라우저 중심의 북마크 사용자들의 불만으로는 ① 많은 북마크를 효과적으로 관리하는데 어려움, ② 웹 브라우저의 빈번한 오류, ③ 웹 브라우저의 동기화 문제 등임.

 

  회사 별 북마크 아카이빙 서비스 비교

한편, 북마크 관리를 효과적으로 하기 위한 시도가 있는데 포켓, 레인드랍, 카카오톡 톡서랍 등이 대표적인 예임. 포켓은 추천과 검색을 할 수 있는 기능이 있으나 정보저장의 위계와 맥락기능이 약하며, 레인드랍은 위계와 맥락, 연동기능이 일부 작동하나 폴더방식의 북마크 저장방법을 채택하고 있음. 카카오톡 톡서랍은 SNS 기능과 연계하여 검색에 특화되어 있으나 정보의 위계화, 맥락 등의 기능이 다소 약한 편임.

 

  피큐레잇의 콘텐츠 저장 사용자 경험

피큐레잇은 위계 및 맥락 부여 기능이 강점이며 따라서 사용자가 저장한 콘텐츠 등의 검색과 활용하는 데 유리한 환경임. 생성형 AI를 통해 특정 자연어를 입력하면 자동으로 콘텐츠 및 정보를 수집하고 이를 맥락과 위계가 부여된 상태로 하나의 묶여진 콘텐츠를 생산하는 “Auto Pik” 기능은 다른 업체와 사용자의 적극적 저장 및 활용 활동으로 유도할 수 있을 것으로 기대하고 있음.

 

4)    Target 사용자 #3  -  생산성 툴 사용자

생산성 소프트웨어 시장의 증가는 클라우드 기반의 소프트웨어 환경 형성이 큰 원인이었는데, 지역적 한계를 극복하고 협업과 커뮤니케이션을 할 수 있기 때문임.

그러나 Dimensional Research에서 실시한 2021년 설문조사에서, 전문가 중 32%가 원격 근무 중 회사와의 소통에서 문제를 겪었고 38%가 원격 근무를 시작한 후로 번아웃의 정도가 심해지고 있다고 답했음. Microsoft에서 실시한 설문조사에서도, 원격 근무로 전환한 후 직원 생산성 및 혁신이 저하되고 있는 것으로 드러났음. 현재까지 생상성 툴 및 협업 툴은 개선여지가 많은 것으로 판단되나, 관련 매출이 지속적으로 증가할 것으로 전망되는 점을 고려해보면 향후에도 개선된 생산성 툴에 대한 사용자 수요는 증가할 것으로 전망함.

 

  전세계 생산성 소프트웨어 매출액 추이 및 전망

Statista의 2024년 조사자료에 따르면, 전세계 생산성 소프트웨어 매출은 2016년 525.6억 달러였으나 2023년 761.3억 달러를 기록하였고 향후 2029년에 888.5억 달러를 기록할 것으로 전망하고 있음.

(단위 : billion USD)

 

  근로자당 생산성 소프트웨어 지출액

근로자별 생산성 소프트웨어 지출액은 Office SW분야가 가장 높은 수준의 지출액을 기록하고 있는데 2023년 기준 1인당 7.89 USD를 지출하고 있는 것으로 조사되었으며, 공공분야 SW가 그 다음으로 2023년 기준 4.02 USD를 기록하였음. 협업 SW 분야는 가장 높은 상승을 기록하였는데 2016년 기준 2.76 USD였으나 2029년 4.48 USD가 전망되어 2016년 대비 약 1.62배로 상승할 전망임.

 

  피큐레잇의 생산성 툴 사용자 경험

피큐레잇의 종국적 가치인 ‘정보 및 지식관리의 효율화’ 측면에서 협업과 공유 기능은 중요한 핵심 기능 중 하나로서 생산성 기능인 ‘워크스페이스’을 추가로 제공을 통해 ‘Non-Stop 지식정보 관리 시스템’을 구축하고자 함.

MVP 열성회원의 관심 분야별 MVP 사용수준 (전술 “II.- 1) –(2) MVP 열성 회원 분석” 참조)을 살펴보면 디지털 지식 정보의 관리가 필요할 것으로 예상되는 지식 노동자의 정보관리 수준이 더욱 적극적인 것을 알 수 있었으며, 상업화 레벨의 프로덕트에서 생산성 툴과 협업과 공유 기능을 추가하여 지식 노동자 등의 사용자 경험을 고도화, 전문화할 예정임.

 

5)    Target 사용자 #4  -  전문 리서치

생성형 AI는 자연어 제시를 통해 고객의 요구에 부응하는 새로운 경험을 제공할 수 있음. 생성형 AI는 딥러닝을 기반으로 ① 지식 검색 기능을 위해 데이터를 추출하고 요약, ② 다양한 데이터를 기반으로 시나리오를 평가하고 최적화, ③ 데이터 합성을 통해 문서 등 결과물 생성 등을 수행하는 것을 주요 기능으로 함.

생성형 AI의 종국적 목표는 극단적인 생산성 향상과 효율화로서, 최근 초개인화된 생성형 AI를 위한 프로세스 진행이 활발하며 그에 따른 메타 데이터 확보가 중요한 요소가 되고 있음. 마켓앤마켓의 ‘2026년까지의 메타데이터 관리 도구 시장 전망 보고서’에 따르면, 메타데이터 관리 도구 시장은 2021년부터 2026년까지 연평균 19.0%의 복합 성장률을 기록할 것으로 전망하고 있음.

 

  생성형 AI 시장 추이 및 전망

현재 생성형 AI 시장의 관심이 매우 높음. 블룸버그의 2023년 6월 보고서에 따르면 생성형 AI 시장의 규모는 2022년 약 400억 달러에 불과했으나 향후 10년간 약 1조 3,000달러로 증가하여 10년간 연평균 42% 성장률을 보일 것으로 전망하고 있음.

 

  Glean의 AI 기반 검색 프로덕트 및 커스텀 생성형 AI

미국의 조직 내 검색 기능을 핵심 프로덕트로 하는 기업인 Glean은 조직 내 축적된 데이터와 개인의 데이터를 기반으로 Custom된 생성형 AI 프로덕트를 출시하였으며, 이외에도 AI 기반의 검색기능을 강화하고 있음.

 

  피큐레잇 생성형 AI 활용

피큐레잇은 AI기술 기반의 지식 큐레이션 솔루션을 제공하여 정보 및 지식관리의 효율성을 향상시킬 수 있음. 특히, 개인화된 지식과 정보 데이터베이스를 기반으로 초개인화 된 챗봇을 제공하여 진보된 형태의 개인 정보활용 방식을 제안하고자 함.

 

  피큐레잇의 전문 리서처 사용자 경험

피큐레잇은 콘텐츠 기반의 정보 및 지식 저장과 메타 정보 획득에 강점이 있어 높은 품질의 커스텀AI 생성이 가능할 것으로 예상되며, 온라인상 리서치가 많은 사용자에게 시간의 절약과 정보의 발견 등의 경험을 제공할 것임.

 

6)    Target 사용자 #5  -  외부 온라인 사용자

링크를 관리하는 기능은 인터넷 활용의 기본이 되는 필수 기능임에도 불구하고 해당 기능을 고도화하여 시장을 선도하는 기업은 현재까지 없는 상태임.

 

  피큐레잇의 외부 온라인 사용자 경험

피큐레잇을 통해 저장되고 생성된 정보 및 지식을 외부에 연결하여 기타 외부 사용자의 접근성을 높이며, 일반 온라인 사용자 전반에 걸쳐 효과적 정보, 지식 정보 관리 시스템 경험을 실현하고자 함.

 

 

7)    결 론

 

n  피큐레잇의 핵심 역량인 콘텐츠 저장 기능 중심의 MVP(2021년 01월 개시)를 기반으로 분석한 사용자는 누적 회원수 13,243명으로서, 지역별로 미국 및 캐나다 북미에서 약 40.9%로 가장 많았고 그 다음 한국이 31.9%를 차지하였음. 피큐레잇의 MVP를 가장 열성적으로 사용했던 사용자를 분석해본 결과 관심 분야는 ‘일상' 이 가장 많았으나 활용 부문에서는 ‘비즈니스 분야의 지식, 정보를 관리’하는 사용자들이 활용수준이 높았음.

n  지식, 정보관리의 전체 생애주기를 토대로 고객의 유형과 니즈를 분석한 결과 향후 잠재 고객을 ① 큐레이션된 콘텐츠 소비자, ② 단순 콘텐츠 및 정보 저장자, ③ 생산성 툴 사용자, ④ 헤비 온라인 리서처, ⑤ 일반 온라인 사용자로 구분하였음.

n  큐레이티드 콘텐츠 소비를 선호하는 유형의 경우, 이미 시장에서 여러 플레이어가 다양한 주제에 대해서 성공적으로 큐레이티드 콘텐츠를 유통하고 있고, 핀터레스트의 이미지 큐레이션 등의 성공사례를 통해 충분한 시장확보가 가능할 것으로 판단함. 피큐레잇의 경우 ‘AI Machine Generated Curated Content’ 즉, AI 기술을 활용한 머신이 생성하는 큐레이티드 콘텐츠의 제작 및 배포를 통해 일반 유저들에게 피큐레잇의 고유한 형태의 큐레이티드 콘텐츠를 소개할 수 있고 초기에 성공적인 사용자 유입을 기대할 수 있음.

n  전통적인 북마크 시스템에 만족하지 못하는 사용자 층이 존재하며, 이를 개선하기 위한 업체들의 사례가 있으나 지식 정보를 발견, 저장, 관리, 활용하는 전체 사이클에서 관리의 비용보다 활용의 효용을 확실하게 제공하는 사례는 발견되지 않음. 피큐레잇의 경우 위계 및 맥락을 추가한다는 점에서 강점이 있고 자동 수집, 자동 분류, 자동 리서치, 챗봇으로 연계되는 자동화 기능이 추가됨에 따라 향후 생성형 AI를 통한 확실한 비교우위를 확보할 수 있어 해당 사용자 층의 흡수가 가능할 것으로 예상됨.

n  생산성 SW 시장은 모바일 환경, 비대면 업무환경의 증가로 인해 규모가 커지고 있지만 흩어져 있는 지식, 정보에 대한 저장, 관리, 활용에 대한 사용자의 니즈는 아직 충분히 해소되지 않고 있으며, 피큐레잇의 링크기반의 지식, 정보관리 솔루션을 통해 사용자에게 지식, 정보 관리의 개선된 경험을 제공하면 생산성 SW 사용자의 유입을 기대할 수 있음.

n  생성형 AI 시장이 크게 증가하고 있으며, 생성형 AI시장의 최대 관심사는 커스텀된 혹은 개인화된 AI로서 이를 위해 메타데이터 확보가 중요해지고 있음. 피큐레잇은 개인의 콘텐츠 저장과 맥락 부여로 인해 개별화된 메타데이터 확보가 용이하고 이로 인해 품질 높은 생성형 AI (챗봇)의 프로덕트 생산이 가능하므로 헤비 온라인 리서쳐의 유입을 기대할 수 있음.

n  종국적으로 피큐레잇은 전술한 프로덕트 기능을 중심으로 API 연동을 통해 기존의 대중적 솔루션 사용자의 유입까지 기대하고 있으며, 이를 통해 사용자의 외연적 확장과 피큐레잇이 구축하고자 하는 지식큐레이션 시스템을 실현하고자 함.

 

3.   Milestone

피큐레잇은 2024년 8월(3분기)에 링크 모음 콘텐츠 제공과 디스커버리 기능, AI 기반 자동 콘텐츠 추천 및 생성 기능의 2번째 MVP를 출시할 예정이며, 이후 저장·편집·관리 및 공유기능을 확장 및 보완한 3번째 MVP를 2025년 3월(1분기)까지 개발을 완료할 예정임.

이후 API 연동을 통해 외부 온라인 사용자의 접근성을 높이고 협업 기능이 가능한 상업화 수준의 최종 프로덕트를 2025년 6월(2분기)에 공개할 예정임.

 

 

IV.    경쟁사 분석

1.       Glean

1)     회사 개요

  Glean 주요 정보

 

회사명 : Glean Technology

설립시기 : 2019

설립자 : Arvind Jain (CEO), T. R. Vishwanath, Tony Gentilcore, Piyush Prahladka

주요 프로덕트 및 산업 : AI 기반 검색 엔진

Headquarters : Palo Alto, California, US

 

CEO인 Arvind Jain은 2003년부터 2014년까지 Google에서 근무하였으며, 기업 내 정보를 효과적으로 관리하기 위해 Google과 유사한 검색 엔진 구축에 주요 초점을 두고 2019년 회사를 설립하였음.

Glean의 주요 프로덕트는 기업 내 검색엔진으로서 커스텀 AI 구축까지 확장된 프로덕트를 개발 후 시장에 공개하고 있음.

 

 

2)    Timeline.

2019 : 팔로알토에서 Arvind Jain, T. R. Vishwanath, Tony Gentilcore, and Piyush Prahladka 창업

2019.03 : 1,500만달러 시리즈 A 투자 유치 성공

2021.03 : General Catalyst에게서 4,000만 달러 시리즈 B투자 유치 성공

2021.09 : 자체 검색 도구 시장에 공개

2022.03 : Sequoia Capital에서 1억 달러 시리즈 C 투자 유치 성공, 기업가치는 100억달러로 평가

2024.02 : 기업가치 220억 달러로 평가되며 2억달러 시리즈 D투자 유치 성공

현 재  : 창업 5년차 연매출 500억원 예상, 약 400명 직원

 

3)    Product (자료: Glean)

(1)   Product Overview

Workspace Search : AI 기반 회사 내 자료 및 정보 검색 엔진

Assistant : 커스텀 생성형 AI에 기반한 자동 작성 기능

App : 커스텀 생성형 AI에 기반한 개인 App

Knowledge Management : 회사 내 정보 관리 시스템, 협업 툴

Work Hub : 회사 내 정보 공지, 협업 및 생산성 툴

Connectors : API 연동

Security : 보안 설정

 

Glean은 창업초기 단편화 된 회사 내 효율적인 정보관리를 위한 취지로 시작되었으며, 회사 내 정보 검색을 효율적으로 할 수 있는 프로덕트를 출시한 회사임.

Glean의 주요 사용자 층은 회사 및 조직 내 구성원으로서 AI 엔진을 적극적으로 활용 중이며, 특히 정보의 평가와 보안문제에 중점을 두고 있음.

 

(2) Product #1 - Workspace Search

Workspace Search 프로덕트는 자연어 검색 기반의 검색엔진으로, 구성원이 질문을 하면 AI 챗봇이 이를 요약 및 정리하여 자연어로 표시해주며, 정보 출처 및 관련 자료를 요약하여 표시함.

이 경우 자연어 검색의 결과를 요약 및 정리 챗봇 아래에 적시하여 사용자가 이를 구체적으로 파악할 수 있도록 도와주고 있음.

 

(3) Product #2 - Assistant

Assistant 프로덕트는 자연어 검색 기반의 생성형 AI로서 조직 내 구성원의 요구조건에 따라 이를 요약 및 정리하여 이를 생성해 주며 AI의 결과값은 조직 내 구성된 메타데이터에 근거하므로 회사 및 조직의 요구에 부합하는 결과물이 나올 확률이 높음.

 

(4) Product #3 - App

App 프로덕트는 개인화된 메타정보를 기초로 커스텀 된 생성형 AI를 구축하고 있음. 해당 프로덕트는 API 연동이 가능하여 외부 연동이 편리함.

 

(5) Product #4 - Knowledge Management

Knowledge Management 프로덕트는 팀, 회사 단위의 업무에서 필요한 지식과 링크를 한 곳에 모아두는 기능을 하며, 자동 답변 기능, 링크모음, 링크 이동 간편화 시스템을 구축하고 있음.

 

(6) Product #5 - Work Hub

Work Hub 프로덕트는 회사 내 새로운 정보를 업데이트하고 중요 일정 및 이슈를 알려주는 일종의 공지 프로덕트로서, 회사 내 중요 정보를 구성원이 공유할 수 있는데 도움을 주고 있음.

 

(7) Product #6 - Connector & Security

Glean은 API 연동을 통해 슬랙, 구글드라이브, 아웃룩 등의 SaaS와 연결하고 있으며, 기업의 요구에 맞는 보안 프로덕트도 제공하고 있음.

 

 

4)    Pricing

Glean은 기업을 대상으로 프로덕트를 제공하므로 B2B 단위의 요금이 책정되며, 사용자 수에 기반하여 요금이 결정됨. 다만, 시장에서 일반적으로 추정되는 회사별 요금은 연간 5만 USD로 추정되고 있음.

User Type : 회 사

Pricing Model : 사용자 기반 요금제

Esitimated Price : Annual 50,000 USD

2.      Liner

1)     회사 개요

회사명 : Liner

설립시기 : 2015 (아우름플래닛에서 개발)

설립자 : 김진우, 우찬민

주요 프로덕트 및 산업 : AI 기반 하이라이트 중심 정보 큐레이션

Headquarters : 서울특별시 마포구 양화로 140, 8층, 대한민국

 

CEO인 김진우, 우찬민은 검색엔진의 불편함을 인지하고 정보과잉 시대에 효과적 정보 탐색 및 수집을 위해 형광팬에서 영감을 얻어 초개인화된 정보 큐레이션 플랫폼을 개발하였음.

Liner의 프로덕트는 웹 사이트나 PDF파일, 유튜브 영상을 기반으로 AI 요약 및 분석 기능을 제공하고 있으며, 이외에도 다양한 생성형 AI 엔진 라인업을 구성하고 있음.

 

2)    Timeline

2015.01 : 아우름플래닛이 개발

2016.06 : Seed 1.5억원 투자 유치 성공(마젤란기술투자 등)

2017.09 : Pre A 6억원 투자 유치 성공(스프링캠프, 케이브릿지인베스트먼트)

2017.1 : TIPS 5억원

2020.06 : BEP달성

2020.08 : Series A 50억 유치 성공(KB인베스트먼트, SL인베스트먼트, 캡스톤파트너스)

2022.04 : 월간활성사용자(MAU) 1,000만명 달성

2022.09 : Series B 110억 유치 성공(CJ인베스트먼트(리드), IBK기업은행, KB인베스트먼트 등)

2023.02 : 라이너AI 출시

2023.07 : 라이너 코파일럿 출시

2024.03 : 앤드리슨호로위츠(실리콘밸리 1위 VA)‘에서 생성형AI서비스 글로벌 랭킹’ 4위로 선정

 

3)    Product (자료: Liner)

(1)   Product Overview

AI Summarizer : 텍스트나 웹페이지 등을 요약해줌

AI PDF Assistant : PDF파일을 요약해줌

YouTube Video Summarizer : 유튜브 URL을 기반으로 내용을 요약해줌

 

Liner의 프로덕트는 정보의 요약을 핵심기능으로 하며, 텍스트, PDF, 유튜브 영상 파일을 형태의 정보를 중심으로 함.

 

(2) Product #1 - AI Summarizer

Liner의 AI Summarizer의 기능은 텍스트나 URL 정보를 입력하여 해당 내용의 요약을 산출하며, 사용자의 정보과잉 스트레스를 완화시켜주고 있음.

 

(3) Product #2 - AI PDF Assistant

AI PDF Assistant는 PDF파일을 드래그&드롭 시스템으로 입력하여 그 결과를 요약, 분석하거나 번역하는 프로덕트임.

 

(4) Product #3 - YouTube Video Summarizer

YouTube Video Summarizer 프로덕트는 유튜브 영상  URL을 입력하면 이를 토대로 내용을 요약해주는 프로덕트임.

 

4)    Pricing

Liner는 프로덕트 레벨에 따라 요금이 적용되며, 기본 생성형 AI를 제공하는 Basic의 경우 무료이나 필수 생성형 AI를 제공하는 경우 월 3.5만원 (연간 30만원), 실질적인 Liner 핵심 프로덕트 기능인 파일 업로드 및 요약을 제공하는 Professional의 경우 월 4.8만원 (연간 57만원)의 요금이 적용되고 있음.

 

 

3.   Nortion

1)   회사 개요

회사명 : Nortion Labs,. Inc

설립시기 : 2013

설립자 : Ivan Zhao, Chris Prucha, Jessica Lam, Simon Last and Toby Schachman

주요 프로덕트 및 산업 : AI 기반 문서작성 생산성 툴

Headquarters : San Fransisco, California, US

 

CEO인 Ivan Zhao 등은 작은 스타트업에서 시작하였으며, 당초 코드 없는 웹사이트 개발을 핵심 프로덕트로 창립하였으나 이후 협업을 위한 생산성 툴로 개발방향을 선회하여 현재에 이르고 있음.

Nortion의 주요 프로덕트는 생성형 AI, 문서작성, 지식 허브, 프로젝트 협업툴, 일정 관리 툴, 웹사이트 개발 툴임.

 

2)    Timeline

2013 : 샌프란시스코에서 창업

2015.09 : Nortion 0.5 출시

2016.08 : Nortion 1.0 출시

2018.03 : Nortion 2.0 출시

2019.09 : 회원수 1백만명

2020.01 : 5,000만 USD 투자유치, 20억 USD 기업가치

2021.09 : 2.75억 USD 투자유치, 100억 USD 기업가치

2022.06 : Cron 캘린더 소프트웨어 획득

2022.11 : 일본 서비스 개시

2023.02 : Nortion AI 서비스 런칭

2023.04 : 다중인증 서비스 개시

2024.01 : “Nortion Calender” 서비스 개시

2024.02 : 이메일 서비스 Skiff 취득

 

3)    Product (자료: Nortion)

(1)   Product Overview

AI : 생성형 AI, 프로젝트 단위 Q&A 챗봇 지원

Document : 문서작성 프로그램으로 AI에 기반하여 회의록, 디자인 등을 지원하며 협업 공간 제공 (API 연동)

Wiki : 정보 및 문서 등을 보관, 정보 검색 엔진

Project : 협업툴로서 일정관리, 정보검색, AI 문서작성, 자동화 기능 (API 연동)

Calender : 일정관리 툴 (API 연동)

Sites : 생성된 정보 및 파일을 기초로 개인화된 웹사이트 제작, AI 기반 자동 완성 기능 지원

 

Nortion은 생산성 툴을 기본으로 하고 있는 프로덕트를 운영중에 있고, 전체적으로 생산성 효율화 및 협업의 기능에 초점을 두고 있으며, 최근 AI 엔진을 도입하여 자동화, 커스텀 정보 검색기능을 확장하고 있음.

 

 

(2)  Product #1 – AI

AI 프로덕트는 프로젝트 단위에서 생성된 메타데이터에 기반하여 “Q&A” 커스텀 AI 서비스를 제공하고 있으며, 팀 탄단위의 정보를 중심으로 적정 답변을 결과값으로 산출할 수 있도록 디자인되었음.

 

(3)  Product #2 – Document

Document 프로덕트는 협업 툴로서 기능을 수행하고 있으며, Nortion의 핵심 프로덕트임. 다양한 형태의 문서 샘플을 제공하고, 문서 저장 및 검색기능을 간편화 하였음.

 

(4)  Product #3 – Wiki

Wiki 프로덕트는 조직 내 문서 및 정보 검색엔진으로서 정보 평가 시스템을 구축하고 있으며, 자동 업데이트 및 기업정보 요약 기능을 구현하고 있음.

 

(5)  Product #4 – Calander

Calander 프로덕트는 일정관리 기능으로서 무료 다운로드가 가능하며, Nortion의 기타 프로덕트 기능과 연계되어 있음.

 

 

(6)  Product #5 – Sites

Sites 프로덕트는 개인화된 웹사이트 제작과 개시가 가능하며 AI 기반 자동완성 기능을 지원하고 있음.

 

 

4)    Pricing

Nortion은 프로덕트 레벨 별 요금이 적용되며, 개인의 경우 무료이나 페이지 기록 7일, 게스트 10명으로 제한되고 파일 업로드는 5MB임. Plus 회원은 페이지 기록이 30일까지 지원되고 게스트 100명에 파일 업로드가 무제한으로서 월 10$ 과금이 적용되고, Team단위는 페이지 기록이 90일, 게스트 250명, 무제한 파일 업로드가 가능하며 월 15$의 요금이 부과됨. 기업단위는 회사의 규모 및 게스트 인원에 따라 요금이 상이함.

 

 

4.   경쟁사 비교 분석

1)     사용자 및 프로덕트 관점에서의 경쟁사 비교분석

 

피큐레잇과 Glean, Liner, Nortion은 공통적으로 정보관리의 효율성을 주요 핵심 가치로 두고 있으며, 정보관리 업체로서의 정체성을 지니고 있음.

피큐레잇과 Liner는 정보과잉을 중요 이슈로 보고 있으며, Glean과 Nortion은 정보의 파편화(단편화)를 중요 이슈로 보고 있음. 정보과잉을 중요 이슈로 보고 있는 피큐레잇과 Liner는 개인단위의 사용자를 주요 타겟으로 두고 있으나, Glean과 Nortion은 팀 내지 기업을 주요 타겟으로 두고 있음.

인식하는 이슈와 타겟으로 삼는 사용자가 달라 이를 해결하기 위한 해결책은 다소 다른데, 피큐레잇과 Liner는 정보의 큐레이션(정보 선별과 구성)을 핵심 해결책으로 두고 있으며, Glean은 검색 기능 향상, Nortion은 API를 통한 소프트웨어의 통합과 연계를 해결책으로 설정하고 있음.

핵심 프로덕트 측면에서 피큐레잇과 Glean, Liner는 검색, 큐레이션 및 저장기능을 중심으로 프로덕트를 구성하는 점은 공통점이나, 피큐레잇 및 Liner와 Glean의 프로덕트의 타겟 사용자는 피큐레잇과 Liner가 개인에 초점을 두고 있다면 Glean은 팀&회사에 초점을 두고 있는 점이 상이함. 반면, Nortion은 생산성 SW와 협업 툴을 중심으로 프로덕트가 구성되어 있으며 타겟 사용자는 팀&회사임.

Glean과 Liner는 사용자 메타데이터를 중심으로 Custom AI 기능을 추가하여 프로덕트를 확장 구성하고 있으며, Nortion 역시 Custom AI 프로덕트를 확장하고 있으나 커스텀 웹사이트 제작 툴 기능도 제공하고 있음.

현재 피큐레잇의 MVP는 저장 및 큐레이션이 프로덕트의 주요 기능이나, 향후 개인이 맥락과 위계가 있는 상태로 저장한 메타 데이터를 기반으로 품질 높은 초 개인화 Custom AI 기능을 추가할 예정이며, 생산성 SW 기능을 강화할 예정임.

2)    Data 특성과 AI 관점에서의 비교

 

피큐레잇과 Liner는 공통적으로 URL 기반의 정보를 주요 데이터로 두고 있으나, Liner는 추가적으로 PDF File 등의 파일 형태 등을 중요 데이터 타입으로 하고 있음. Glean과 Nortion은 팀, 회사 단위의 File을 중요 데이터로 처리하고 있음.

데이터의 출처 측면에서 피큐레잇은 IP를 기반으로 전세계의 웹사이트 URL 기반 데이터를 수집하고 저장할 수 있는 핵심 기술이 있으며, “Auto Pik” (AI 기반 콘텐츠 검색 및 큐레이션 엔진)을 중심으로 무제한에 가까운 데이터를 구성할 수 있음. Liner는 개인이 수집한 데이터가 프로덕트 기능상 필요한 데이터의 주요 출처이며, Glean 및 Nortion은 팀, 회사 단위의 데이터가 주요 출처임.

피큐레잇과 Glean은 AI 기술이 검색기능에서 활용되며, 피큐레잇과 Liner는 지식정보의 큐레이션 분야에서 AI 활용상 강점을 지니고 있음. Nortion은 생산성 기능 측면에서 AI 활용을 가장 잘하고 있음. 초개인화 커스텀 AI 구성 측면에서 정보 큐레이션을 프로덕트의 주요 기능으로 하는 피큐레잇, Glean, Liner가 강점을 지니고 있음.

AI 메타데이터 측면에서 피큐레잇은 기본 데이터의 출처가 전세계 웹사이트가 되므로 가장 큰 범위의 자료 수집이 가능하나, 개인 요구에 맞는 수준의 데이터는 Glean과 Liner가 강점을 지닐 것으로 판단함.

 

V.               SWOT 분석

1.       강점 및 약점

1)     강 점

(1)   URL 기반의 자동 정보 수집

 

피큐레잇은 URL기반의 자동정보 수집 기능이 가능하며, 빠른 콘텐츠 수집 및 효과적인 UI 구현이 가능함. 경쟁업체는 ① 프롬프트 기반의 챗봇에 의한 정보 수집, ② 사용자의 개별 정보 수집에 의존하는 반면, 피큐레잇은 자연어 프롬프트 기반의 AI를 통해 콘텐츠를 자동 수집하여 이를 콘텐츠 형식으로 재구성함으로써 사용자의 정보 수집 및 저장의 피로도를 낮춤.

피큐레잇은 미국, 한국 특허를 통해 URL 기반의 정보수집 방법에 대한 원천 IP를 보유하여 다른 경쟁사의 URL 수집 방법론에 대한 독점적 비교우위에 있음.

 

 

 

(2)  엔터테인먼트 요소 및 SEO

피큐레잇은 다른 경쟁사와 비교 시 콘텐츠 방식의 정보 수집, 분류 기능을 갖추어 시각적 효과에서 비교우위에 있음. 수집된 정보들을 하나의 ‘픽(Pik)’으로 구성하는 시스템으로서 개별 정보단위 묶음이 형성되며, 큐레이팅 된 콘텐츠 소비자의 유입을 기대할 수 있음.

피큐레잇은 SEO (Search Engine Optimization, 검색엔진최적화)를 적용하여 개인이 구성한 큐레이션 컨텐츠의 검색엔진 노출이 용이하며, 큐레이터의 활동 노출과 사용자 참여 가능성을 높임.

 

(3)  커스텀 AI 구현을 위한 최적의 정보 수집 방법

피큐레잇의 자동 콘텐츠 수집 시스템(Autp Pik)은 초개인화 커스텀 AI 구현을 위한 메타정보 수집의 속도를 비약적으로 늘리며, 이를 통해 효율적 커스텀 AI 구현을 위한 딥러닝이 가능한 강점이 있음.

 

2)    단 점

 

(1)    낮은 인지도

피큐레잇은 다른 경쟁사와 비교했을 때 아직까지 시장의 인지도가 낮은 단점이 있음. 이러한 단점은 피큐레잇의 프로덕트 개발과정 상 아직까지 MVP 레벨에 머물러 있기 때문인 것으로 판단되며, 향후 Market Fit Level의 프로덕트 개발을 통해 낮은 인지도를 극복할 수 있을 것으로 판단함.

 

(2)   정보의 깊이

피큐레잇은 URL 기반의 정보를 수집하고 저장하는 시스템으로 수집된 데이터의 주된 출처는 WWW상의 콘텐츠임. 따라서 경쟁사인 Glean, Liner 등과 비교 시 수집된 정보의 깊이가 낮은 편이며, 이는 향후 지속적 프로덕트 개발을 통해 문서, File 등의 수집 및 분석 기능을 강화하여 보완해 갈 예정임.

 

(3) 생산성 툴 기능

피큐레잇은 콘텐츠 수집과 저장, 분류 등에 핵심 역량이 있어 MVP레벨의 프로덕트에서는 생산성 툴 기능이 거의 없어 생산성 툴로 사용하려는 사용자 유입에 약점이 있음. 그러나, 현재 기초적 생산성 툴 기능을 개발 중이며, API 연동을 통해 생산성 툴 기능을 프로덕트 기능과 연계시켜 해당 약점을 보완해 갈 계획임.

 

2.      기회 및 위협요소

1)   기 회

현재 AI 시장은 크게 성장중인 상태로서 향후에도 큰 성장을 기록할 것으로 전망하고 있음. (“III. -2. -5) 전문 리서쳐” 참조) 기업의 생산성 증가 측면에서 AI의 도입은 필수적인 요소로 되고 있는데 그 중 기업 내지 개인의 정보에 특화된 커스텀 AI 시장이 중요한 부분이 될 것으로 전망됨.

피큐레잇은 개인의 메타정보를 수집하는 프로덕트를 핵심으로 하고 있으므로 향후 커스텀 AI 시장에서의 메타정보 수집 속도 및 정보의 양 측면에서 강점을 지녀 기회의 요소로 작용하고 있음.

 

2) 위협 요소

AI 기반 정보관리업체는 수집된 정보의 저작권 여부가 법률적 쟁점으로 이어질 가능성이 존재하고 있으며 이러한 문제인식이 점차 증가하고 있음. 또한 개인정보 취급에 대한 법률적, 윤리적 위험이 존재하고 있어 현명한 대처가 필요함.

이외에도 AI에 기반한 기술자체에 대한 본질적인 거부감을 지니는 시장의 일부 흐름도 현재 피큐레잇이 영위하고자 하는 사업에 위기 요소로 자리하고 있음.

 

VI.      Business Model

1.       개요

1)     기본 수입 구조

피큐레잇은 회원기반의 프로덕트로서 전체 사용자 수와 체류시간을 증가시고 이에 기반한 ① 광고수입, ② 챗봇기능 및 오토픽 무제한 생성 기능 등이 가능한 유료회원 구독료 수입을 기본 수입 모델로 설정할 예정임. 일반적인 경쟁사의 구독 수입 모델과 유사하나 팀&조직 단위의 B2B 사업을 주력으로 하는 Glean이나 Nortion이 구독 수입 모델만을 취하고 있다면 광고(스폰서)수입과 구독수입 두가지를 취하는 Liner와 유사한 구조로 볼 수 있음.

 

2)    Cash Flow 구조

BM 설정을 위한 Cash Flow 추정 단위는 세전 영업이익 (EBIT)으로서 수입은 전술한 기본수입구조인 유료 구독 수입과 광고부문 매출로 구성되며, 운영경비 (OE)는 변동비, 고정비 일체로 구성됨.

 

 

3)    분석의 주요 전제 및 가정

n  2024년 8월 현재 2^nd MVP 단계로서 BM분석에 의한 수입발생은 상업화 레벨의 프로덕트 (Market Fit Level Product)가 완료된 상황을 가정하였음.

n  BM 분석 시 회원 수 증가 및 네트워크 효과에 의한 신규 고객 유입 수준은 프로덕트의 만족도, 시장상황 등에 따라 편차가 발생하나, 경쟁사와 비교해 일반적이고 상식적인 수준의 프로덕트 품질이 유지되고 사용자 만족도가 발생한다는 상황을 전제하였음.

n  실제 현금의 유출입 발생 시기에도 불구하고 분석의 편의를 위하여 BM분석시 Cash Flow의 기간 단위는 연간(Annual) 발생 기준을 적용하였으며, 회원 수 증가 추정의 기간 단위는 시장의 일반적인 사용자 만족도 공유 주기를 감안하여 6개월 단위로 전제하였음.

n  회원 수 증가는 마케팅, 프로덕트의 만족도 등에 따라 차이가 발생하며, 현재 상업화 레벨의 프로덕트가 출시되지 않아 정확한 사용자 데이터 집계의 한계가 있음. 따라서 사용자를 관망회원, 충성회원 구조로 보며 관망회원과 충성회원이 자연계의 일반적 관찰 현상인 파레토 법칙(Pareto principle)에 따라 80% : 20% 비율을 유지한다 가정하였으며, 이는 안드로이드 앱 사용자 유지 곡선에서 관찰되는 비율과 유사함. (안드로이드 어플리케이션은 약 60~90일 정도가 지나면 대부분 20% 내외의 비율의 사용자만 안드로이드 어플리케이션을 유지함.)

n  신규 회원의 증가는 마케팅 효과에도 불구하고 네트워크 효과 (Network Effect)에 의한 자연 유입(오가닉)을 가정하였으며, 6개월 기간 동안 피큐레잇의 협업 기능과 추종 효과를 감안하여 ① 긍정적일 경우 충성회원 1인당 6개월간 3인 신규 고객 유치, ② 보통인 경우 충성회원 1인당 6개월간 2인 신규 고객 유치, ③ 보수적인 경우 충성회원 1인당 6개월간 1인 신규 고객 유치를 전제하였음.

 

2.   수입 : Revenue

1)     회원 수 추정

자연발생적 네트워크 효과에 의한 신규회원 증가는 충성회원으로부터 발생하며, 신규회원은 프로덕트 만족도에 따라 충성회원으로 유입되거나 관망회원으로 유입되는데 관망회원은 향후 회사 프로덕트의 기능 개선으로 충성회원으로의 전환이 가능함.

프로덕트의 가치를 꾸준히 유지하고 개선한다는 전제 아래에서 네트워크 효과에 의한 회원 수 증가는 누적적으로 발생하는데, 충성회원의 네트워크 효과가(외부 인원을 모집하는 효과) 회원 수 증가수준의 중요 요소가 됨.

 

  회원 수 기본 가정 및 전제

1단계 MVP 레벨에서의 피큐레잇 회원수는 약 1.3만명으로서 상업화 단계의 프로덕트 출시 시점 기준(0기) 약 1.5만명의 회원 수를 가정하며, 충성고객과 관망회원의 재유입 비율은 20%, 관망회원 비율은 80%를 가정하였음.

 

  시나리오별 네트워크 효과에 의한 신규 회원 유입

충성회원의 네트워크 효과에 의한 신규 회원 유입 인원 수준은 일반적인 사용자의 프로덕트 인식 시기와 협업에 의한 인식 기간을 고려하여 6개월 이내 발생을 가정하며, 시나리오별 긍정적일 경우 3명/6개월, 보통일 경우 2명/6개월, 보수적일 경우 1명/6개월로 신규 회원 유입효과를 추정하였음.

 

  시나리오별 회원 수 예측 요약

전술한 6개월 단위의 회원 수 증가 예측치를 연간 단위의 회원 수 증가 예측치로 요약한 내역은 긍적적 시나리일 경우 누적회원은 1기에 45,600명, 2기에 187,296명, 3기에 789,377명, 4기에 3,333,041명, 5기에 14,075,151명으로 추정되었으며 보통 시나리오일 경우 1기에 34,200명, 2기에 105,624명, 3기에 340,356명, 4기에 1,102,080명, 5기에 3,570,497명, 보수적 시나리오일 경우 1기에 24,000명, 2기에 50,016명, 3기에 112,086명, 4기에 255,259명, 5기에 583,284명으로 추정되었음.

 

  시나리오별 회원 수 예측

네트워크 효과에 의한 회원 수 증가 예측치는 네트워크 효과의 누적 효과로 인해 시나리오별 큰 차이를 발생시키는 데, 긍정적인 경우 5년 뒤 약 1,475만명의 회원, 보통인 경우 약 357만명, 보수적인 경우 약 58만명의 회원 수를 예측하였음.

 

 

 

2)    유료 구독 수입 추정

 

(1)   Pricing

연간 구독료는 경쟁사와의 비교 및 분석을 통해 책정하였음.

경쟁사인 Glean은 기업 및 팀 단위 솔루션 판매를 하고 있으며, 인원 당 연간 3,500달러 수준의 과금이 책정되고 있는 것으로 조사되었음. Glean은 기업 단위의 패키지 솔루션으로서 기업 내 내부 DB 확립 등의 추가 비용이 소요되므로 개인 단위의 구독료 책정인 피큐레잇과 직접 비교는 한계가 있음.

Liner의 경우 피큐레잇과 가장 유사한 포지션의 기업으로 프로모션을 적용 시 연간 20~40만원 수준의 구독료가 부과되고 있으며, 생산성 툴 중심의 정보관리업체인 Nortion의 경우 연간 120~180달러 수준의 구독료가 부과되고 있음.

피큐레잇은 경쟁사 대비 가격우위 전략을 수립하며, 콘텐츠 수집 및 저장 중심의 프로덕트 전략으로 시장의 진입을 모색하고 있으므로 연간 10만원의 구독료를 적용하였음.

 

Glean : $3,500/y

Liner : ₩200,000~400,000/y

Nortion : $120~180/y

피큐레잇 적용치 : ₩100,000/y

 

(2)  유료 회원 비율 추정

유료 회원 비율은 시장의 경쟁사 및 AI회사의 유료 회원비율을 감안하여 추정하였음.

챗GPT는 약 5%의 유료 회원 비율을 유지하고 있음. 경쟁사인 Nortion의 경우 11%의 유료 회원 비율을 유지하고 있는데 이는 생산성 툴 중심의 프로덕트 이므로 상대적으로 높은 유료회원 비율을 기록하고 있는 것으로 판단됨.

피큐레잇의 유료회원 비율은 초기 프로덕트의 성숙도와 글로벌 시장에서의 유료회원 유치, 마케팅 효과 등을 감안하여 1기에 1.0%, 2기에 1.5%, 3기에 5.0%, 4기에 8.0%, 5기에 10.0%를 추정하였음.

 

 

(3)  유료 구독 수입 추정

유료 구독 수입은 긍정적 시나리오일 경우 1기 45,600천원, 2기 280,900천원, 3기 3,946,900천원, 4기 26,664,300천원, 5기 140,751,500천원이고 보통의 시나리오일 경우 1기 34,200천원, 2기 158,400천원, 3기 1,701,800천원, 4기 8,816,600천원, 5기 35,705,000천원이며, 보수적 시나리오일 경우 1기 24,000천원, 2기 75,000천원, 3기 560,400천원, 4기 2,042,100천원, 5기 5,832,800천원으로 추정하였음.

 

3)    광고 부문 수입 추정

 

(1)   페이지 뷰 추정

과거 피큐레잇의 1단계 MVP 시행 시 연간 회원 당 페이지 뷰 수는 14.28뷰로서 경쟁사인 Nortion의 페이지 뷰는 연간 50.74뷰에 비해 낮은 수준임.

향후 상업화 레벨의 프로덕트 발생 시 큐레이팅 된 콘텐츠의 소비가 증가할 것으로 예상함에 따라 경쟁사 수준의 페이지 뷰 및 현 시점의 페이지 뷰 기록을 토대로 1기 25뷰/년, 2기 35뷰/년, 3기 45뷰/년, 4기 55뷰/년, 5기 65뷰/년으로 추정하였음.

 

 

(2)  뷰당 광고 수입 추정

MVP 1단계에서의 피큐레잇 광고수입은 뷰당 1.16원이었으며, 회원당 평균 체류시간은 0.25분이었음.

향후 체류시간 및 뷰당 광고수입은 충성(열성) 회원의 증가 효과를 감안하되 신규 회원 및 관망 회원의 상쇄효과를 감안하여 1기 1.0분/명, 2기 1.5분/명, 3기 이후 2.0분/명이며, 광고수입은 1기 1.5원/뷰, 2기 1.7원/뷰, 3기 이후 2.0원/뷰를 기록하였음.

 

(3)  광고 수입 추정

광고 수입은 긍정적 시나리오일 경우 1기 1,710천원, 2기 11,144천원, 3기 71,044천원, 4기 366,635천원, 5기 1,829,770천원이고 보통의 시나리오일 경우 1기 1,283천원, 2기 6,285천원, 3기 30,632천원, 4기 121,229천원, 5기 464,165천원이며, 보수적 시나리오일 경우 1기 900천원, 2기 2,976천원, 3기 10,088천원, 4기 28,078천원, 5기 75,827천원으로 추정하였음.

 

 

 

 

4)    수입 추정치

수입 전체 추정치는 긍정적 시나리오일 경우 1기 47,310천원, 2기 292,044천원, 3기 4,017,944천원, 4기 27,030,935천원, 5기 142,581,270천원이고 보통의 시나리오일 경우 1기 35,483천원, 2기 164,685천원, 3기 1,732,432천원, 4기 8,937,829천원, 5기 36,169,165천원이며, 보수적 시나리오일 경우 1기 24,900천원, 2기 77,976천원, 3기 570,488천원, 4기 2,070,178천원, 5기 5,908,627천원으로 추정하였음.

 

3.   EBIT 추정치

EBIT 전체 추정치는 긍정적 시나리오일 경우 1기 -336,053천원, 2기 -530,686천원, 3기 551,769천원, 4기 13,136,000천원, 5기 85,869,786천원이고 보통의 시나리오일 경우 1기 -305,290천원, 2기 -384,883천원, 3기 24,779천원, 4기 4,215,447천원, 5기 22,098,920천원이며, 보수적 시나리오일 경우 1기 -278,712천원, 2기 -295,642천원, 3기 -249,850천원, 4기 557,649천원, 5기 3,324,537천원으로 추정하였음.