위승주

← Experience

Planfit

AI Problem Solver · Internship

Jun–Dec 2025

70+ 실험

CVR 최대 +75%

AI 풀사이클 Solver로서 구독 전환율 개선을 담당

Planfit

Context

AI 기반 피트니스 앱. 기획자·디자이너·개발자 간 소통 병목을 AI로 해결하는 신설 직무 ‘Solver’에 자원해 합류.

기획·디자인·프론트엔드·QA를 1인 스프린트로 운영하며 무료→유료 구독 전환율 개선 담당. 약 3개월간 70건 이상의 실험 설계·실행, PRD 100건 이상 작성.

포지션
AI Problem Solver · Internship
기간
Jun–Dec 2025 (재직 6개월)
핵심 미션
무료 유저 → 유료 구독 전환율 향상
활용 스택
Amplitude · Figma · Cursor · Claude · Veo

Key Projects

Project 01 — AI Video Paywall · New User

뻔한 할인을,
특별한 시즌으로.

+20%

CVR uplift

목표 +10% 대비 2배 달성

가입 7일 이하 신규 유저를 위한 크리스마스 한정 페이월. Veo·Midjourney로 생성한 AI 시즌 영상으로 ‘지금 결제해야 할 이유’를 만듦.

01Thinking

할인율은 한 번도 건드리지 않고,
어떻게 전환율을 끌어올렸나?

  1. 1. 관찰

    할인권이 ‘당연한 것’이 되고 있었다

    무료 유저에게 할인권은 상시 노출되는 요소였음. 유저들도 이미 ‘언제든 뜬다’는 걸 인지한 상태였고, 구매 전환율은 서서히 떨어지고 있었음.

  2. 2. 진단

    문제는 가격이 아니라 ‘특별함’의 부재

    ‘늘 있는 할인’은 혜택이 아니라 오히려 반감처럼 느껴짐. 즉 할인권을 더 크게 띄우는 건 답이 아니었음. 필요한 건 ‘지금 아니면 안 된다’는 맥락.

  3. 3. 가설

    시즌 맥락으로 ‘특별함’을 복원한다

    상시 할인을 시즈널하게 감싸면, 동일한 혜택이라도 유저는 다시 ‘특별한 기회’로 인식할 것이라고 판단. 이를 검증하기 위한 첫 실험으로 크리스마스 한정 페이월을 설계.

같은 혜택이라도 맥락이 바뀌면 유저가 느끼는 가치는 달라진다.
가격을 건드리지 않고, 인식을 건드리는 실험.

02Execution

AS-IS / TO-BE

기존 정적 선물상자 페이월
AS-IS정적 선물상자 이미지
TO-BEAI 시즌 영상

How it was built

  1. 01

    FIGMA · CONCEPT

    시즌 한정 컨셉 정의

    ‘지금 아니면 안 된다’는 심리를 만들 첫 테스트베드로 크리스마스 한정 페이월을 선정. 카피·비주얼 톤·랜딩 구조까지 Figma에서 직접 설계.

  2. 02

    VEO · MIDJOURNEY

    AI로 시즌 애니메이션 영상 직접 제작

    Veo·Midjourney로 크리스마스 시즌 애니메이션 영상을 생성. 외주 없이 단기간에 여러 버전을 만들어 실험 속도를 빠르게 가져감.

  3. 03

    REACT NATIVE · A/B TEST

    프론트 구현 & A/B 테스트

    직접 프론트엔드로 구현 후 기존 정적 이미지 페이월과 A/B 테스트. 신규 유저 세그먼트에서 전환율 차이를 검증.

03Impact

A/B 테스트 결과 신규 유저 할인권 결제 전환율이 +20% 상승, 목표였던 +10%를 두 배로 초과 달성. ‘가격이 아니라 맥락을 바꾼다’는 가설이 검증되며, 이후 시즌별 페이월 운영의 사내 레퍼런스로 정착.

Project 02 — AI Prediction · Free User

화면은 그대로,
작동할 지점을 찾다.

+75%

Still in production

지금까지도 운영 중

기존 유저의 화면은 여러 실험을 자유롭게 적용하기 어려운 환경. 화면에 개입하지 않고도 전환율에 영향을 줄 수 있는 지점을 찾기 위해 리서치를 진행했고, 구매 확률을 예측해 할인권 노출을 제어해주는 외부 AI 솔루션 Monetai를 발굴·도입해 해결.

01Thinking

화면에 전혀 개입하지 않고,
어떻게 전환율에 영향을 줄 수 있을까?

  1. 1. 관찰

    기존 유저 화면은 실험이 제한되는 영역이었다

    가입 14일이 지나도 무료로 머무는 유저를 기존 유저로 정의. 이들은 이미 익숙해진 화면·플로우가 있어, 페이월과 UI에 다수의 실험을 자유롭게 적용하기 어려운 환경.

  2. 2. 진단

    해법은 화면이 아닌 다른 레이어에 있다

    화면에 개입할 수 없다면, 화면을 바꾸지 않고도 전환율에 영향을 줄 수 있는 지점을 찾아야 했음. 화면 자체가 아닌, ‘할인권이 노출되는 조건’을 제어하는 레이어가 그 지점이라고 판단.

  3. 3. 가설

    노출 제어 레이어는 외부 솔루션으로 확보한다

    구매 확률 기반의 노출 제어는 사내 리소스만으로 구축하기 어려웠기에, 외부 솔루션까지 범위를 넓혀 리서치를 진행. 구매 확률이 낮은 유저에게만 할인권을 노출해주는 Monetai를 발굴해 도입·운영·지속 개선까지 단독으로 주도.

기존 화면에 개입하지 않고도 작동할 수 있는 지점을 찾는 것.
그 지점이 사내에 없다면, 외부 리소스와 연결해 확보한다.

02Execution

How it was built

  1. 01

    USER DEFINITION

    ‘기존 유저’를 정의

    가입 후 14일이 지났음에도 무료로 사용하는 유저를 ‘기존 유저’로 정의. 익숙해진 화면을 함부로 바꿀 수 없다는 제약을 출발점으로 삼음.

  2. 02

    RESEARCH · SOURCING

    시야를 밖으로, Monetai 발굴

    사내 해결이 막혀있던 문제를 외부 솔루션으로 풀기 위해 리서치. 구매 확률을 예측해 낮은 유저에게만 할인권을 노출해주는 Monetai를 직접 발굴.

  3. 03

    PARTNERSHIP · 1:3 MEETING

    도입 주도 & Monetai 측과 직접 협업

    Monetai 측 CTO, 개발자, 디자이너로 구성된 3인과 저 1인이 붙는 1:3 미팅을 지속하며, 세그먼트 기준·노출 로직·성과 해석 방식을 합의하고 파일럿부터 프로덕션 도입까지 단독으로 주도.

  4. 04

    LIVE · CONTINUOUS IMPROVEMENT

    운영 & 데이터 기반 지속 개선

    프로덕션 적용 이후에도 Amplitude 데이터를 지속 모니터링하고, Monetai 측과 세그먼트·노출 조건을 함께 조정하며 주간 결제 전환율을 계속 끌어올림. 지금까지도 플랜핏 프로덕션에서 운영 중.

03Impact

기존 유저 화면에 전혀 개입하지 않고 주간 결제 전환율을 +75% 상승시킴. 외부 AI 솔루션과의 제휴로 확보한 노출 제어 레이어는 일회성 실험에 그치지 않고, 지금까지도 플랜핏 프로덕션에서 운영 중.