앤트로픽에 떨어진 개발자, 흔한 습관 앱 하나로 88일 만에 월 1400만 원

메타데이터

• 원본 영상: 앤트로픽에 떨어진 개발자, 흔한 습관 앱 하나로 88일 만에 월 1400만 원
• 채널 / 주인공: 창업멘터리 / Frederick James (프레데릭 제임스)
• 발행일 / 정리일: 2026-10-26 / 2026-10-27
• 영상 길이: 약 9분 32초
• 참고 인터뷰: Starter Story, I Built a $10K/Month App in 88 Days
• 주제: AI 보조 앱 개발, 온보딩 분석, Apple Search Ads, TikTok 광고 실험, 1인 앱 사업의 수익성

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

코딩 에이전트를 활용하면 흔한 습관 관리 앱도 짧은 기간 안에 출시할 수 있지만, 매출을 만드는 핵심은 코드 자체가 아니라 수요가 있는 제품 경험, 낮은 초기 비용, 정교한 고객 획득 실험이다. 프레데릭 제임스는 경쟁 앱의 온보딩에서 검증된 구조를 참고하고, 생성형 AI로 구현과 크리에이티브 제작을 가속한 뒤, Apple Search Ads와 TikTok 광고로 성장시켰다.

• 제품 개발은 Figma 시안·데이터 구조·화면 흐름을 먼저 정리해 코딩 에이전트에 구체적으로 전달했다.
• 서버 인프라는 무료 구간을 활용해 고정비를 낮추고, AI 구독과 디자인 자산에는 비용을 투입했다.
• 광고는 Apple 검색에서 경쟁 앱의 수요를 포착하고, TikTok에서는 검증된 영상 형식을 재활용해 확장했다.
• 매출 규모와 별개로 광고비·플랫폼 수수료를 반영한 순이익률과 채널 의존 위험을 함께 봐야 한다.

1. 출발점: 빅테크 개발자에서 1인 앱 창업자로

1.1. 개인적 전환과 작은 제품 실험

1. 프레데릭 제임스는 런던의 빅테크에서 5년 일한 개발자다.
   • 그는 Anthropic 면접에서 탈락한 뒤 건강과 생활의 지속 가능성을 다시 생각하게 됐다.
   • 회사를 그만두고 여행을 떠났으며, 그 여행 중 장난처럼 건강 습관 관리 앱을 만들기 시작했다.
2. 앱의 종류 자체는 새롭지 않았다.
   • 앱스토어에는 이미 습관 관리 앱이 많이 있었고, 그는 코드를 직접 쌓기보다 AI 코딩 에이전트에게 구현을 맡겼다.
   • 이 사례의 초점은 독창적인 기반 기술보다 제품 구성과 유통 실험에 있다.

1.2. 짧은 기간에 확인한 매출과 전환

1. 출시 후 88일 만에 월 매출 1만 달러에 도달했다.
   • 영상은 환산 기준으로 월 약 1,400만 원을 제시한다.
   • 최고 월 매출은 1만 3,000달러, 약 1,820만 원이었다.
2. 초기 성과는 전환과 환불 지표에서도 나타났다.
   • 프레데릭은 다운로드에서 유료 결제로 이어지는 비율이 약 7%라고 설명한다.
   • 영상 내 인터뷰에서는 환불률이 약 0.7%라고 언급된다.
3. 앱 매각도 검토 중인 상태로 소개됐다.
   • 영상 설명에 따르면 앱은 스타트업 매매 플랫폼에 등록돼 매각 협상이 진행 중이었다.
   • 이는 협상 단계의 이야기이며, 실제 매각 완료를 뜻하지는 않는다.

2. 첫 번째 치트키: 검증된 온보딩을 분석하고 AI로 구현하기

2.1. 시장에 있는 제품 구조를 출발점으로 삼는다

1. 아이디어의 출발점은 X에서 본 앱 온보딩 분석이었다.
   • 잘 팔리는 앱의 화면 흐름과 설득 구조를 관찰하고, 그 위에 자신만의 방향과 명확한 기능을 더할 수 있다고 판단했다.
   • 이미 수요가 있는 제품 범주를 고르면 완전히 새로운 행동을 사용자에게 설명해야 하는 부담을 줄일 수 있다.
2. 핵심은 화면을 그대로 복제하는 것이 아니라 작동하는 패턴을 이해하는 것이다.
   • 사용자가 어떤 순서로 가치를 이해하고, 어느 지점에서 기능을 경험하며, 어디서 결제 의사를 보이는지 살펴본다.
   • 참고한 구조에 자신만의 사용 맥락과 개선점을 더해 별도의 제품으로 구성한다.

2.2. Figma와 시각적 명세로 코딩 에이전트의 모호성을 줄인다

1. 프레데릭은 코드부터 쓰지 않고 화면과 구조의 뼈대를 먼저 만들었다.
   • Figma에 화면 시안과 사용자 흐름을 정리하고, 필요한 데이터 구조와 기본 골격도 준비했다.
   • 말로만 요구하면 에이전트가 엉뚱한 방향으로 구현할 수 있으므로, 시각적 기준과 구조를 입력으로 제공했다.
2. 구체적인 입력을 바탕으로 에이전트가 화면을 구현하도록 했다.
   • 완성된 시안과 흐름을 코딩 에이전트에 넘겨 한 번에 많은 부분을 만들게 했다.
   • 이는 발표자의 개인 경험이며, Figma만 제공하면 모든 앱이 오류 없이 한 번에 완성된다는 보장은 아니다.

2.3. 생성형 이미지로 온보딩의 첫인상을 다듬는다

1. 이미지 자산은 참고 자료를 모은 뒤 AI로 변형했다.
   • Pinterest에서 영감을 얻을 이미지를 찾고, 이미지 생성 도구를 사용해 앱에 맞는 시각 스타일로 재구성했다.
   • 목적은 온보딩에 더 매력적인 이미지를 배치해 제품의 첫인상과 가치 전달을 강화하는 것이다.
2. 디자인은 장식이 아니라 사용자 전환 흐름의 일부로 다뤘다.
   • 온보딩은 기능 설명만 하는 화면이 아니라 사용자가 계속 진행할 이유를 보여주는 접점이다.
   • 화면의 흐름, 이미지, 카피, 기능 소개가 하나의 경험으로 이어지도록 구성했다.

3. 비용 구조: 서버 고정비는 낮추고 체감 품질에는 투자한다

3.1. 인프라는 무료 구간부터 조합한다

1. 서버 비용을 무료 티어 안에서 해결했다고 소개한다.
   • 이미지 저장, 데이터베이스, 서버리스 기능과 연산을 클라우드 제공자의 무료 사용량으로 구성했다.
   • 초기 사용량에서 고정비가 커지지 않도록 필요한 만큼만 시작하는 방식이다.
2. 초기에는 무료 분석·추적 도구도 이용했다.
   • 영상은 분석 도구의 무료 제공량을 활용했다고 설명한다.
   • 무료 구간은 초기 검증에 유용하지만, 이용량이 커질 때의 과금과 이전 비용은 별도로 점검해야 한다.

3.2. 절감만이 아니라 사용자가 알아보는 품질에 투자한다

1. AI 개발 도구 구독에는 월 약 28만 원을 지출했다.
   • 영상은 코딩에 사용하는 ChatGPT 계열 구독과 Claude 계열 구독에 각각 약 14만 원을 쓴 사례로 소개한다.
   • 모델과 도구를 직접 쓰는 비용은 코드 작성 시간을 줄이고 결과를 개선하기 위한 변동 투자로 본다.
2. 첫인상을 바꾸는 전용 글꼴에도 약 42만 원을 지불했다.
   • 모든 비용을 무조건 줄이기보다, 사용자에게 바로 보이는 디자인 요소에 선택적으로 투자했다.
   • 이 사례의 비용 원칙은 서버처럼 보이지 않는 고정비는 낮추고, 제품의 체감 품질을 높이는 곳에는 과감히 쓰는 것이다.

4. 두 번째 치트키: Apple Search Ads로 이미 존재하는 검색 수요를 잡는다

4.1. 검색 결과에서 경쟁 앱을 찾는 사용자에게 노출한다

1. 초기 고객 획득 채널로 Apple Search Ads를 사용했다.
   • 신규 광고 계정에 제공되는 약 14만 원의 프로모션 크레딧을 초기 실험 자금으로 삼았다.
   • 광고를 집행하기 전에 앱스토어 스크린샷을 다듬어 검색 결과에서 제품이 설득력 있게 보이도록 했다.
2. 자동 매칭을 끄고 경쟁 앱 관련 검색어를 직접 설정했다.
   • Duolingo처럼 규모가 큰 경쟁 앱을 찾는 사용자의 검색 화면에서 자기 앱이 노출되도록 키워드를 구성했다.
   • 영상은 이를 경쟁 앱이 만들어 둔 검색 수요를 포착하는 방식으로 설명한다.

4.2. 광고 데이터에서 수익성 있는 키워드를 찾는다

1. 키워드별 성과를 매일 살펴 예산을 효율이 높은 곳에 집중했다.
   • 광고 지표를 AI에 전달해 매출에 기여하는 검색어를 찾아내는 흐름을 소개한다.
   • 앱 이름을 알리는 것보다 유료 전환 가능성이 있는 검색 의도에 광고비를 쓰는 것이 목표다.
2. 검색 광고가 첫 매출 규모를 키우는 역할을 했다.
   • 영상 챕터는 Apple 검색 광고로 첫 월 700만 원 수준을 만든 구간을 다룬다.
   • 검색 광고는 이미 앱을 찾는 사용자를 만날 수 있지만, 키워드 입찰가와 플랫폼 정책을 고려해 실험해야 한다.

5. 세 번째 치트키: TikTok 크리에이티브와 목표 단가로 광고를 확장한다

5.1. 반응이 입증된 영상 형식을 앱에 맞게 다시 만든다

1. 처음부터 광고 영상을 발명하기보다 TikTok에서 반응이 좋았던 형식을 찾았다.
   • 이미 조회수가 나온 영상 아이디어를 살펴보고, AI를 활용해 앱의 맥락에 맞게 재구성했다.
   • 영상은 검증된 크리에이티브 다섯 개를 골라 소수의 광고부터 운영했다고 설명한다.
2. 초기 데이터가 쌓이도록 광고를 너무 빨리 끄지 않았다.
   • 영상 하나에 약 7만 원의 테스트 예산을 넣고, 초반 손실만으로 바로 중단하지 않았다.
   • 플랫폼 알고리즘이 반응할 사용자군을 학습할 수 있도록 충분한 신호를 주려는 의도였다.
3. 성과가 좋은 광고의 예산은 점진적으로 올렸다.
   • 광고 성과가 확인된 뒤에는 며칠 간격으로 예산을 약 20%씩 높였다.
   • 급격한 변경으로 학습이 흔들리지 않도록 천천히 규모를 키웠다.

5.2. 목표 고객 획득 단가를 주고 알고리즘에 확장을 맡긴다

1. 목표 단가를 정하자 광고비 집행 규모가 빠르게 커졌다.
   • 고객 한 명을 데려오는 데 허용할 비용을 설정해 TikTok 알고리즘이 해당 목표에 맞는 노출을 찾도록 했다.
   • 하루 약 28만 원이던 광고비는 하루 약 140만 원까지 올라갔다.
2. 일주일 사이 월 매출이 약 700만 원에서 1,400만 원으로 증가했다.
   • 목표 단가와 학습 데이터가 맞아떨어지자 광고 지출과 결제 알림이 함께 빠르게 늘었다.
   • 이는 인터뷰에서 소개된 한 앱의 결과이며, 다른 앱에서도 같은 확장률이 재현된다는 뜻은 아니다.

5.3. 매출과 이익, 계정 위험을 함께 본다

1. 초기 몇 주는 광고비 때문에 적자였다고 밝혔다.
   • 유료 광고는 고객 획득을 빠르게 하지만, 전환이 안정되기 전까지는 손실을 감수해야 할 수 있다.
   • 인터뷰는 첫 실험을 시작할 때 일정한 학습 비용을 감안해야 한다고 강조한다.
2. 광고비와 수수료를 뺀 순이익률은 약 30%였다.
   • 월 매출이 1,400만 원이라고 해서 그 금액이 그대로 사업자에게 남는 것은 아니다.
   • 인플루언서 섭외 등에 쓰일 시간을 광고비로 구매했다고 설명하지만, 낮은 순이익률을 지속 가능한지 따져야 한다.
3. TikTok 계정에만 의존하면 플랫폼 위험이 커진다.
   • 계정이 차단되면 매출이 하루아침에 끊길 수 있다는 점을 프레데릭도 언급했다.
   • 장기 운영에서는 검색 광고, 콘텐츠, 다른 획득 채널을 함께 키워 단일 플랫폼 의존을 낮추는 편이 낫다.

6. 세 가지 성장 전술과 바로 해볼 수 있는 실험

6.1. 영상이 제안하는 세 가지 치트키

1. 온보딩 분석: 앱스토어 상위 앱의 첫 실행부터 결제 직전까지 흐름을 살펴보고, 검증된 구조에 자기만의 개선점을 더한다.
2. 검색 수요 포착: Apple Search Ads에서 경쟁 앱 관련 검색을 활용해 이미 구매 의도가 있는 사용자를 만난다.
3. 크리에이티브 확장: TikTok에서 반응이 검증된 영상 형식을 AI로 재구성하고 목표 고객 획득 단가를 기준으로 예산을 조절한다.

6.2. 오늘 시작할 수 있는 세 가지 관찰 과제

1. 앱스토어 상위 앱 세 개를 설치하고 유료 결제 직전까지의 온보딩 화면을 기록한다.
2. 각 앱에서 자신이라면 추가하거나 개선하고 싶은 기능 한 가지를 적는다.
3. 관심 분야에서 TikTok 조회수가 높았던 영상 세 개를 찾아 형식과 첫 장면을 분석한다.

주요 발언 모음

“The download-to-paid ratio is about 7%.”

발표자는 이 전환율이 자신이 속한 앱 범주에서 좋은 수치라고 설명했다. 특정 제품의 인터뷰 수치이므로 다른 앱의 기대 기준으로 그대로 일반화할 수는 없다.

핵심 데이터 & 수치

• 5년: 프레데릭 제임스가 런던 빅테크에서 일한 기간으로 영상 설명에 소개됐다.
• 88일: 출시 후 월 1만 달러 매출에 도달하기까지 걸린 기간.
• 월 1만 달러 / 최고 1만 3,000달러: 각각 약 1,400만 원 / 1,820만 원으로 환산된 월 매출.
• 약 7% / 약 0.7%: 다운로드 대비 유료 전환율 / 환불률로 인터뷰에서 제시된 값.
• 월 약 28만 원: ChatGPT 계열·Claude 계열 AI 개발 도구 구독료의 합계로 소개된 비용.
• 약 42만 원: 제품의 첫인상을 위해 구입한 전용 글꼴 비용.
• 하루 28만 원 → 140만 원: 목표 단가를 설정한 뒤 확대된 TikTok 광고 일 예산.
• 약 30%: 광고비와 수수료를 제외한 순이익률로 인터뷰에서 언급된 값.

결론 및 시사점

1. 코딩 에이전트는 구현 비용을 낮추지만 시장 조사, 제품 경험 설계, 고객 획득과 수익성 검증을 대신해주지는 않는다.
2. 경쟁 제품의 온보딩을 분석하고 명확한 개선점을 더하면, 검증되지 않은 아이디어부터 시작하는 위험을 줄일 수 있다.
3. Figma 시안과 데이터 구조처럼 구체적인 입력은 AI 코딩 에이전트가 일관된 결과를 내도록 돕는다.
4. 초기 사업은 무료 인프라로 고정비를 낮추되, 사용자가 체감하는 품질과 전환에 직접 영향을 주는 영역에 선택적으로 투자할 수 있다.
5. 유료 광고는 빠르게 성장시킬 수 있지만, 실험 손실·순이익률·계정 정지 위험·채널 집중도를 함께 관리해야 한다.
6. 사례의 매출 수치는 성공 가능성을 보여주는 한 사례이지, 누구나 같은 기간에 같은 결과를 얻는다는 보장은 아니다.

핵심 요약 (20줄)

1. 런던 빅테크에서 5년 일한 프레데릭 제임스는 Anthropic 면접에서 탈락한 뒤 여행 중 습관 관리 앱을 만들었다.
2. 그는 코딩 에이전트에게 구현을 맡기고 출시 88일 만에 월 1만 달러 매출에 도달했다고 밝혔다.
3. 영상은 최고 월 매출 1만 3,000달러와 매출의 원화 환산액도 함께 소개한다.
4. 다운로드 대비 유료 전환율은 약 7%, 환불률은 약 0.7%라고 인터뷰에서 설명했다.
5. 앱의 주제는 흔했지만 X에서 본 온보딩 분석을 바탕으로 검증된 구조에 자신만의 방향을 더했다.
6. Figma 화면 시안·사용자 흐름·데이터 구조를 먼저 정리해 코딩 에이전트에 전달했다.
7. Pinterest에서 찾은 이미지 참고 자료는 이미지 생성 도구로 앱의 시각 스타일에 맞게 재구성했다.
8. 인프라와 분석은 클라우드 무료 사용량을 활용해 초기 서버 고정비를 낮췄다.
9. AI 개발 구독료와 전용 글꼴에는 비용을 지불해 개발 속도와 제품의 첫인상을 보완했다.
10. Apple Search Ads는 신규 계정의 프로모션 크레딧과 개선한 앱스토어 화면으로 시작했다.
11. 자동 키워드 매칭 대신 Duolingo 같은 경쟁 앱 관련 검색어를 설정해 검색 수요를 포착했다.
12. 광고 성과를 매일 점검해 유료 전환에 기여하는 키워드에 예산을 집중했다.
13. TikTok에서는 조회수가 입증된 영상 형식을 찾아 AI로 앱에 맞게 재구성했다.
14. 다섯 개 크리에이티브를 각각 약 7만 원으로 시험하며 알고리즘 학습에 필요한 초기 신호를 모았다.
15. 반응이 좋은 광고 예산은 며칠 간격으로 약 20%씩 점진적으로 올렸다.
16. 목표 고객 획득 단가를 설정하자 하루 광고비가 약 28만 원에서 140만 원으로 확대됐다.
17. 광고 확장 이후 약 일주일 만에 월 매출이 700만 원에서 1,400만 원으로 증가했다고 소개한다.
18. 초기 몇 주는 광고비 때문에 적자였고, 광고비와 수수료를 뺀 순이익률은 약 30%였다.
19. 계정 차단 시 매출이 급격히 끊길 수 있으므로 한 광고 플랫폼에만 의존하지 않는 것이 중요하다.
20. 핵심은 검증된 온보딩 분석, 구체적인 AI 입력, 작은 광고 실험과 수익성·채널 위험의 동시 관리다.