• 벤처창업연구
• /
• 제18권5호
• /
• pp.91-107
• /
• 2023

린 스타트업은 효율적인 기업 운영 방식을 의미하는 '린(lean)'과 창업 초기기업을 의미하는 '스타트업(startup)'을 결합해 만들어진 개념으로 창업 초기기업, 특히 소프트웨어 기반 스타트업의 실패 최소화 전략으로 자주 인용되고 있다. 본 연구는 초기스타트업 L사의 사례를 통하여 하드웨어·제조업 기업도 린 스타트업 방법론(LSM)을 유용하게 활용할 수 있음을 제시하고, 초기 스타트업이 LSM을 성공적으로 실천하기 위한 방안을 도출하였다. 이를 위해 LSM의 핵심 개념인 가설중심의 접근법, BML 피드백 순환, 최소요건제품(MVP) 및 피봇을 설명하고, 이를 바탕으로 LSM의 성공적인 실천 여부를 평가할 수 있는 기준을 도출한 후 동 기준을 중심으로 L사의 사례를 분석하였다. L사는 거동불편환자용 배변알리미 제품에서 출발하여, 영유아용 배변알리미를 거쳐, 최종적으로는 영유아용 스마트바틀을 주력 제품으로 사업을 확장하고 있는 스타트업이다. LSM의 관점에서 분석한 결과, L사는 창업 초기에는 창업 아이디어를 구체적인 고객 가치가설로 수립하지 못했고, 신속한 MVP실험을 통해 검증하는 데에도 실패하였으므로 만들기-측정-학습의 순환을 만들어내는데 실패하였다. 그러나 두 차례에 걸친 피봇을 통해 새로운 타겟 고객군과 고객 니즈를 개발하였고, 이를 최소의 노력과 시간을 들인 MVP로 반복적으로 실험함으로써 성공적인 비즈니스모델을 도출할 수 있었다. L사의 사례를 통해 사업초기에 반드시 고객-시장 검증 단계를 거쳐야 하며, 이는 스타트업의 시간과 자원이 낭비되지 않는 MVP 방식으로 진행되어야 함을 확인할 수 있었다. 또한 고객이 원하지 않는 제품이나 서비스는 기술적으로 우수하고 기능적으로 완성도가 높다 하더라도 과감히 포기하고 피봇할 필요성이 있음도 확인하였다. 마지막으로 린 스타트업 방법론이 소프트웨어 산업에 국한되지 않고, 기술기반 제조업에도 적용 가능함을 증명하였다. 본 연구의 결과는 향후 창업 초기기업이 실패를 최소화하고, 비즈니스모델 확립과 스케일업, 글로벌 진출에 이르는 과정을 가속화하기 위한 지침과 방법론으로 활용될 수 있을 것이다.

• 지능정보연구
• /
• 제19권3호
• /
• pp.57-71
• /
• 2013

세계에는 수많은 사람들이 살아가고 있고, 사람들의 일상으로부터 매일, 매 시간 단위로 새로운 뉴스가 발생한다. 발생되는 뉴스는 예정된 일과 예상하지 못한 일들을 포함하고 있다. 발생하는 뉴스의 거대한 양과 이를 전달하는 수많은 미디어들로 인해 사람들은 뉴스 콘텐츠를 이용하는데 많은 시간을 소비하게 된다. 하지만 미디어에 시시각각 나타나는 속보와 실시간 이슈의 대부분이 가십 기사로 이루어져 있어 사용자들이 자신의 성향에 맞는 뉴스를 선별하고, 뉴스로부터 정보를 획득하는 것은 쉽지 않은 일이다. 또한 사용자의 관심사가 시간에 따라 변하기 때문에 뉴스 제공에 있어 사용자의 변하는 관심사를 반영하는 것이 요구된다. 본 논문에서는 사용자의 최근 관심사를 기반으로 사용자 선호도에 맞는 뉴스를 제공하기 위한 콘텐츠 기반의 추천 기법 및 시스템을 제안한다. 사용자의 최근 선호도를 파악하기 위하여 소셜 네트워크 서비스인 Facebook 사용자의 정보와 최근 게시글을 이용하여 동적으로 사용자 프로파일을 생성하여 이를 뉴스 서비스에 활용하고, 사용자 선호도에 적합한 뉴스를 추출하기 위해서 뉴스 콘텐츠의 분석을 요구한다. 뉴스 콘텐츠 분석을 위해 미디어에서 제공되는 뉴스의 카테고리를 사용하고, 뉴스 방송원고의 분석 및 주요 키워드 추출을 통해 뉴스 프로파일을 생성한다. 사용자 프로파일과 뉴스 프로파일 간의 유사도 측정을 위해서는 두 프로파일 간 형식의 일치화가 요구되므로 사용자 프로파일을 뉴스 프로파일과 동일한 형태로 생성한다. 사용자가 시스템에 접속하면 시스템은 사용자 프로파일에 명시된 선호도를 기반으로 뉴스 프로파일과의 유사도를 측정하고, 사용자 선호도에 가장 적합한 뉴스들을 제공하게 된다. 또한 사용자에게 제공된 뉴스 프로파일과 다른 뉴스 프로파일들 간에 유사도를 측정하여 유사도가 높은 관련된 뉴스들을 제공하게 된다. 제안한 개인화된 뉴스 서비스의 성능을 평가하기 위해 사용자에게 추천된 뉴스에 대한 사용자 평가와 시스템 예측값의 오차를 기반으로 6Sub-Vectors 벤치마크 알고리즘과 성능 평가를 수행하였고, 실험 결과를 통해 제안한 시스템의 우수성을 입증하였다.