Alignment

Side 1 · 방문객

Spotify for local discovery.
로컬 장소 발견을 위한 Spotify.

발견에서 선택까지의 탐색 마찰

사용자는 장소를 찾을 때, 지금의 목적·동행·기분에 맞는 곳을 고르기 위해 저장 목록·지도·리뷰를 반복해서 오가야 합니다. 정보가 많아도 현재의 목적·선호·상황을 기준으로 판단할 수 있는 형태로 연결되어 있지 않습니다.

이 마찰만으로 소비자의 지불 의향을 전제하지 않습니다. 초기 소비자 가설은 실제 외출 상황에서 기존 저장 목록·지도·리뷰 대신 Around를 반복해서 여는 사용 의향과 자기주도 재진입이 생기는지입니다. 반복 사용과 실제 방문이 지역 비즈니스 운영자의 지불 가치로 이어지는지는 별도로 검증합니다.

탐색-선택 마찰

특정 목적이나 약속을 위해 후보를 모았다 하더라도, 지금의 목적·동행·예산·기분에 맞는 장소를 탐색하고 비교하는 과정은 여전히 불편합니다. 지도·리뷰·후보 목록을 반복해서 오가며 현재 상황에 맞는 선택 근거를 직접 조합해야 합니다.

Instagram 광고로 검증할 탐색-선택 마찰 검증 액션: Instagram 광고에서 “후보를 모았어도 지금의 목적·동행·예산·기분에 맞는 장소를 탐색하기 어렵다”는 메시지와, 사용자가 현재 상황과 원하는 조건을 입력한 뒤 검수된 여러 장소의 적합 이유와 주의점을 비교하는 경험을 보여 줍니다. 도달·클릭에 그치지 않고 대기 신청과 실제 방문 계획 입력, 이 탐색 방식을 사용해 보려는 행동으로 이어지는지 확인합니다. 보존-재발견 광고와 분리해 반응을 비교합니다.

탐색-선택 마찰은 누가 겪는가

방문객 프로필은 국적이나 거주지만으로 고정하지 않고, 지금 선택하려는 지역에 대한 이해도와 실제 방문 빈도로 구분합니다. 같은 사람도 자신의 생활권에서는 지역 거주자에 가깝고, 같은 도시의 낯선 동네나 다른 도시에서는 오른쪽 프로필로 이동할 수 있습니다.

탐색-선택 마찰을 만드는 정보 공백

• 카카오맵 리뷰는 비교적 솔직하다고 느껴 주로 사용하지만, 후기 내용이 충분히 다채롭거나 구체적이지 않습니다.
• 1점 평가가 다수이면 후보에서 제외하지만, 별점이 섞여 있거나 평가 이유가 없으면 자신에게 중요한 기준을 분리해 판단하기 어렵습니다.
• 맛은 좋지만 불친절하다는 평가가 많은 장소는 친절도를 중요하게 보지 않는 사람에게 여전히 좋은 후보지만 평균 별점에서는 이를 구분하기 어렵습니다.
• 네이버 지도에서는 현재 선택과 관계없는 내용이 많이 보이고, 필터를 적용해 장소를 찾는 경험도 만족스럽지 않습니다.

기존 지도 앱에서의 탐색-선택 마찰

현재 드러난 핵심은 특정 상황에 맞는 후보를 좁히고 평가 이유를 분리해, “이 정도면 손해 보지 않는다”는 확신으로 선택을 끝내기 어렵다는 점입니다.

현재 행동

• Instagram·YouTube에서 저장해 둔 장소가 있으면 그 후보부터 탐색합니다.
• 위치가 먼저 정해졌다면 지도를 열고 별점과 리뷰를 하나씩 확인합니다.
• 방문이 만족스러우면 즐겨찾기를 유지하고 실패하면 삭제합니다.
• 리뷰와 실제 경험이 다르면 강한 불쾌감이 남습니다.

원하는 보증

• 품질 하한선: 방문 자체를 후회할 정도의 나쁜 선택은 아니라는 보증을 원합니다.
• 상황 적합성: 맛·소음·조명·좌석·접객 중 자신에게 중요한 조건에 충분히 맞는다는 보증을 원합니다.
• 판단 근거: 그 동네나 분야를 잘 아는 사람이 왜 추천했는지와 주의할 점을 확인하고 선택을 끝내고 싶습니다.

발견 후 보존-재발견 마찰

Instagram·YouTube 등에서 본 장소·행사를 저장할 때, 정보가 피드·저장함·스크린샷·메모와 지도에 흩어집니다.

나중에 실제 외출 계획이 생겨도 과거에 저장한 후보가 어디에 있는지, 어떤 이유로 저장했는지 빠르게 다시 찾기 어렵습니다. 같은 장소를 다시 검색하거나 저장 위치를 차례로 확인해야 합니다.

보존-재발견 마찰은 언제 겪는가

Instagram 광고로 검증할 보존-재발견 마찰 검증 액션: Instagram 광고에서 “저장해 둔 장소를 실제 약속이 생겼을 때 다시 찾기 어렵다”는 메시지와 Around의 보관·재발견 흐름을 보여 줍니다. 도달·클릭만 보지 않고 대기 신청, Instagram 공유 저장 체험 의사, 실제 방문 계획 입력까지의 전환을 봅니다. 저장 순간의 보존 마찰과 나중에 다시 꺼내는 재발견 마찰을 나누어 반응을 비교합니다.

Side 2 · 지역 비즈니스 운영자

Amplitude for local business.
지역 비즈니스를 위한 Amplitude.

홍보와 고객 학습 문제

가설: 지역 비즈니스 운영자는 자신의 공간을 더 잘 알리고, 광고의 실제 효과를 파악하며, 재방문·이탈 이유를 학습하고 싶어할 것입니다.

• 자신이 운영하는 공간의 품질에는 자신이 있어도, 적절한 사람에게 더 잘 알릴 방법을 고민할 것입니다.
• 네이버 플레이스 등에 광고를 집행해도 실제 효과가 얼마나 좋은지 알기 어려울 것입니다.
• 손님이 다시 오는 이유와 오지 않는 이유를 파악해 매출 개선의 우선순위를 정하고 싶어할 것입니다.
• 좋은 공간이 적절한 사람에게 알려지기까지 오래 걸린다면, 그 발견 속도를 높이고 싶어할 것입니다.

타겟 세그먼트

모든 업장을 고객으로 보지 않습니다. 지금 해결할 모객·개선 과제, 실제 예산과 개선·재측정 의지가 있는 업장을 먼저 선택합니다.

초기 대상

• 구매 사건이 있는 업장: 신규 오픈·신규 지점, 신메뉴·리브랜딩, 평일·비수기 빈 좌석처럼 지금 해결할 과제가 있습니다.
• 이미 광고비를 지출하는 업장: 기존 예산의 방문·구매·공헌이익 연결에서 무엇을 모르는지 확인할 수 있습니다.
• 실제로 개선할 의지가 있는 업장: 불리한 결과도 받아들이고 운영을 바꾼 뒤 다시 측정합니다.
• 여러 지점을 운영하는 브랜드: 지점별 기준선과 의사결정권이 있으면 개선의 재현성과 확대 가능성을 비교할 수 있습니다.

신규 오픈·신규 지점은 초기 진단 후보로 분리하고, 첫 증분 모객 파일럿은 비교 기준선과 이익을 남길 수 있는 빈 좌석이 있는 S2 업장에서 시작합니다.

예외 세그먼트

단골만으로 현재 상태를 유지하려는 업장에는 이런 정보가 중요하지 않을 수 있습니다. 추가 고객을 반기지 않는 업장을 초기 고객으로 가정하지 않습니다.

• 이미 예약이 꽉 차 추가 고객을 받을 수 없는 유명 식당.
• 마케팅·실험 예산과 개선 실행 여력이 전혀 없는 영세 업장.
• 긍정 리뷰·상위 노출만 원하거나 불리한 결과를 받아들이지 않는 업장.
• 실제로 개선하거나 재측정할 의지가 없는 업장.

첫 문제 인터뷰

대상: 최근 90일 안에 실제 광고비를 지출한 업장.

• 최근 90일에 어떤 광고 채널에 얼마를 언제 지출했습니까?
• 어떤 문제나 사건 때문에 광고를 시작했습니까?
• 광고를 통해 언제까지 어떤 결과를 기대했습니까?
• 집행 후 무엇까지 측정할 수 있었고, 실제 방문·구매 효과까지 연결할 수 있었습니까?
• 손님이 다시 오는 이유와 오지 않는 이유를 현재 어떻게 파악합니까?
• 알 수 없는 정보 때문에 미루거나 감으로 내린 결정은 무엇입니까?

문제 판단 축

플레이어

플레이어는 고정된 인구집단이 아니라 특정 동네와 행동에서 맡는 역할입니다. 같은 사람도 낯선 동네에서는 도시 탐험자이고, 자신이 잘 아는 생활권에서는 지역 경험 기여자가 될 수 있습니다.

사용자에게 수집할 공간 경험 정보

모든 사용자에게 긴 리뷰를 한 번에 요구하지 않습니다. MVP에서는 장소를 판단·실행하는 데 필요한 후보 근거를 만들고, Phase 1에서는 발견·저장·선택 맥락을 연결합니다. Phase 2에서는 실제 방문자가 정보 공백과 신선도에 맞춰 현실 경험을 본격적으로 보탭니다.

MVP · 후보 판단 정보

• 기본 이용 정보
  • 정확한 장소명·지점
  • 업종·공간 스타일
  • 영업시간·정기 휴무
  • 메뉴 구성과 가격대
  • 예약·현장 방문 방식
• 방문 제약 정보
  • 반려동물 동반 가능 여부와 조건
  • 주차 방식·요금
  • 화장실 유무
  • 층수·엘리베이터·접근성
  • Wi-Fi와 좌석·콘센트 정보
• 정보의 신뢰 단서
  • 출처와 마지막 확인일
  • 확정하지 못한 정보의 상태

Phase 1 · 발견과 개인 맥락

• 외부 발견 출처와 정확한 장소·지점
• 사용자가 남긴 저장 이유와 개인 메모
• 후보의 선택·제외 이유와 사용자가 확인한 조건
• Archive에서 다시 찾은 시점과 탐색 조건
• 사용자가 직접 고른 공유 대상과 공개 범위

Phase 2 · 실제 방문 경험 정보

• 방문 사실과 맥락
  • 실제 방문 여부와 시점
  • 동행·목적
  • 추천·저장 뒤 방문했는지
• 현장 경험
  • 맛·메뉴
  • 소음·조명·좌석의 편안함
  • 대기·혼잡
  • 접객·서비스처럼 방문 전에는 알기 어려운 경험
• 현장 정보의 최신성
  • 메뉴·가격·운영 상태의 변경
  • Wi-Fi·화장실·주차·반려동물 동반 조건의 확인
• 선택 결과
  • 기대와 실제 경험의 일치·불일치
  • 만족·재방문 의향
  • 다음 사용자에게 필요한 주의점

이 정보는 단순 별점을 늘리기 위한 것이 아니라, 다음 사용자가 자신의 상황에서 장소를 판단할 근거를 만드는 데 씁니다.

선택 보증

Around의 핵심 약속은 모든 사람에게 객관적인 최선을 보장하는 것이 아니라, 기본 품질을 통과한 후보 중 지금 이 사람의 상황에 충분히 맞는 선택을 근거와 불확실성까지 함께 제시하는 것입니다.

100배 좋은 탐색 경험은 뭘까?

100배 좋은 탐색 경험은 더 많은 장소를 나열하는 것이 아니라, 특정 지역에서 누구와 어떤 시간을 보낼지 정할 때 필요한 여러 판단을 한 번의 설명과 몇 번의 승인으로 압축하는 경험입니다. 아래는 Phase 1 기능 목록이 아니라, Around가 장기적으로 도달하려는 탐색 경험의 기준입니다.

이를 위해 Around는 장소를 나열하는 검색 서비스가 아니라, 사용자의 맥락을 이해해 선택과 실행을 돕는 개인 전담 컨시어지 사용자의 목적·동행·시간·예산과 피하고 싶은 조건을 기억하고, 장소·동선·예약·대안을 조율하는 개인 담당자 수준의 판단 지원입니다. Around의 목표는 이 고가의 사람 중심 경험을 기술로 더 많은 사람에게 제공하는 것입니다. 와 Fixer Fixer는 현지를 깊이 이해하고 여행자를 대신해 더 좋은 판단을 내리는 현지 전문가입니다. 예약만 처리하지 않고, 가지 말아야 할 이유·더 나은 대안·방문 시간·체력까지 고려해 경험을 조정합니다. 같은 장소도 메뉴와 시간, 맥락을 아는 사람이 돕느냐에 따라 결과가 달라질 수 있습니다. 역할을 해야 합니다.

제품

MVP

MVP는 한정된 지역의 실제 외출 상황에서 Around가 기존 지도·SNS 탐색보다 지금 필요한 검증 공간을 더 잘 찾게 하는지 확인하는 가장 작은 제품입니다. 방문 결정형 사용자의 상황·조건 입력 → 검수된 후보와 근거 비교 → 장소 선택 → 외부 지도 실행에 집중합니다.

가치 제안

지금 나에게 필요한 검증된 공간을, 여러 앱을 다시 뒤지지 않고 찾게 합니다.

공개되었거나 이용이 허용된 장소 데이터와 Around의 자체 검수 정보를 하나의 공간 DB로 정리하고, 사용자의 목적·동행·예산·시간·분위기에 맞는 후보를 빠르게 좁혀 보여 줍니다. 사용자는 각 공간이 지금 필요한 이유와 주의점·정보 확인일을 비교하고 한 곳을 선택합니다.

검증하는 가설

검증 순서

첫 제품 루프

상황·조건 입력 → 검증된 공간 탐색 → 적합 근거 비교 → 장소 선택·외부 지도 실행

여러 장소 데이터의 명칭·지점·위치·영업 정보와 Around의 경험 검수 정보를 공통 기준으로 정규화하고, 검색과 비교 UX가 현재 상황에 맞는 공간을 빠르게 찾도록 돕습니다. 초기 검증은 홍대권의 제한된 업종과 실제 외출 상황에서 시작하지만, 네 가지 고정 조합이나 정해진 후보 수 자체를 제품 가치로 제시하지 않습니다. 영업·휴무·예약 조건은 7일, 가격·소음·체류·상황 적합성은 30일이 지나면 비노출하고 다시 검수합니다. 외부 지도 실행은 방문으로 간주하지 않으며 실제 선택·방문 결과는 자기보고로 따로 확인합니다.

첫 MVP에서 제외

• 외부 발견물·스크린샷·공유 링크 가져오기
• 범용 개인 Archive와 내부 전체 지도
• 상대방 공동 선택·후보 공유
• 생성형 무제한 추천·완성 일정
• 네이티브 앱, Check-in·리뷰·보상·업장 기능

아래 확장 기능은 첫 결정 가치와 자기주도 재진입이 확인된 뒤 Phase 1에서 순서대로 활성화합니다. 회원가입·랜딩 클릭·팔로워·총저장 수는 MVP 가설의 통과 증거가 아닙니다.

Phase 1

Phase 1은 MVP에서 검증한 방문 결정을 출발점으로, 사용자가 자신의 취향에 맞는 Spot을 한곳에 모으고 필요할 때 다시 꺼내 쓰는 경험을 검증합니다. MVP에서 선택한 공간과 외부에서 발견한 공간을 같은 개인 Spot 컬렉션에 쌓고, 왜 저장했는지까지 남겨 다음 장소 결정에 다시 사용하게 합니다.

Phase 1 핵심 루프

Spot 발견·선택 → 취향과 이유를 담아 모으기 → 상황에 맞게 다시 꺼내기

검증 기준과 경계

총저장 수만으로 Phase 1을 통과하지 않습니다. 외부와 Around의 서로 다른 발견에서 Spot을 실제로 모으고, 7일·30일 안에 다시 열거나 검색하고, 이후 장소 결정에 사용했는지를 봅니다. 지도·공유는 이 재사용을 돕는 후속 기능입니다.

Phase 2

Phase 2는 지역을 넓히며 지역 거주 탐색자의 실제 방문을 검증 가능한 공간 경험 데이터로 바꾸고, 그 데이터로 탐색을 고도화하는 단계입니다. MVP의 방문 결정과 Phase 1의 발견·저장·재탐색이 반복 가치를 만든 시장 셀에서, 해당 지역을 잘 아는 사람을 별도로 모집하고 기여를 재미·보상·평판으로 반복시킵니다.

목적

지역 경험 기여자의 실제 방문과 관찰이 다음 사람의 선택 근거로 돌아가게 합니다. 한 번의 방문이 장소의 최신성·상황별 경험·정보 공백을 채우고, 기여자는 자신의 탐험 범위와 안목, 실제 영향력을 쌓아 다시 참여할 이유를 얻습니다.

탐색 고도화

MVP가 한정된 상황과 검수 후보의 첫 결정을 검증하고 Phase 1이 취향 Spot을 모아 다시 찾고 다음 결정에 쓰는 반복 가치를 만들었다면, Phase 2에서는 지역 기여자가 채운 더 넓은 지역의 최신 현장 정보를 함께 탐색합니다. 지역·목적·동행·시간·기피 조건으로 후보를 좁히고, 확인 시점·정보 공백·상황별 적합성을 비교해 실제 갈 곳을 정합니다.

지역 경험 기여 루프

Phase 3

Phase 3는 방문객 수요와 검증된 현실 경험 데이터를 업장의 적합 고객 유입·캠페인 측정·운영 개선 가치로 전환하는 단계입니다. Phase 2에서 쌓인 검증 Check-in과 경험 정보를 익명·집계하고, 실제 고객 획득과 운영 과제가 있는 지역 비즈니스 운영자에게 유료 제품으로 제공합니다.

전제조건 예시

다음 수치는 한 지역 셀에 최소한의 수요와 기여 공급이 형성됐는지 논의하기 위한 초기 예시이며, Phase 3 유료 파일럿의 확정된 진입 조건이 아닙니다. 실제 기준은 Phase 2 운영 데이터를 확인한 뒤 파일럿 시작 전에 고정합니다.

• 30일 유효 MAU 3,000명 이상
• 월 GPS 검증 Check-in 300건 이상
• 월 고유 Check-in 방문자 100명 이상
• 위 세 조건을 3개월 연속 확보

유효 MAU는 단순 페이지 방문자가 아니라 해당 지역의 장소를 탐색·저장·선택하거나 미션에 참여할 수 있는 사용자를 의미합니다. Check-in 조건은 Phase 2에서 자연 방문과 반복 기여가 실제로 쌓이는지를 확인하는 공급 기준입니다.

Phase 3 진입 후 초기 운영 목표의 예시는 다음과 같습니다.

• 파일럿 업장 5곳
• 업장당 월 약 16건, 전체 월 80건의 GPS 검증 미션 방문 제공

목적

지역 비즈니스 운영자가 어떤 고객이 왜 방문하고 선택하거나 이탈했는지 이해해 실제 운영을 바꾸고, Around가 만든 증분 공헌이익 안에서 반복 비용을 지불하게 합니다. 업장이 결제해도 평가 결과·품질 통과·추천 순위는 통제할 수 없습니다.

업장 솔루션

궁극적 서비스 모델

Phase별 출시 범위와 별개로, Around는 장소의 발견부터 방문 후 공간 경험 리포트까지를 연결해 다음 선택과 지역 비즈니스 운영자의 판단에 쓰이는 정보를 축적합니다.

직접 소유할 의사결정 기록

예약·결제를 반드시 직접 만들 필요는 없습니다. 특히 카페나 식당은 예약 없이 방문하는 경우도 많습니다. 대신 Around는 선택의 앞뒤를 연결하는 아래 네 가지를 반드시 남깁니다.

1. 왜 이 장소가 후보가 됐는가
2. 무엇과 비교해 이곳을 골랐는가
3. 실제로 방문했는가
4. 선택 결과가 좋았는가

리뷰와 평가 구조

타베로그의 평가 구조에서 가져올 원칙과 Around에서 별도로 정해야 할 운영 방식을 구분합니다.

타베로그 평점 및 랭킹 안내

기존 서비스와의 경쟁우위

• 신뢰 원칙: 돈을 낸 업장은 좋은 평가·기준 통과·추천 우선순위를 살 수 없습니다.
• 평가 구조: 해당 음식이나 지역을 잘 아는 여러 사람이 평가하며, 업장이나 개인 한 명의 판단만으로 결과를 좌우할 수 없습니다.
• 경쟁우위 가설: 이 구조가 한 명의 유료 콘텐츠나 일반 별점보다 더 신뢰할 수 있는 장소 판단과 개선 정보를 만듭니다.
• 미확인: 적합한 평가자를 판별하고 충분히 모집할 수 있는지, 다수 평가가 실제 신뢰와 의사결정을 높이는지는 검증이 필요합니다.

시간을 보내는 선택의 중요성

앞으로 어디에서 누구와 시간을 보낼 것인가는 더욱 중요한 선택이 될 것입니다.

자기표현 수요와 장소 취향의 세분화

Around는 한국의 소비시장이 소수의 대형 브랜드와 대중적 유행 중심에서 수많은 스몰 브랜드와 세분화된 취향 집단이 공존하는 구조로 이동하고 있다고 봅니다. 패션·주류·커피처럼 일상과 맞닿은 시장에서 신진 브랜드·소규모 생산자·다양한 상품과 공간이 늘고, 실제 거래와 매출도 확대됐습니다. 이는 소비자가 하나의 주류 취향만을 따르기보다 여러 작은 취향과 상황에 따라 선택하는 환경이 커졌다는 신호입니다.

여가와 도시 경험에서도 사람들은 단순히 가장 싼 선택보다 자신의 시간과 돈을 쓸 만큼 만족스러운 경험을 원합니다. 그러나 이 다채로운 공간을 발견하는 지도는 여전히 검색어·거리·별점·광고와 이미 형성된 인기를 중심으로 작동합니다. 지도는 많은 장소를 보여 주지만, 지금 이 사람에게 왜 이 공간이 맞는지를 충분히 드러내지 못합니다.

무신사 입점 브랜드 추이 · 전통주 제조면허 · 와인 수입 연구 · 개인 취향 인식 조사

AI가 구조화할 수 있는 도시의 행동 가능성

AI는 도시를 대신 경험할 수 없습니다. 도시의 정보는 사람들의 체험으로부터 수집됩니다.

장소의 affordance, 즉 행동 가능성

좋은 장소 데이터는 장소의 속성을 많이 나열하는 정보가 아닙니다. 장소의 행동 가능성은 특정 사람이 특정 상황에서 그 장소에서 원하는 활동을 실제로 성공할 수 있는 정도입니다.

장소 × 사람 × 목적 × 동행 × 시간대 × 제약 → 가능한 활동과 실제 결과

이 기록은 혼자 빨리 식사할 수 있는지, 두 명이 오래 대화할 수 있는지, 4명이 함께 앉을 수 있는지, 노트북으로 작업할 수 있는지, 아이·외국인과 어려움 없이 방문할 수 있는지, 시끄러운 시간을 피할 수 있는지, 특정 메뉴를 먹기 위해 기다릴 가치가 있는지에 답합니다.

지도 서비스의 리뷰와 사진에도 이 단서의 일부가 있을 수 있습니다. Around가 검증할 차이는 이를 상황 → 행동 → 결과로 구조화하고, 실제 선택·방문과 연결해 다음 사용자의 선택 근거로 다시 쓰는 데 있습니다.

국내 지도 시장의 전환기

지도는 일상에서 반복해 쓰는 고빈도 서비스이지만, 국내 사용은 네이버지도와 카카오맵을 중심으로 강하게 집중되어 있습니다. Around가 보는 기회는 지도 수요를 새로 만드는 데 있지 않습니다. 이 양강 구조가 흔들릴 때 장소 발견과 선택뿐 아니라 광고비의 흐름, 방문 실행, 지역 비즈니스의 고객 학습까지 다시 설계할 수 있는 큰 기회가 열립니다.

Around는 먼저 사용자의 맥락과 현실 경험을 기반으로 한 선택 계층에서 반복 사용을 이동시키고, 이후 실행·거래 계층으로 확장할 수 있는지를 검증합니다.

Google Maps 내비게이션 개방이 만드는 기회

2026년 8월 기준 진행 상황

2026-02-27 정부는 보안 조건을 전제로 구글의 1:5,000 지도 반출을 허가했습니다. 반출 범위는 내비게이션·길찾기에 필요한 기본 바탕지도와 도로 교통망으로 제한되며, 국내 서버 활용·보안시설 처리·사후관리 등의 조건이 붙습니다. 이는 서비스 출시가 아니라 지도 반출을 위한 허가 결정입니다.

2026-04-24에는 국토교통부와 구글이 AI 공간정보·도시·교통 분야 협력 가능성을 논의했습니다. 다만 2026-08-29 기준 국토교통부와 Google의 공개 자료에서는 국내 사용자용 Google Maps 내비게이션의 출시일, 지원 수단, 정확한 기능 범위, 스타트업의 API·상업 이용 조건을 확인하지 못했습니다. 따라서 지금은 허가 완료·출시 미확정 상태로 다룹니다.

실제 길찾기가 제공될 때 가능한 것

• 초기 선택·실행 연결: Around가 “왜 이 장소인가”를 제안하고, 사용자는 자신이 익숙한 Google Maps 길찾기로 바로 이동합니다. 이 외부 실행은 초기 진입 마찰을 줄이고 결정 흐름의 완료를 보여 주지만 실제 방문을 증명하지는 않습니다.
• 궁극적 Around 내비게이션: 한국에서 Google Navigation SDK와 상업 이용 조건이 열리면, iOS·Android Around 앱 안에 브랜드화한 길안내 화면을 임베드할 수 있습니다. 지도·경로 엔진을 독자 구축하기보다 Google 기반 길안내 위에 추천 이유·경로·도착 전후 경험·Check-in 전환을 끊기지 않게 설계합니다.
• 외국인 방문객의 진입 마찰 감소: 언어·장소명·지점 확인을 마친 추천을 글로벌 지도 환경에서 실행할 수 있어, 국내 지도 앱을 새로 학습해야 하는 부담이 줄어듭니다.
• 차별점의 선명화: 길찾기가 범용 실행 계층이 될수록 Around는 지역의 실제 경험, 사용자의 목적·동행·기피 조건, 후보 비교 이유처럼 선택 직전의 판단 정보에 집중할 수 있습니다.
• 방문 루프의 설계: 외부 지도 실행은 Around 안에서 후보를 선택한 뒤 실행 단계로 넘어갔다는 신호입니다. 실제 방문·만족은 Check-in이나 사용자의 후속 확인으로 별도 수집해야 합니다.

지도 반출 허가만으로는 연동 권한과 경쟁우위가 확보되지 않습니다

• 지도 반출 허가가 Around의 Google Maps API 사용권, 교통·경로 데이터 접근권, 사용자 도착 기록을 자동으로 주지는 않습니다.
• Google이 검색·추천까지 빠르게 강화하면 외국인 대상 탐색 공백 자체는 작아질 수 있습니다. Around는 단순 장소 추천이 아니라 선택 근거와 현실 경험 데이터의 우위를 증명해야 합니다.
• 출시 공지와 API·상업 이용 약관이 나온 뒤에만 지도 연동 범위와 해외 방문객 GTM을 확정합니다.

지도 앱 MAU · 구글 지도 반출 허가 · 국토교통부·구글 후속 협력 논의 · Google Navigation SDK 커버리지 · 네이버지도 발견 탭 · 국내 지도 앱 경쟁

F&B에서 도시 경험으로

F&B 진입점

F&B는 Around의 최종 범주가 아니라 첫 검증 셀입니다. 반복 선택, 상황 적합성, 방문·거래 검증과 운영자 지불을 한 동네에서 짧은 주기로 함께 확인할 수 있기 때문입니다. 여기서 검증할 것은 음식 리뷰가 아니라 발견 → 선택 → 검증 방문 → 경험 데이터 → 운영자 Intelligence → 재투자의 순환입니다.

확장 단계

한 F&B 시장 셀이 통과하면 지역과 분야를 동시에 넓히지 않고, 같은 순환을 다음 도시 경험 축에 차례로 적용합니다.

참여자와 지불자

Around는 서비스를 사용하는 사람과 돈을 내는 고객이 다릅니다. 방문객과 지역 경험 기여자는 Around가 먼저 가치를 제공해 참여를 만들어야 하는 사용자이고, 지역 비즈니스 운영자는 그 참여에서 만들어진 고객 연결과 인사이트를 구매하는 지불 고객입니다.

방문객 수와 기여자 수는 시장의 유동성과 데이터 생산 능력을 보여 주지만 그 자체가 Around의 매출은 아닙니다. 초기에는 지역 비즈니스 운영자의 예산이 사용자 보상과 신뢰 운영을 지원하고, 사용자 행동과 현실 경험 정보가 다시 비즈니스 가치를 만드는 B2C2B 순환을 검증합니다.

수익 모델

F&B 캠페인 이후의 수익 확장

F&B 업장별 미션을 운영하고 실제 집행액의 20%만 남기는 구조만으로는 매출이 업장 수·미션 수와 검수 운영량에 비례하기 쉽습니다. 따라서 F&B는 방문 귀속과 운영자 지불을 검증하는 진입점으로 두고, 같은 발견·선택·방문 검증·운영자 Intelligence 코어를 거래 단가와 반복성이 더 큰 도시 경험으로 확장합니다.

지역과 분야를 동시에 넓히지 않습니다. 한 시장 셀에서 단위 경제성과 재구매가 확인된 뒤 F&B → 공연·전시·체험 → 웰니스 순서로 확장하며, 각 분야의 실제 결제·갱신·성과 귀속을 새로 검증합니다.

업장은 캠페인 한도를 승인하거나 예치하고, Around는 캠페인 조건을 충족한 사용자 풀에 미션을 무작위로 배분합니다. 사용자는 업장에서 직접 결제한 뒤 GPS Check-in과 영수증 인증으로 수행을 확인받고, Around는 업장 예산에서 미션에 정해진 금액을 Payback합니다. 캠페인 한도는 즉시 전액 소진되는 비용이 아니며, 검증된 미션이 완료된 만큼만 Payback 80%와 Around 잔여분 20%로 집행됩니다. 미집행액은 업장 잔액으로 이월하거나 환불합니다.

Around는 초기 반복 상품인 Growth·Scale에서 실제 캠페인 집행액의 20%를 수익으로 남기는 모델을 검증합니다. Entry는 캠페인 수수료가 아니라 검증 업장 풀 입단 여부를 판정하는 고정 검증비 10만원을 별도로 받습니다. Intelligence 구독은 반복 리포트가 업장의 실제 운영 판단에 사용되고 캠페인과 별개로 갱신할 의향이 확인된 이후에 추가합니다. 아래 금액은 확정 요금제가 아니라 유료 파일럿에서 한도 소진율·거절 가격·재구매·원가를 확인하기 위한 가격 가설입니다.

미션 한 건의 자금 흐름

1. 업장은 캠페인 한도와 미션당 Payback 조건을 정합니다.
2. Around는 적격 사용자 풀에 미션을 무작위로 배분합니다.
3. 사용자는 업장에서 구매대금을 직접 결제하며, 이 금액은 업장의 매출이 됩니다.
4. GPS Check-in과 영수증 인증을 모두 통과하면 Around가 사용자에게 약속한 Payback을 지급합니다.
5. 실제 캠페인 집행액은 Payback ÷ 80%이며, 80%는 사용자에게 지급되고 20%는 Around에 남습니다.
6. 수행되지 않거나 검증을 통과하지 못한 미션은 캠페인 한도를 차감하지 않습니다.

플랜과 가격 가설

Entry · 검증 업장 풀 입단 테스트

Entry는 비용을 내면 노출이나 추천 순위를 사는 상품이 아닙니다. 정해진 기간에 방문한 고객의 검증 결과로 해당 업장이 Around의 검증 업장 풀에 들어올 수 있는지를 판단하는 유료 입단 테스트입니다. 카페는 평균 객단가를 8,000원으로 가정해 이를 1인 Payback 기준으로 두고, 고유 검증 방문자 20명을 기본 표본으로 봅니다. 결과가 불명확하거나 표본이 부족할 때만 최대 30명까지 확장합니다.

업장의 초기 총 부담은 기본 Payback 예산을 포함해 26만원, 표본을 최대 30명까지 확장하면 34만원입니다. GPS Check-in과 영수증 인증을 모두 통과한 고객만 표본과 Payback 지급 대상에 포함합니다. 미방문·인증 미완료·검증 실패 건에는 Payback을 지급하지 않으며, 고정 검증비 10만원을 내더라도 입단이나 추천 순위를 보장하지 않습니다. 10만원의 가격 수용성과 통과 기준은 유료 파일럿에서 검증합니다.

Intelligence 구독은 초기 가격표와 매출 계산에서 제외합니다. 반복 리포트가 업장의 운영 결정을 바꾸고 캠페인과 독립적으로 재구매·갱신될 때 별도 상품으로 검증합니다.

Growth·Scale의 캠페인 실제 집행액은 검증된 미션의 Payback과 Around 잔여분을 합한 금액입니다. 사용자가 업장에 직접 결제한 금액은 검증 구매액으로 추적하지만 업장의 매출이므로 Around 매출에 더하지 않습니다. 업장이 미리 예치한 미집행액도 매출이 아니라 캠페인 잔액으로 관리합니다. Entry에서는 인증 방문자 Payback 예산과 별도로 받는 고정 검증비 10만원이 Around의 수익입니다.

캠페인 한도와 실제 집행액

업장이 승인한 캠페인 한도와 실제 사용액을 구분합니다. 예를 들어 Growth 업장이 50만원을 예치해도 검증된 미션이 절반만 발생하면 실제 집행액은 25만원이며, 사용자 Payback 20만원과 Around 잔여분 5만원만 확정됩니다. 나머지 25만원은 이월하거나 환불합니다. Entry는 이 계산에서 분리하고, 인증된 고유 방문자 수만큼 Payback 예산을 집행한 뒤 고정 검증비 10만원을 별도로 받습니다.

Base 모델은 Growth 70%·Scale 30%의 판매 구성을 가정합니다. 업장 100곳의 월 캠페인 한도는 8,000만원입니다.

이 표만으로 손익분기나 최종 이익을 주장하지 않습니다. 업장 관점에서는 Around가 없었을 때보다 추가로 생긴 구매와 그 공헌이익이 실제 캠페인 집행액을 넘는지 확인해야 합니다.

• 실제 캠페인 집행액 = 검증된 Payback 원가 ÷ 80%.
• 사용자 Payback 원가 = 실제 캠페인 집행액 × 80%.
• Around 잔여분 = 실제 캠페인 집행액 × 20%.
• 미집행 잔액 = 승인·예치 한도 − 실제 캠페인 집행액.
• 검증 구매액 = 미션 수행 사용자가 업장에 직접 결제한 금액의 합계.

서비스 이전에 받은 예치금은 미집행 상태에서 매출이 아니라 캠페인 잔액으로 관리합니다. 총액 또는 순액 매출 인식은 Around가 캠페인 서비스를 직접 통제하는 본인인지 중개하는 대리인인지에 따라 달라지므로 실제 회계 정책은 별도로 확인합니다. IFRS 15

시장

네이버 플레이스 대안 예산

2025년 국정감사 보도 기준 네이버 플레이스에는 약 268만 업장이 등록돼 있고, 약 16만 업장이 월평균 약 10만원을 광고에 지출해 월 약 160억원·연 환산 약 1,920억원의 예산을 만들고 있습니다. 광고 이용률은 약 6.0%입니다. 이는 Around의 직접 TAM이 아니라 로컬 가시성에 이미 돈을 쓰는 업장과 예산이 존재한다는 대안시장 기준입니다. 2025년 국정감사 보도

이 수치는 네이버의 감사 공시가 아니라 국정감사 발언을 인용한 보도에 기반하며, 업종별 지출 분포와 실제 방문·증분 매출은 확인되지 않았습니다. Around의 시장 규모는 이 16만 곳 중 실제 유료 ICP가 몇 곳이며, 위 플랜을 같은 조건으로 재구매하는지 상향식으로 다시 계산합니다.

대안 예산이 실제 캠페인 집행액으로 전환될 때

네이버 플레이스 연 대안 예산 중 일부가 Around의 실제 캠페인 집행액으로 전환되는 경우를 봅니다. 승인·예치 한도가 아니라 검증된 Payback이 발생해 실제로 차감된 금액만 포함합니다. 이 표는 점유율 예측이나 손익분기 계산이 아니며 Intelligence 구독도 제외합니다.

실제 Around 매출은 캠페인 한도 소진율, 적격 미션 완료율과 재구매율로 상향식 계산합니다. 위 잔여분에서 결제·정산·검증·부정 사용·영업·지원 비용을 차감하지 않았으므로 공헌이익이나 영업이익으로 해석하지 않습니다. 네이버 플레이스 광고는 공식 도움말 기준 클릭당 50원–5,000원, 광고 그룹당 하루 최대 10만원의 CPC 상품이므로 Around의 성과·구독 상품과 동일한 상품으로 간주하지 않습니다. 네이버 플레이스 광고 공식 도움말

Phase별 시장 확보

하나의 동네 × 분야 시장 셀에서 도시 탐험자의 수요를 먼저 확보하고, 지역 경험 기여자의 공급과 지역 비즈니스 운영자의 예산을 순서대로 연결합니다.

Virality

참여형 Taste 콘텐츠

장소·분위기·상황을 두 개씩 보여 주고 더 끌리는 쪽을 고르는 월드컵형 Taste 테스트를 Phase 1의 획득 포맷으로 검토합니다.

• 참여: 두 장소·분위기·상황 중 더 끌리는 쪽을 연속으로 선택합니다.
• 결과: 선택을 MBTI처럼 이해하고 공유하기 쉬운 취향 문장이나 유형으로 보여 주고, 어울리는 장소를 함께 제안합니다.
• 바이럴: 결과 카드나 대결 링크를 공유하면 받은 사람이 같은 선택 흐름에 참여하도록 연결합니다.
• 제품 전환: 첫 결정 가치가 확인된 뒤 공유 유입을 실제 장소 결정 시작으로 이어지게 합니다.
• 판단 기준: 완료율·공유율·공유 유입과 실제 장소 결정 시작·완료를 분리해 봅니다.

Taste 결과는 고정된 성격 진단이 아니라, 이후 저장·선택 행동으로 계속 갱신되는 가벼운 표현으로 사용합니다.

Tabelog

Daytrip

감도 높은 전문 큐레이션의 강점

전문적으로 선별한 콘텐츠는 품질과 브랜드 도달을 높입니다.

소비자 플랫폼으로 확장할 때의 제약

해석

누적 다운로드와 팔로워의 성장이 소비자 플랫폼의 리텐션·거래·단위경제를 곧바로 증명하지는 않습니다. 기존 앱 종료와 사업 피벗이 위 제약의 직접 결과인지는 공개 자료로 별도 확인이 필요합니다.

Around는 전문 큐레이션을 첫 유입으로 활용하되, 실제 외출 때의 선택·외부 지도 실행과 두 번째 적격 필요에서의 자기주도 재진입까지 연결해야 합니다. 외부 지도 실행은 결정 흐름의 완료 신호이지 실제 방문 신호가 아닙니다.

Moneywalk

Pokémon GO

Around 적용

장소 핀을 단순 정보 페이지가 아니라 아래 상태를 가진 현장 노드로 만듭니다.

• 내가 아직 방문하지 않은 장소
• 최근 정보가 충분한 장소
• 특정 정보가 오래됐거나 부족한 장소
• 현재 현장 미션이 있는 장소
• 내가 검증 기여한 장소

그대로 가져오기 어려운 것

• 캐릭터 애착
• 어린 시절의 향수
• 포켓몬 세계의 주인공이 된다는 판타지
• 희귀 캐릭터를 소유하고 싶은 마음

이는 Pokémon IP의 힘입니다.

Around가 대신 만들 수 있는 것

• 남들이 모르는 좋은 곳을 발견했다는 감각
• 이 동네를 전보다 잘 알게 됐다는 감각
• 내 관찰로 도시의 빈칸이 채워졌다는 감각
• 내 정보가 누군가의 실패를 줄였다는 감각
• 특정 지역과 상황에 안목이 있는 사람이라는 정체성
• 내 일상과 취향이 하나의 지도로 쌓였다는 감각

따라서 Around의 감정적 핵심은 다음과 같이 둡니다.

장소를 소비하는 사람이 아니라, 도시를 발견하고 더 잘 이해하게 만드는 탐험가다.

현금 보상은 참여 비용을 낮추고 정보의 가치를 알리는 장치일 뿐입니다. 실제 즐거움은 발견, 성장, 완성, 영향력, 장소 애착에서 나와야 합니다.