운영 중
현재 제품
Clad
AI 퍼스널 컬러 서비스
Clad는 사용자가 올린 사진을 분석해 퍼스널 컬러 결과와 팔레트, 뷰티 추천을 제공합니다. 판단 근거를 이해하기 쉽게 설명하고 결과를 일상에서 활용하도록 돕는 데 집중합니다.
- 퍼스널 컬러 분석
- 팔레트 추천
- 뷰티 추천 UX
Clad 제품 화면
운영 중인 Clad
화면 설명
운영 중인 Clad
현재 운영 중인 서비스의 한국어 모바일 홈페이지입니다.
서비스 개발 기록
분석 결과를 실제 선택으로 연결한 과정
사진을 받는 순간부터 결과를 이해하고 색과 제품을 고르는 순간까지, 같은 제품 원칙과 판단 근거가 이어지도록 설계했습니다.
- 01관찰과 근거
진단보다 활용에서 막히는 지점 찾기
- 확인한 질문
- 퍼스널 컬러가 궁금한 사람은 어디에서 가장 큰 부담과 혼란을 느끼는가?
- 내린 판단
- 전문 진단의 대체보다 부담이 낮은 첫 분석과 활용 가능한 다음 선택에 집중했습니다.
- 판단에 사용한 근거
- 전문 진단의 시간·비용 장벽, 결과 활용의 어려움, 조명과 보정에 따른 사진 편차를 초기 제약으로 삼았습니다.
- 02문제와 원칙
정답보다 이해 가능한 출발점
- 확인한 질문
- 불확실성이 있는 사진 분석을 어떻게 책임 있게 제품화할 수 있는가?
- 내린 판단
- 근거와 한계를 설명하고 재촬영 경로를 제공하며, 추천을 고정된 정답이 아닌 탐색의 출발점으로 제시했습니다.
- 판단에 사용한 근거
- 계절 유형 하나만 보여주는 결과로는 사용자가 판단을 납득하거나 실제 색 선택으로 이어가기 어렵다는 제품 가설을 세웠습니다.
- 03가설과 범위
사진에서 추천까지 하나의 핵심 흐름
- 확인한 질문
- 첫 버전이 반드시 완성해야 할 사용자 여정은 무엇인가?
- 내린 판단
- 사진 준비, 분석, 근거 설명, 팔레트, 뷰티 추천에 범위를 집중하고 전문 진단의 모든 맥락을 재현하지 않았습니다.
- 판단에 사용한 근거
- 가장 작은 유용한 결과를 ‘유형 확인’이 아니라 ‘이해하고 바로 참고할 수 있는 선택’으로 정의했습니다.
- 04경험과 시스템
모델 전후의 경험까지 함께 구현
- 확인한 질문
- 분석 능력을 안정적인 서비스 경험으로 어떻게 연결할 것인가?
- 내린 판단
- 입력 검증, AI 비전 워크플로, 결과 정규화, 팔레트·추천 UI, 클라우드 배포와 관측을 연결했습니다.
- 판단에 사용한 근거
- Flutter, Python, Terraform 등 현재 규모에서 직접 운영할 수 있는 기술과 오류·재시도 경계를 선택했습니다.
- 05출시와 학습
출시를 증명이 아닌 관찰의 시작으로
- 확인한 질문
- 결과가 흥미로운 답을 넘어 실제 선택에 쓰이는가?
- 내린 판단
- 결과 설명 열람, 팔레트·추천 이동, 재분석 이유와 정성 피드백을 다음 개선의 판단 신호로 둡니다.
- 판단에 사용한 근거
- 현재는 결과 설명 명확도와 추천 신뢰도를 중심으로 관찰하며, 실제 수치가 쌓이기 전에는 성과를 단정하지 않습니다.
다음 판단에 사용하는 신호
- 현재 초점
- 결과 설명 명확도
- 판단 신호
- 팔레트·추천 탐색과 재분석 이유
- 개선 루프
- 사용자 피드백 → 작은 변경 → 재관찰
이 항목은 이미 달성한 성과가 아니라, 운영과 검증에서 다음 결정을 내리기 위해 보는 근거입니다.
시스템 구조
사진에서 추천까지 이어지는 하나의 흐름
Clad는 사진 검증, AI 기반 색상 분석, 결과 정규화, 팔레트 생성, 추천 매핑을 하나의 흐름으로 연결합니다.
입력 레이어
사진 업로드, 검증, 이미지 전처리
AI 워크플로
비전 분석, 프롬프트 파이프라인, 결과 정규화
제품 레이어
결과 설명, 팔레트 UI, 추천 매핑
운영 레이어
분석, 피드백, 개선 백로그
현재 개선 항목
결과 설명 개선
팔레트 시각화 개선
사용자 피드백 수집
추천 품질 개선
더 지역화된 뷰티 가이드 지원
지금 의견을 듣고 싶은 질문
분석 결과의 어떤 설명이 이해를 도왔고, 팔레트나 추천을 고를 때 어디에서 막혔나요?