[26년 독후감 14] 조코딩의 바이브 코딩 1인 창업 : AI와 함께 만드는 1인 SaaS 창업 로드맵

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다." 

📖 책 정보

• 책 제목: 조코딩의 바이브 코딩 1인 창업 with 클로드 코드, 수파베이스, 스트라이프
• 저자: 조동근 (조코딩)
• 출판 연도: 2026년
• 장르: IT / AI 개발 / 웹 서비스 창업 / 1인 프로덕트 빌딩

❓ 책을 고른 이유 (물음표)

책 소개를 보던 중 가장 먼저 눈에 들어온 문장이 있었다. "기획부터 엑시트까지 코드 한 줄 없이 글로벌 매출을 만드는 1인 프로덕트 빌더 풀코스" 요즘 AI 기술의 발전 속도를 보면 개발자의 역할도 빠르게 변화하고 있다는 것을 실감한다. 예전에는 서비스를 하나 만들기 위해 개발자, 디자이너, 마케터 등 여러 사람이 필요했다면 이제는 ChatGPT, Claude 같은 AI 도구의 도움을 받아 한 사람이 훨씬 더 많은 일을 해낼 수 있는 시대가 되고 있다.

나는 평소에도 여러 서비스 아이디어를 떠올리곤 했다. 하지만 늘 비슷한 과정을 반복했다. 아이디어를 생각하고, 기획을 하고, 개발을 시작하다가 중간에 방향이 바뀌어 다시 처음으로 돌아가기를 반복했다. '언젠가는 내 서비스를 꼭 출시해야지'라고 생각하면서도 정작 출시까지 이어진 경험은 많지 않았다. 특히 이제 곧 복학을 앞두고 있는 만큼 이번 여름방학을 의미 있게 보내고 싶었다. 단순히 기술을 공부하는 것에서 끝나는 것이 아니라 실제로 사용자가 사용할 수 있는 서비스를 만들어 앱스토어에 출시해보고 싶다는 목표도 가지고 있다. 개발은 어느 정도 할 수 있지만 디자인, 마케팅, 서비스 기획 같은 영역은 아직 부족하다고 느끼고 있었는데 최근에는 AI가 이런 부분까지도 많은 도움을 줄 수 있다는 이야기를 자주 접하게 되었다.

 

마침 이 책은 단순히 바이브 코딩만 다루는 것이 아니라 기획 → 개발(바이브 코딩) → UX/UI(바이브 디자인) → 마케팅 → 데이터 분석 → 엑시트까지 서비스가 성장하는 전 과정을 하나의 흐름으로 설명한다고 한다. 단순히 코드를 작성하는 방법을 알려주는 책이 아니라 실제로 서비스를 만들고 성장시키는 방법을 알려주는 책이라는 점이 특히 마음에 들었다. 또한 OpenAI CEO 샘 올트먼이 이야기한 '1인 유니콘 시대', 즉 AI를 활용해 한 사람이 수십 명의 역할을 수행하며 거대한 가치를 만들어내는 시대에 대한 이야기도 매우 인상적이었다. 개발자를 꿈꾸는 학생으로서 그리고 언젠가는 실리콘밸리에서 글로벌 서비스를 만드는 창업가가 되고 싶은 사람으로서 이 책이 어떤 인사이트를 줄지 궁금했다. 이번 독서를 통해 단순히 AI 코딩 도구 사용법을 배우는 것을 넘어 내가 가지고 있는 아이디어를 실제 서비스로 구현하고 세상에 출시하는 방법을 배우고 싶다. 그리고 올해 안에는 정말로 내 이름을 걸고 하나의 서비스를 앱스토어에 출시해보고 싶다. 이 책이 그 첫 번째 발걸음이 되어주기를 기대하며 읽기 시작했다.

📚 독서 과정

• 읽은 기간: 2026.06.02 ~ 26.06.08

 

 

 

✍️ 책 내용 정리

AI 시대에는 기술보다 문제 해결이 더 중요해지고 있다

이 책의 출발점은 “개발의 본질이 무엇인가”라는 질문이다. 저자는 서비스를 만들고 싶었던 이유가 복잡한 기술을 공부하기 위해서가 아니라 사용자가 좋아할 만한 앱을 만들고 그 앱을 통해 가치를 제공하며 수익을 내기 위해서였다고 말한다. 이 관점이 인상 깊었다. 개발을 공부하다 보면 HTML, CSS, JavaScript, React, 백엔드, 데이터베이스, 서버, 배포, 보안 등 배워야 할 것이 끝없이 늘어난다. 물론 전공자로서 이런 기초와 원리를 배우는 것은 중요하다. 하지만 실제 서비스를 만드는 관점에서는 모든 기술을 완벽하게 익힌 뒤에야 시작할 수 있는 것은 아니다. 중요한 것은 사용자가 겪는 문제를 발견하고 그 문제를 해결할 수 있는 최소한의 제품을 빠르게 만들어보는 것이다.

여기서 코딩은 목적이 아니라 수단이다. 개발자가 코드를 잘 짜는 이유도 결국 사용자의 문제를 해결하기 위해서다. AI가 등장하면서 이 수단의 진입장벽은 크게 낮아졌다. 과거에는 기능 하나를 구현하기 위해 많은 문법과 라이브러리를 직접 찾아보고, 오류를 해결하고, 구조를 설계해야 했다면 이제는 AI에게 원하는 기능을 설명하고, 생성된 코드를 이해하고, 수정하며 빠르게 결과물을 만들 수 있다. 따라서 앞으로의 개발자는 단순히 코드를 많이 아는 사람을 넘어, 어떤 문제를 풀 것인지 정의하고 AI를 활용해 빠르게 실험할 수 있는 사람이 되어야 한다.

바이브 코딩은 “느낌대로 대충 코딩한다”가 아니라 AI와 함께 빠르게 구현하는 방식이다

책에서 말하는 바이브 코딩은 AI를 통해 코딩의 난이도가 낮아지면서 사람이 모든 세부 구현을 직접 작성하기보다 원하는 결과를 자연어로 설명하고 AI와 함께 코드를 만들어가는 방식을 의미한다. 쉽게 말하면 “이런 기능을 가진 페이지를 만들어줘”, “이 버튼을 누르면 결과가 저장되게 해줘”, “이 오류를 고쳐줘”처럼 사람이 목표를 제시하고 AI가 구현을 도와주는 개발 방식이다.

다만 바이브 코딩을 단순히 아무렇게나 AI에게 맡기는 것으로 이해하면 안 된다. 좋은 결과를 얻기 위해서는 사람이 서비스의 목적, 사용자의 흐름, 필요한 기능, 데이터 구조, 예외 상황을 어느 정도 알고 있어야 한다. AI가 코드를 작성해주더라도 그 코드가 왜 필요한지, 어디에 연결되는지, 보안상 문제가 없는지 판단하는 역할은 여전히 사람에게 남아 있다. 그래서 바이브 코딩 시대의 개발자는 직접 모든 코드를 손으로 치는 능력만큼이나 AI에게 정확히 지시하고 결과물을 검토하며 서비스 형태로 조립하는 능력이 중요해진다.

1인 프로덕트 빌더는 개발자 혼자 모든 것을 직접 하는 사람이 아니라 AI를 활용해 작은 팀처럼 일하는 사람이다

책에서 반복적으로 등장하는 개념은 1인 프로덕트 빌더다. 1인 프로덕트 빌더는 혼자서 기획, 개발, 디자인, 마케팅, 데이터 분석, 수익화까지 모두 수행하는 사람을 의미한다. 과거에는 이 과정마다 다른 전문가가 필요했다. 기획자는 문제와 기능을 정의하고 디자이너는 화면을 설계하고 개발자는 서비스를 구현하고 마케터는 사용자를 모으고 데이터 분석가는 사용자의 행동을 분석했다. 하지만 AI 도구가 발전하면서 한 사람이 이 모든 영역을 어느 정도 수행할 수 있게 되었다.

물론 이것이 각 분야의 전문가가 필요 없어졌다는 뜻은 아니다. 대신 초기 단계의 MVP나 1인 창업에서는 모든 분야를 완벽하게 전문적으로 처리하기보다 AI를 활용해 빠르게 최소 수준의 결과물을 만들고 시장 반응을 확인할 수 있게 되었다는 의미에 가깝다. 예를 들어 Claude Code나 ChatGPT는 개발을 돕고, Stitch 같은 AI 디자인 도구는 UI 초안을 만들어주며, AI 이미지 생성 도구는 서비스에 필요한 시각 자료를 만들 수 있다. 마케팅 문구, 광고 카피, 블로그 글, 이메일 문안도 AI의 도움을 받을 수 있다. 결국 AI는 한 사람의 능력을 여러 명의 팀처럼 확장시켜주는 도구가 된다.

MVP는 완성도가 낮은 제품이 아니라 핵심 가설을 검증하기 위한 최소 제품이다

이 책에서 가장 중요하게 느껴진 개념 중 하나는 MVP다. MVP는 Minimum Viable Product의 약자로 한국어로는 최소 기능 제품이라고 한다. 여기서 중요한 것은 “최소”라는 단어다. MVP는 대충 만든 미완성 제품이 아니라 사용자가 실제로 원하는지 검증하기 위해 꼭 필요한 핵심 기능만 담은 제품이다.

예를 들어 AI 독서 기록 서비스를 만든다고 했을 때 처음부터 로그인, 커뮤니티, 알림, 결제, 추천 알고리즘, 앱 출시까지 모두 구현하려고 하면 출시가 너무 늦어진다. MVP 관점에서는 가장 먼저 “사용자가 책 내용을 입력하면 AI가 독서 기록을 정리해주는 기능” 하나만 만들어도 된다. 그 기능을 실제 사용자에게 보여주고 사람들이 정말 필요로 하는지, 계속 사용할 의향이 있는지 확인하는 것이 먼저다. 이후 반응이 좋으면 로그인, 저장, 공유, 구독 같은 기능을 붙이면 된다.

MVP의 핵심은 빠른 검증이다. 개발자는 자신의 아이디어가 좋다고 생각하기 쉽지만 실제 시장의 반응은 다를 수 있다. 그래서 완벽하게 만들기 전에 작게 출시하고 사용자의 반응을 통해 방향을 수정해야 한다. 이 책을 읽으며 나 역시 기획과 개발을 반복하다가 출시까지 가지 못했던 경험을 떠올렸다. 앞으로는 완벽한 서비스를 만들려고 하기보다 핵심 기능 하나를 빠르게 배포하고 실제 데이터를 통해 판단해야겠다고 느꼈다.

데이터 분석은 서비스를 감이 아니라 숫자로 개선하게 해준다

서비스를 출시한 뒤에는 “좋아 보인다”, “사람들이 쓸 것 같다” 같은 감이 아니라 데이터로 판단해야 한다. 책에서는 Google Analytics와 Microsoft Clarity 같은 도구를 통해 사용자의 행동을 분석하는 방법을 다룬다. Google Analytics는 사용자가 얼마나 들어왔는지, 어디서 유입되었는지, 어떤 페이지를 봤는지, 어떤 행동을 했는지 숫자로 확인할 수 있는 도구다. Microsoft Clarity는 사용자의 클릭, 스크롤, 세션 녹화, 히트맵 등을 통해 사용자가 실제로 화면에서 어떻게 움직였는지 확인할 수 있게 해준다.

여기서 중요한 지표가 DAU, WAU, MAU다. DAU는 Daily Active Users의 약자로 하루 동안 서비스를 사용한 순사용자 수다. WAU는 Weekly Active Users로 일주일 동안 서비스를 사용한 순사용자 수이고, MAU는 Monthly Active Users로 한 달 동안 서비스를 사용한 순사용자 수다. 이 지표들은 서비스의 활성도를 보여준다. 예를 들어 MAU는 높은데 DAU가 낮다면 한 달에 한 번쯤 들어오는 사람은 많지만 매일 쓰는 습관은 형성되지 않았다는 뜻일 수 있다.

또 중요한 개념은 전환이다. 전환은 서비스 운영자가 원하는 핵심 행동이 일어나는 것을 의미한다. 예를 들어 회원가입, 결제 완료, 글 작성, 앱 설치, 상담 신청 등이 전환이 될 수 있다. 전환율은 방문자 중 몇 퍼센트가 이 행동을 했는지를 나타낸다. 방문자는 많은데 회원가입이 적다면 랜딩 페이지나 가입 과정에 문제가 있을 수 있고, 가입자는 많은데 결제가 적다면 가격, 신뢰도, 가치 전달 방식에 문제가 있을 수 있다. 결국 데이터 분석은 사용자가 어디서 이탈하는지 찾아내고, 그 지점을 개선하기 위한 근거를 제공한다.

리텐션과 아하 모먼트는 서비스가 진짜 가치 있는지 보여주는 핵심 개념이다

리텐션은 사용자가 서비스를 다시 찾아오는 비율을 의미한다. 서비스를 한 번 써본 사용자가 다음 날, 다음 주, 다음 달에도 계속 돌아온다면 리텐션이 높다고 볼 수 있다. 반대로 처음에는 많은 사용자가 들어와도 다시 돌아오지 않는다면 그 서비스는 아직 사용자의 습관이나 필요 안에 들어가지 못한 것이다.

리텐션이 중요한 이유는 서비스 성장의 본질이 단순 유입이 아니라 지속 사용에 있기 때문이다. 광고를 통해 사용자를 많이 데려와도 그들이 다시 돌아오지 않으면 계속 돈을 써서 새 사용자를 데려와야 한다. 이것은 밑 빠진 독에 물을 붓는 것과 같다. 반면 리텐션이 높으면 한 번 들어온 사용자가 계속 남아 있기 때문에 서비스의 성장 기반이 단단해진다.

아하 모먼트는 사용자가 서비스의 핵심 가치를 처음 깨닫는 순간을 의미한다. 예를 들어 드롭박스에서는 파일을 한 기기에 저장하고 다른 기기에서 확인하는 순간, 사용자는 “아, 이래서 편하구나”라고 느낄 수 있다. 독서 기록 서비스라면 사용자가 책 내용을 입력했을 때 AI가 자신의 생각을 깔끔한 글로 정리해주는 순간이 아하 모먼트가 될 수 있다. 서비스를 만들 때는 이 아하 모먼트를 최대한 빠르게 경험하게 해야 한다. 사용자가 핵심 가치를 느끼기 전에 복잡한 가입 절차나 불필요한 입력 과정에서 지치면 이탈하기 때문이다.

SEO는 검색엔진을 위한 최적화이고, GEO는 생성형 AI를 위한 최적화다

책에서 흥미로웠던 개념 중 하나는 SEO와 GEO였다. SEO는 Search Engine Optimization의 약자로 검색엔진 최적화를 의미한다. 구글이나 네이버 같은 검색엔진이 내 사이트를 잘 이해하고 검색 결과에 노출할 수 있도록 사이트 구조와 콘텐츠를 최적화하는 것이다. 이를 위해서는 robots.txt, sitemap.xml, 메타 태그, 제목 구조, 내부 링크, 콘텐츠 품질, 페이지 속도 등이 중요하다.

robots.txt는 검색엔진 봇에게 어떤 페이지를 크롤링해도 되는지 알려주는 파일이고, sitemap.xml은 사이트에 어떤 페이지들이 있는지 정리해주는 지도 역할을 한다. 검색엔진은 이런 정보를 바탕으로 사이트를 수집하고 인덱싱한다. 따라서 웹 서비스를 만들 때는 기능만 구현하는 것이 아니라 검색엔진이 내 서비스를 발견하고 이해할 수 있는 구조도 함께 만들어야 한다.

GEO는 Generative Engine Optimization의 약자로 생성형 엔진 최적화를 의미한다. 이는 ChatGPT, Claude, Gemini 같은 생성형 AI가 내 웹사이트의 정보를 잘 이해하고 답변에 활용할 수 있도록 최적화하는 전략이다. 과거에는 사용자가 궁금한 것을 구글에 검색했다면 이제는 생성형 AI에게 직접 질문하는 경우가 늘어나고 있다. 따라서 앞으로는 검색엔진뿐만 아니라 AI가 내 콘텐츠를 신뢰할 수 있는 정보로 인식하도록 만드는 것도 중요해질 수 있다. 블로그나 콘텐츠 기반 서비스를 운영한다면 명확한 제목, 구조화된 설명, 신뢰 가능한 정보, 일관된 주제성이 더 중요해질 것이라고 느꼈다.

AARRR은 사용자가 들어와서 매출이 되기까지의 전체 여정을 보는 성장 프레임워크다

AARRR은 서비스 성장 과정을 다섯 단계로 나누어 분석하는 프레임워크다. Acquisition, Activation, Retention, Referral, Revenue의 앞 글자를 딴 말이다. 한국어로는 획득, 활성화, 유지, 추천, 매출 정도로 이해할 수 있다. 이 프레임워크가 중요한 이유는 서비스가 성장하지 않는 원인을 단계별로 찾아볼 수 있기 때문이다.

Acquisition은 사용자가 처음 서비스를 알게 되고 들어오는 단계다. 검색, 광고, 블로그, SNS, 추천 링크 등을 통해 유입이 발생한다. 이 단계에서는 “사람들이 우리 서비스를 어떻게 발견하는가”가 중요하다. Activation은 사용자가 서비스의 핵심 가치를 처음 경험하는 단계다. 단순히 사이트에 들어온 것이 아니라 실제로 “이 서비스 쓸 만하다”고 느끼는 순간이 있어야 한다. Retention은 사용자가 다시 돌아오는 단계다. 한 번 쓰고 끝나는 것이 아니라 반복적으로 사용하는지 확인해야 한다. Referral은 만족한 사용자가 다른 사람에게 서비스를 추천하는 단계다. Revenue는 최종적으로 결제나 광고 수익 등 매출이 발생하는 단계다.

AARRR을 적용하면 서비스 문제를 더 명확하게 볼 수 있다. 예를 들어 방문자는 많은데 가입자가 적으면 Activation에 문제가 있을 수 있다. 가입자는 많은데 다시 돌아오지 않으면 Retention 문제다. 사용자는 만족하는데 매출이 없다면 Revenue 모델을 다시 봐야 한다. 결국 AARRR은 막연히 “서비스가 잘 안 된다”고 생각하는 대신, 어느 단계가 막혔는지 진단하게 해주는 도구다.

K-팩터는 서비스가 사용자 추천을 통해 얼마나 확산되는지 보여주는 지표다

K-팩터는 바이럴 성장을 측정하는 지표다. 쉽게 말해 사용자 한 명이 평균적으로 몇 명의 새로운 사용자를 데려오는지를 나타낸다. 계산식은 “고객당 보낸 초대 수 × 초대당 전환율”이다. 예를 들어 한 명의 사용자가 평균 4명에게 초대 링크를 보내고, 그중 25%가 가입한다면 K-팩터는 1이 된다. 사용자가 한 명 들어올 때마다 새로운 사용자 한 명이 추가로 들어오는 구조라는 뜻이다.

K-팩터가 1보다 크면 이론적으로 서비스는 바이럴하게 성장할 수 있다. 한 명이 한 명 이상을 데려오기 때문이다. 반대로 K-팩터가 1보다 작으면 사용자 수는 자연스럽게 줄어들 수 있다. 물론 현실에서는 이탈률, 시장 크기, 유입 채널 등 다양한 요소가 함께 작용하지만, K-팩터는 서비스가 사람들 사이에서 얼마나 공유될 만한지를 판단하는 데 유용하다.

이 개념을 읽으며 서비스 안에 공유 구조를 의도적으로 설계해야 한다는 생각이 들었다. 사용자가 좋다고 느끼기만 해서는 부족하다. 쉽게 공유할 수 있는 버튼, 초대 보상, 결과물 공유, 친구와 함께 쓰는 기능 등 추천이 자연스럽게 일어나는 장치를 만들어야 한다.

AI 서비스에서는 프론트엔드, 서버리스 백엔드, API, 데이터베이스 구조를 이해해야 한다

책에서는 실제 AI 서비스를 만들기 위한 기본 구조도 설명한다. 사용자는 웹 화면, 즉 프론트엔드를 통해 서비스를 이용한다. 프론트엔드는 React 같은 기술로 만들 수 있으며, 사용자가 입력한 내용을 받아 서버로 보내고 결과를 화면에 보여주는 역할을 한다. 하지만 OpenAI API 같은 외부 AI 서비스를 사용할 때는 프론트엔드에서 직접 API를 호출하면 안 된다. API 키가 사용자에게 노출될 수 있기 때문이다.

API 키는 외부 서비스를 사용할 수 있는 비밀 열쇠와 같다. 이 키가 노출되면 다른 사람이 내 계정으로 API를 사용해 비용을 발생시킬 수 있다. 따라서 프론트엔드와 AI API 사이에는 백엔드가 필요하다. 이 책에서는 서버리스 백엔드를 활용하는 방식을 설명한다. 서버리스는 서버가 아예 없다는 뜻이 아니라, 개발자가 서버를 직접 관리하지 않아도 요청이 들어올 때만 함수가 실행되는 구조를 의미한다. 예를 들어 Cloudflare Functions, Vercel Functions, AWS Lambda 같은 방식이 있다.

서버리스의 장점은 비용 효율성과 관리 편의성이다. 사용자가 없을 때는 거의 비용이 들지 않고, 요청이 있을 때만 실행되기 때문에 초기 MVP에 적합하다. 또한 API 키 같은 민감한 정보를 서버리스 함수 내부에 숨겨둘 수 있어 보안에도 유리하다. 여기에 Supabase 같은 데이터베이스를 연결하면 사용자 정보, 결과 기록, 구독 상태 등을 저장할 수 있다. 결국 AI SaaS의 기본 구조는 사용자의 입력을 프론트엔드가 받고, 서버리스 백엔드가 AI API를 호출하고, 결과와 필요한 데이터를 데이터베이스에 저장하는 흐름으로 이해할 수 있다.

Supabase는 1인 개발자가 백엔드 기능을 빠르게 구현할 수 있게 해주는 BaaS다

Supabase는 이 책에서 회원 관리와 데이터 저장을 위해 사용하는 핵심 도구다. Supabase는 BaaS, 즉 Backend as a Service에 해당한다. BaaS는 백엔드에 필요한 기능을 직접 하나하나 구축하지 않고 서비스 형태로 빌려 쓰는 방식이다. 일반적으로 웹 서비스를 만들려면 데이터베이스, 인증, 파일 저장, 권한 관리 등을 직접 구현해야 한다. 하지만 Supabase를 사용하면 PostgreSQL 기반 데이터베이스, 회원가입과 로그인, 소셜 로그인, 스토리지 등을 한 번에 사용할 수 있다.

데이터베이스는 이름, 이메일, 구독 상태, 사용 기록처럼 구조화된 데이터를 저장하는 곳이다. 반면 스토리지는 이미지, PDF, 프로필 사진, 분석 리포트 같은 파일 데이터를 저장하는 공간이다. 이 둘을 구분하는 것도 중요하다. 예를 들어 사용자의 이메일과 결제 상태는 데이터베이스에 저장하고, 사용자가 업로드한 사진은 스토리지에 저장하는 식이다.

Supabase가 1인 프로덕트 빌더에게 유용한 이유는 백엔드 인프라를 직접 운영하지 않아도 되기 때문이다. 특히 MVP 단계에서는 서버를 직접 구축하고 보안과 인증을 모두 구현하는 것보다 검증된 서비스를 사용해 빠르게 핵심 기능을 만드는 것이 훨씬 현실적이다. 나중에 사용자가 많아지면 구조를 개선하면 되지만, 처음부터 너무 복잡한 백엔드 구조를 만들 필요는 없다.

결제와 구독은 서비스를 프로젝트에서 비즈니스로 바꾸는 단계다

책의 후반부에서는 결제와 구독 시스템을 다룬다. 이 부분이 인상 깊었던 이유는 서비스를 단순히 “만드는 것”에서 끝내지 않고 “돈을 지불할 만큼 가치 있는 제품”으로 바라보게 해주기 때문이다. 많은 개발 프로젝트는 배포에서 끝난다. 하지만 실제 비즈니스는 사용자가 비용을 지불하는 순간부터 시작된다.

결제 시스템에서는 Stripe, Polar 같은 도구가 등장한다. Stripe는 글로벌 결제의 표준에 가까운 서비스지만, 한국에서는 직접 사용하기 어려운 제약이 있다. 그래서 책에서는 MOR이라는 개념을 설명한다. MOR은 Merchant of Record의 약자로, 판매 대행사처럼 결제와 세금, 법적 처리 일부를 대신 담당하는 주체다. Polar, Paddle, Lemon Squeezy 같은 서비스가 여기에 해당한다. 1인 개발자 입장에서는 직접 글로벌 결제와 세금 처리를 모두 감당하기 어렵기 때문에, MOR을 활용하면 비교적 쉽게 해외 결제를 받을 수 있다.

구독 모델은 한 번 결제하고 끝나는 구조가 아니라 매달 반복적으로 매출이 발생하는 구조다. SaaS에서는 MRR과 ARR이라는 지표가 중요하다. MRR은 Monthly Recurring Revenue, 즉 월간 반복 매출이고, ARR은 Annual Recurring Revenue, 즉 연간 반복 매출이다. 예를 들어 월 1만 원짜리 구독자가 100명 있다면 MRR은 100만 원이고, 단순 계산한 ARR은 1200만 원이다. 구독 모델이 중요한 이유는 매출 예측이 가능하고, 사용자가 계속 가치를 느끼는 한 안정적인 현금 흐름을 만들 수 있기 때문이다.

CAC와 LTV는 서비스가 돈을 벌 수 있는 구조인지 판단하는 핵심 지표다

구독 서비스에서 중요한 개념으로 CAC와 LTV가 나온다. CAC는 Customer Acquisition Cost의 약자로 고객 한 명을 데려오는 데 드는 비용이다. 예를 들어 광고비 10만 원을 써서 유료 고객 10명을 확보했다면 CAC는 1만 원이다. LTV는 Lifetime Value의 약자로 고객 한 명이 서비스를 사용하는 전체 기간 동안 만들어줄 것으로 예상되는 총수익이다. 예를 들어 월 1만 원을 내는 고객이 평균 6개월 동안 구독을 유지한다면 LTV는 6만 원이다.

비즈니스가 성장하려면 기본적으로 LTV가 CAC보다 커야 한다. 고객 한 명을 데려오는 데 1만 원이 들고, 그 고객이 총 6만 원을 결제한다면 광고를 늘릴수록 이익이 커질 수 있다. 반대로 CAC가 5만 원인데 LTV가 2만 원이라면 사용자를 데려올수록 손해가 난다. 그래서 가격을 정할 때는 단순히 “이 정도면 사람들이 사겠지”라고 생각하는 것이 아니라, 고객 획득 비용, 유지 기간, 월 구독료, 이탈률을 함께 고려해야 한다.

앱 확장은 웹 서비스를 더 많은 사용자에게 전달하기 위한 선택지다

책에서는 웹 서비스를 모바일 앱으로 확장하는 방법도 다룬다. 앱을 만드는 방식에는 네이티브 앱, 크로스 플랫폼 앱, 하이브리드 앱, PWA가 있다. 네이티브 앱은 iOS는 Swift, Android는 Kotlin처럼 각 운영체제에 최적화된 방식으로 만드는 앱이다. 성능이 좋고 운영체제 기능을 깊게 활용할 수 있지만, iOS와 Android를 각각 개발해야 하므로 비용과 시간이 많이 든다.

크로스 플랫폼 앱은 React Native나 Flutter처럼 하나의 코드베이스로 iOS와 Android 앱을 함께 만드는 방식이다. 일반적인 비즈니스 앱이나 서비스 앱에는 효율적인 선택이 될 수 있다. 하이브리드 앱은 앱 안에 웹뷰를 띄워 기존 웹 서비스를 앱처럼 보여주는 방식이다. 이미 웹 서비스가 있다면 빠르게 앱으로 확장할 수 있지만, 단순히 웹사이트를 감싼 형태라면 앱스토어 심사에서 거절될 수 있다. PWA는 Progressive Web App의 약자로, 웹사이트를 앱처럼 홈 화면에 설치해 사용할 수 있게 하는 방식이다. 앱스토어 출시 없이 빠르게 모바일 경험을 제공할 수 있지만, 앱스토어에 등록되는 정식 앱은 아니다.

엑시트 전략의 본질은 결국 PMF를 달성한 제품을 만드는 것이다

책의 마지막 부분에서는 현금 흐름 유지, 매각, IPO라는 엑시트 전략을 다룬다. 현금 흐름 유지는 서비스를 통해 꾸준히 매출을 만들며 안정적인 수익을 얻는 방식이다. 매각은 회사 전체나 일부 지분을 다른 기업에 팔아 큰 수익을 실현하는 방식이다. IPO는 회사를 주식시장에 상장해 더 큰 자본을 조달하고 기존 주주가 지분을 현금화할 수 있게 하는 방식이다.

하지만 어떤 엑시트 전략을 선택하든 본질은 PMF다. PMF는 Product-Market Fit의 약자로 제품이 시장의 강한 수요와 맞아떨어진 상태를 의미한다. 쉽게 말하면 사용자가 정말 필요로 하고, 계속 사용하며, 돈을 지불할 의향이 있는 제품을 만든 상태다. PMF가 없는 상태에서 마케팅을 늘리거나 결제 기능을 붙이거나 법인을 세워도 큰 의미가 없다. 반대로 PMF가 있다면 현금 흐름 유지, 매각, 투자 유치, IPO 등 다양한 선택지가 생긴다.

결국 이 책이 말하는 전체 흐름은 하나로 정리할 수 있다. AI를 활용해 아이디어를 빠르게 MVP로 만들고, 실제 사용자에게 배포한 뒤, 데이터를 통해 PMF를 찾고, 결제와 구독으로 수익 구조를 만들고, 필요하다면 앱과 글로벌 시장으로 확장하는 것이다. 이 책은 단순한 AI 코딩 도구 사용법을 넘어서, AI 시대에 개발자가 어떻게 프로덕트 빌더이자 창업가로 성장할 수 있는지 보여주는 책이었다.

❗ 책을 덮으며 느낀 변화 (느낌표)

이 책을 읽으며 가장 크게 느낀 점은 AI 시대에 개발자가 단순히 코드를 작성하는 사람을 넘어 프로덕트 빌더이자 창업가로 성장할 수 있는 환경이 빠르게 만들어지고 있다는 사실이었다. 이전에도 ChatGPT, Claude, Cursor 같은 AI 도구들을 활용해본 경험은 있었지만 대부분 기능 구현이나 코드 작성 보조 도구 정도로만 생각했던 것 같다. 하지만 이 책은 AI를 단순한 개발 도구가 아니라 서비스 기획, 디자인, 마케팅, 데이터 분석, 결제 시스템 구축, 구독 모델 설계, 글로벌 확장까지 연결하는 하나의 사업 파트너처럼 활용하는 과정을 보여주었다.

 

특히 인상 깊었던 점은 서비스를 만드는 과정을 매우 현실적인 순서로 설명하고 있다는 것이었다. 아이디어를 떠올리고, MVP를 만들고, 사용자의 반응을 확인하고, 데이터를 분석하며 개선하고, 결제와 구독 시스템을 도입하고, 이후 앱으로 확장하고 글로벌 시장까지 진출하는 흐름을 따라가다 보니 실제로 하나의 IT 비즈니스가 성장하는 과정을 간접적으로 경험하는 느낌을 받을 수 있었다. 개발 공부를 하면서 웹 서비스나 앱을 만들어본 경험은 있었지만 대부분 구현 자체에 집중했을 뿐 그 이후의 성장, 수익화, 운영, 확장에 대해서는 깊게 생각해본 적이 많지 않았다. 이 책은 서비스를 만드는 것과 사업을 만드는 것이 어떻게 연결되는지를 보여주었다.

 

또한 다양한 AI 도구와 서비스들을 직접 실습하며 사용해본 것도 큰 도움이 되었다. 수파베이스, 스트라이프, 폴라, 클라우드플레어, 구글 애널리틱스, 마이크로소프트 클래리티 등 실제 서비스 개발과 운영에 사용되는 도구들을 접하면서 앞으로 내가 서비스를 만들게 된다면 어떤 기술 스택과 도구들을 활용할 수 있을지 감을 잡을 수 있었다. 단순히 개념만 설명하는 것이 아니라 실제로 따라 해보며 결과를 확인할 수 있었기 때문에 더욱 의미 있는 경험이었다. 무엇보다 이 책을 읽고 나서 다시 한번 확신하게 된 것은 결국 중요한 것은 실행이라는 점이다. 아무리 좋은 아이디어가 있어도 출시하지 않으면 시장의 반응을 알 수 없고 사용자의 문제를 실제로 해결할 수 있는지도 검증할 수 없다. 그동안 나 역시 다양한 아이디어를 떠올리고 기획해왔지만 완벽하게 준비된 뒤 시작하려는 경향이 있었던 것 같다. 하지만 이제는 완벽함을 기다리기보다 작은 MVP라도 먼저 만들어 출시하고, 실제 사용자의 반응을 확인하며 개선해나가는 방식이 훨씬 중요하다는 생각이 든다.

 

현재 진행하고 있는 앱 출시 프로젝트에도 이 책의 내용들을 적극적으로 적용해보고 싶다. 특히 사용자의 페인포인트를 해결할 수 있는 작은 서비스라도 직접 만들어 시장에 내놓고 데이터와 피드백을 통해 개선해나가는 경험을 해보고 싶다. 개인적으로는 언젠가 구독 모델을 기반으로 하는 서비스를 만들어 반복 매출 구조를 구축하고, 실제로 사용자가 비용을 지불하면서 가치를 얻는 제품을 만들어보고 싶다는 목표도 생겼다. 이 책에서 소개한 내용들을 모두 따라가며 언젠가는 글로벌 사용자를 대상으로 서비스를 운영하고, 수익을 창출하고, 더 나아가 미국 법인 설립까지 경험해볼 수 있다면 정말 의미 있는 도전이 될 것 같다.

 

다만 한편으로는 AI 시대일수록 개발자로서의 기본기가 더욱 중요하다는 생각도 들었다. AI가 많은 부분을 대신해줄 수는 있지만, 결국 좋은 서비스를 만들기 위해서는 컴퓨터공학의 기본 개념과 원리를 이해하고 있어야 한다. 데이터베이스가 왜 필요한지, 서버와 클라이언트는 어떻게 통신하는지, 보안은 왜 중요한지, 성능 문제는 어떻게 해결해야 하는지와 같은 본질적인 지식은 여전히 개발자의 몫이다. 만약 이러한 기반 지식 없이 AI에게만 의존한다면 결국 무엇을 만들고 있는지도 제대로 이해하지 못한 채 바이브 코딩만 하는 개발자가 될 수 있다는 생각이 들었다.

 

그래서 이 책을 읽고 난 뒤에는 두 가지 목표가 더욱 분명해졌다. 첫 번째는 AI를 적극적으로 활용하여 실제 서비스를 만들고 출시하는 실행력을 기르는 것이다. 두 번째는 컴퓨터공학 전공자로서 자료구조, 알고리즘, 운영체제, 네트워크, 데이터베이스와 같은 CS 기초를 꾸준히 공부하며 내실을 다지는 것이다. 결국 AI 활용 능력과 탄탄한 기본기가 함께 갖춰질 때 진짜 경쟁력이 생길 수 있다고 생각한다.

이 책은 단순히 읽고 끝나는 책이라기보다 앞으로 서비스를 만들 때마다 다시 펼쳐보게 될 참고서에 가깝다. 언젠가 내가 실제로 서비스를 출시하고 사용자를 모으고 수익을 만들며 성장하는 과정 속에서 이 책의 내용들을 하나씩 적용해볼 수 있기를 기대한다.

 

 

 

🌟 총평 및 추천 여부

• 별점: ★★★★☆ (5점 만점)
• 이 책을 추천하는 대상: 1인 창업과 SaaS 비즈니스에 관심 있는 사람
• 한줄평: AI 시대, 개발자가 프로덕트 빌더이자 창업가로 성장하기 위해 알아야 할 실전 로드맵을 담은 책.