B · PRODUCT / PRIMARY
목표점수 완주시험일까지 실행할 경로를 관리하고, 지연되면 복구하며, 실패가 예고되면 개입한다.
구매 이유 · AI 실행운영PREMIUM EXAM COMPLETION / DEVELOPMENT → MARKET SHARE
문제풀이가 아니라
목표점수까지의 완주를 판다.
기출적중의 첫 시장은 기존 내신만점 고객이다. AI가 시험주기 실행·재계획을 담당하고, 교사는 위험 상황에서만 짧게 개입한다. 별도 유료 완주 가치가 확인되면 독립 개인구매 시장으로 확장한다.
B · 완주가 상품A · 출제 적중이 경쟁력C · 예측은 검증 후교사 평균 5~10분 목표
전략·현황 문서 생성 단계 · 제품 코드 변경 없음 · 라이브 게시 없음
POSITIONING
고객은 무엇을 구매하는가
기존 내신만점은 시험 준비의 진입, 기출적중은 제한된 시험기간의 완주·회복·실전 검증을 담당한다. 경계가 흔들리면 새 매출이 아니라 기존 고객의 상품 이동만 생긴다.
A · SUPPLY / DIFFERENTIATOR
출제 적중학교별 시험 범위와 출제 구조를 고려해 높은 우선순위 문제를 공급한다.
검증 가능한 문항 품질 · 권리C · EVIDENCE / MOAT
성적 예측예상과 실제 점수를 비교하고 반복 오차를 보정한다. 예측을 성과로 가장하지 않는다.
장기적 데이터 해자 · 후행 검증MARKET BENCHMARK
경쟁자의 강점을 복제하지 말고 구조를 이긴다
벤치마크 해석은 제공된 전략연구 문서를 출발점으로 하며, 현재 각 기업의 실적을 새로 실사한 결과로 취급하지 않습니다.
UWorld / Magoosh
강점 · 시험 특화 문제와 설명, 제한된 시험일을 중심으로 한 학습 도구와 준비 경험.
기출적중 대응 · 문제 품질 자체보다 계획 이탈 후 회복 행동을 측정 가능한 서비스로 제공.
족보닷컴 / 범용 내신기출
강점 · 방대한 학교기출 및 시험 대비 검색/콘텐츠 진입.
기출적중 대응 · 우리 학교의 남은 시간·현재 상태·목표점수를 하나의 유한 실행경로로 연결.
실패를 반영한 제품 규율
Udacity · 콘텐츠 접근이 완주를 보장하지 않음.
Knewton · 정교한 추천만으로 시장 유통 우위를 만들기 어려움.
BYJU’S · 공격적 판매보다 진짜 재구매·신뢰·단위경제 우선.
CLOSED LOOP / MONEY PATH
기출적중의 제품·성장 폐회로
성장의 단위는 가입자 수나 생성 문항 수가 아니라 “별도 유료 시험주기가 실제로 실행되고, 시험 결과를 받아 다음 구매로 이어졌는가”이다.
내신만점 고객기존 유료 기반
→
완주 위험 진단D-30 / 21 / 14
→
기출적중 추가결제별도 영수증
→
AI 일일 실행·재계획GREEN / YELLOW
→
RED 교사 단기개입평균 5~10분
→
완주·실제 시험예측과 실점 비교
↺
재구매·독립유입증명된 수익성에 재투자
STATE TRANSITIONS / DRILL DOWN
개발에서 시장점유까지의 상태전이 지도
상위 7개 마일스톤은 고정합니다. 각 세부 노드는 실행 지시가 아니라 관찰 가능한 통과조건을 가진 전이 후보입니다. 현재 첫 미완성 edge만 드릴링합니다.
DECIDED = 사람 전략결정 · REPO EVIDENCE = 코드/정본에 해당 사실 기재 · CURRENT = 첫 미완성 실측 · BLOCKED = 미개통/권한장애 · PLANNED = 미래 경로. 이 상태들은 학습·매출 성공을 의미하지 않습니다.
UNIT ECONOMICS / HYPOTHESIS, NOT ACTUAL
초경량 교사 개입을 실제 이익으로 연결
가격과 원가는 모두 파일럿 가설입니다. 실제 결제·교사 투입·환불·과세 확인 전에는 성과라고 해석하지 않습니다.
SCENARIO CONTROLS
교사 예약 여유 40%를 비용화. 학생당 AI/인프라 5천원 + 결제/지원 4천원 + 추가 획득 3천원 가정. 고정개발비·환불손실 제외. 과세/면세 여부는 별도 검증.
SCENARIO OUTPUT
시험주기 추가매출(총결제액)—
학생당 예약 교사원가—
학생당 추정 공헌이익—
시험주기 총 추정 공헌이익—
| 기준 시나리오 | 30명 기준 |
|---|---|
| 교사 총 실작업시간 | — |
| 교사 예약용량(40% 여유) | — |
| 공헌이익률 | — |
가격은 추가구매 39,000 / 49,000 / 59,000원 비교용. 독립시장 단독 99,000원은 후속 가격 가설로 분리. 실제 결제와 구분.
AI-TEACHER OPERATING PROTOCOL
위험 감지와 인간 개입의 책임 경계
SLA는 검증 전 운영 후보이며 현재 고객에게 약속한 확정 서비스 수준이 아닙니다.
GREEN
자동 진행
계획대로 수행. AI가 다음 문제와 시간표를 운영하고 교사 알림은 보내지 않음.
0 min
YELLOW
AI 자가복구
연속 미완료·핵심영역 정체·120% 시간 초과 후보에서 최소 재계획.
AI first
RED
교사 확인
AI 복구 실패·D-7 핵심 미완주. D-14~8: 8h / D-7~4: 4h / D-3~1: 2h 검토 후보.
5–10m avg.
UNKNOWN
판정 보류
수행 데이터가 없으면 위험을 단정하지 않음. 확인 요청 후 상태 전이.
No guess
CONTROL CONTRACT / ANTI DRIFT
마일스톤을 Drilling하는 규칙
사용자 요청대로 필요할 때마다 한 전이에 집중하되 새로운 Graph/승인층/스킬을 자동으로 추가하지 않는다.
드릴링 절차
- ENTRY · 현재 상태와 실제 근거를 확인한다.
- TARGET · 다음 하나의 관찰 가능한 상태를 정한다.
- HYPOTHESIS · 가장 작은 실행으로 전이 가능한지 시험한다.
- PASS · CODE / BEHAVIOR / REALITY / REVENUE를 구분해 검증한다.
- FAIL · 직접 실패 원인 하나만 추가 세분화한다.
- COMPRESS · 성공하면 검증한 경로만 reference로 남긴다.
승격·재투자·안전 규칙
- 별도 영수증 없이 기출적중 외부매출로 인정하지 않는다.
- AI가 학습범위를 삭제해 허위 완주율을 높이지 않는다.
- 평균 교사 5~10분은 목표이며 고위험 학생을 방치하는 상한이 아니다.
- 교사 수정이 반복되고 대조검증을 통과할 때만 자동화로 이전한다.
- 실제 순증 공헌이익을 학교기출 커버리지 → 완주복구 품질 → 예측보정 → 검증된 유입에 재투자한다.
- 제품개발·결제·가격·라이브 배포는 이번 문서 제작의 승인 범위에 포함되지 않는다.
SOURCE & EVIDENCE
현재 판정의 근거
사용자 결정과 저장소에서 관찰된 사실을 분리해 표기합니다.
근거 우선순위: 실제 영수증/실학생 결과 > 실제 런타임·운영 > 저장소 코드·문서 > 전략 가설. 제공된 전략연구 자료와 사용자 확정안을 함께 반영. 현재 판정 시점 2026-10-08.