990원 사주 서비스에 7,000명 유료 결제, 유저 데이터 분석을 통해 다음 서비스 방향성 설정
사주 서비스 운영 경험을 바탕으로 관상 서비스(Face Reading Service) 개발, 낮은 진입 장벽과 높은 공유성을 목표로 함
온디바이스(On-device) ML 기반 얼굴 감지, 관상학 지표 수치화, AI(Gemini)를 활용한 분석 파이프라인 구축
Gemini 1.5 Flash를 선택, 비용 효율성과 멀티모달(Multimodal) 성능을 통해 Unit Economics(건당 경제성) 확보
본문에서는 온디바이스(On-device) ML을 활용하여 사용자의 사진 업로드 전 얼굴 유무를 판단, 서버 비용 절감 및 사용자 경험(UX) 개선을 동시에 달성했다고 설명한다.
브라우저(Browser) 기반 얼굴 감지: 서버 왕복 없이 즉각적인 피드백 제공
서버 비용 절감: 부적절한 이미지 업로드 차단
사용자 경험(UX) 향상: 업로드 과정 간소화
이러한 접근 방식은 데이터 격리 아키텍처(Data Isolation Architecture)를 구축하고, 불필요한 서버 자원 낭비를 막는 데 기여한다.
관상스포는 AI에게 모호한 답변을 받지 않기 위해, 얼굴 랜드마크(Landmark) 좌표를 기반으로 오관(五官) 및 삼정(三停) 비율을 수치화하여 AI(Gemini)에 전달한다.
수치화된 관상학 지표: 객관적이고 일관된 분석 결과 도출
AI(Gemini)의 정확도 향상: 앵커(Anchor) 역할을 통해 구체적인 해석 제공
AS-IS vs TO-BE 비교: AI의 답변 품질 개선
이러한 방식은 AI 환각(Hallucination)을 줄이고, 신뢰성 있는 결과를 제공하는 데 기여한다.
관상스포는 유저의 공유를 유도하기 위해, 정량화된 수치와 자극적인 키워드를 활용한 리포트 구조를 설계했다.
구체적인 수치 제시: '성격' 대신 '괴리율 78%'과 같이 정량화된 정보 제공
자극적인 키워드 활용: '조심해야 할 빌런 관상' 등 흥미 유발
지인 태그 유도: 친구, 연인과 함께 결과를 공유하도록 유도
이러한 전략은 바이럴(Viral) 마케팅 효과를 극대화하고, 서비스의 확산을 가속화한다.
관상스포는 990원이라는 낮은 가격 정책을 유지하기 위해, Gemini 1.5 Flash를 선택하여 비용 효율성을 확보했다.
Cost-Efficiency: 토큰당 저렴한 비용으로 Unit Economics(건당 경제성) 확보
Native Multimodal 지원: 별도 Vision 모델 불필요, 지연 시간(Latency) 단축
Prompt Engineering: 점술가적 요소와 현대적 감각의 균형 유지
결과적으로, Gemini 1.5 Flash는 데이터 미저장 정책(Zero-Retention Policy)을 유지하면서도, 서비스의 지속 가능성을 높이는 핵심 요소로 작용한다.