[설계] 0 단계-단계별 트래픽 가설

1. 타겟 유저, 타겟 시장

1)타겟 유저

1차 배포 타겟 유저

• 카테부 교육생

2차 배포 타겟 유저

• 대학교 기숙사생
• 아파트, 오피스텔에 자취하는 20-30대 직장인

3차 배포 타겟 유저

• 2차 배포 타겟 유저 + 40-50대 주부

2) 타겟 시장

2차 배포 타겟 시장

TAM 전체 잠재 시장

온라인 대량구매 후 소액 생필품 처치에 곤란을 겪을 수 있는 1인 생활 인구

• 대학생 301만 명 + 20-30대 1인가구 약 289만 가구(전체 1인가구 805만 중 20-30대 35.6%)
• 단순 합산 시 약 590만 명 규모지만, 자취하는 대학생은 1인가구 통계에도 일부 중복 집계되므로 중복분 20% 안팎(가정) 제외하면 약 500만 명
• 이 인구 전체가 "혼자 살면서 생필품 재고를 스스로 관리해야 하는" 공통적인 상황을 가짐

SAM 유효 시장

물리적 경계가 뚜렷한 밀집 커뮤니티에 실제로 거주/소속된 사람

• 대학교 기숙사생 66만명(4년재 대학교 기숙사 수용률 22%)
• 아파트, 오피스텔에 자취하는 20-30대: 20대 1인 가구(약 150만 가구, 전체 824만 × 17.8%) 중 50% 75만명(20% 아파트 + 30% 다가구단독) + 30대 1인 가구(143만 가구, 824만 × 17.4%) 중 55.3%(아파트 36.1% + 다가구단독 19.2%) 79만명 = 154만명
• 합계 220만명

3차 배포 타겟 시장

TAM

2차 TAM + 30-50 기혼 여성(약 650만명) ⇒ 1300만명 이상

SAM

2차 SAM + 30-50 기혼 여성 90% (580만명) ⇒ 800만명

2. 예상 서비스 지표

1차 배포 예상 서비스 지표

	v1
타겟 유저	카테부 교육생 (20대 중반-30대 초반)
SOM(목표 시장)	120명
MAU	30명
DAU	30명
세션 요청수	21.23
세션 수	30 (DAU와 동일)
하루 총 요청 수	636.9
트래픽 집중 시간	140분 = 8,400초
평균 RPS	0.076
트래픽/자원 사용량 큰 기능	이미지 업로드, 물품 등록 검증 시 AI API 호출

트래픽 집중 시간: 평일 쉬는 시간(9:00–18:00 중 매시 50분–정각, 9회×10분=90분) + 점심시간(12:00–13:00, 60분) = 140분 = 8,400초

v1은 사용자 수가 적고 사용 시간대가 고정되어 있어 피크 RPS보다 평균 RPS가 더 유의미하다. 평균 RPS = 하루 총 요청 수 ÷ 트래픽 집중 시간(초)

1차 핵심 User Flow

신규 유저 Flow (DAU의 70%)

번호	User Flow	요청	요청 수
1	디스코드 진입 → 카카오 로그인 → 취향 설정 → 그룹 탐색 → 그룹 가입	카카오 로그인 리다이렉트 1, 인증 콜백 1, 거래 취향 설정 1, 그룹 탐색 1, 그룹 참가 1	5
2	물건 등록	이미지 업로드 1, 등록 저장 1	2
3	그룹 내 물건 탐색 → 상세 확인	홈 목록 조회 1, 물건 상세 조회 5	6
4	교환 요청 → 채팅 조율 → 직거래	내 물건 선택 조회 1, 교환요청 생성 1, 채팅방 생성 1, 히스토리 조회 1, 메시지 왕복 7	11
5	교환 완료 처리	완료 처리 1, 상세 재조회 1	2
		합계	26

재방문 유저 Flow (DAU의 30%)

번호	User Flow	요청 수	확률	가중 요청 수
1	카카오 로그인 → 목록 탐색	3	100%	3.0
2	물건 등록	2	10%	0.2
3	물건 상세 확인	6	50%	3.0
4	교환 요청 → 채팅 조율 → 직거래	11	30%	3.3
5	교환 완료 처리	2	30%	0.6
			합계	10.1

세션 평균 요청수

구분	비율	요청 수
신규	70%	26
재방문	30%	10.1
가중 평균	100%	21.23

평균 RPS 계산

하루 총 요청 수 = 세션 수 × 세션 평균 요청 수 = 30 × 21.23 = 636.9
평균 RPS       = 636.9 ÷ 8,400 ≈ 0.076

2차, 3차 배포 서비스 예상 지표

	v2	v3
타겟 유저	대학교 기숙사생, 20-30대 1인 가구	20-30 학생, 직장인 + 30-50 기혼 여성
SOM(목표 시장)	220만 명	800만 명
MAU	20만 명	500만 명
DAU	4만 명	125만 명
Peak 동시 사용자	2,000명	62,500명
체류 시간	300초	600초
세션 평균 요청수	11.95	11.56
세션 초당 요청수	0.04	0.02
Peak RPS	80	1,250
트래픽 집중 시간	19-21시	19-21시
트래픽/자원 사용량 큰 기능	이미지 업로드 물품 등록 검증 시 AI API 호출 + 스마트 검색	v2와 동일 + 채팅 시뮬레이션

임의 수식

• MAU/DAU 비율: v2 20%, v3 25%
• v2, v3 Peak 동시 사용자 = DAU의 5%
• 체류 시간: v2 300초, v3 600초

2차 배포 핵심 User Flow

번호	User Flow	요청	요청 수	flow 비중
1	카카오 로그인 → 홈에서 물건 목록 탐색 → 물건 상세	로그인 2, 홈 목록 2, 상세 3	7	100%
2	물건 등록(사진 업로드)	이미지 업로드 3, 등록 저장 1, 등록완료 상세조회 1	5	30%
3	물건 상세 → 교환 요청 → 채팅방 생성 → 교환 수락/거절	내 물건 선택 조회 1, 교환요청 생성 1, 채팅방 생성 1, 채팅 히스토리 조회 1, 메시지 송수신(시간/장소 조율 왕복) 7, 교환 완료/거절 1	12	15%
4	검색 → 물건 상세 → 관심 물품 등록	검색 API 1, 상세조회 2, 관심등록 1	4	30%
5	스마트 검색 → 물건 상세 → 관심 물품 등록	스마트검색(LLM 호출·다중물건+텍스트) 1, 상세조회 3, 관심등록 1	5(일반 API 대비 무거운 연산)	5%
6	관심 목록 → 관심 물품 상세	관심 목록 불러오기 1	1	20%

세션 당 평균 요청 수 = flow1(100%×7) + flow2(30%×5) + flow3(15%×12) + flow4(30%×4) + flow5(5%×5) + flow6(20%×1) = 11.95

3차 배포 User Flow

번호	User Flow	요청	요청 수	flow 비중
1	카카오 로그인 → 위치 기반 추천 그룹 탐색 → 위치 인증 → 그룹 참가 → 홈에서 물건 목록 탐색 → 물건 상세	로그인 2, 위치조회+추천그룹 1, 위치인증 API 1, 그룹참가 1, 홈목록 2, 상세 3	평균 8.5 (신규 10 / 그룹 탐색·참가 생략 7)	100%
2	물건 등록(사진 업로드) → 등록 완료 후 상세 페이지 확인	v1과 동일	5	30%
3	물건 상세 → 교환 요청 → 채팅방 생성 → 교환 수락/거절	v1과 동일	10	15%
4	검색 → 물건 상세 → 관심 물품 등록	v2와 동일	4	15%
5	스마트 검색 → 물건 상세 → 관심 물품 등록	v2와 동일	4	5%
6	관심 목록 → 관심 물품 상세	관심 목록 불러오기 1	1	20%
7	게시글 상세 → 신고하기	이미지 업로드 1, 신고 제출 1	2	1%
8	마이 페이지 → 1:1 문의 → 문의하기	1:1 문의 목록 요청 1, 문의 이미지 업로드 3, 문의 요청 1, 문의 확인 1	6	1%
9	채팅 시뮬레이션	채팅 요청 1	평균 5회	3%

세션 당 평균 요청 수 = flow1(100%×10) + flow2(30%×5) + flow4(15%×10) + flow4(15%×4) + flow5(5%×4) + flow6(20%×1) + flow7(1%×2) + flow8(1%×6) + flow9(3%×5) = 14.23

사용자가 한 번 서비스를 사용할 때 발생하는 주요 행동

• 물건 목록 탐색
• 물건 상세
• 물건 등록
• 채팅
• 교환 요청

서비스에서 절대 문제가 생기면 안 되는 기능

조건: 교환 자체에 문제가 생기면 안 되는 것

1. 채팅하기
2. 교환 제안

지연은 허용하는 것

• 목록 조회
• 상세 조회
• 물건 등록/수정
• AI 활용 기술(AI 서비스가 서비스의 핵심 기능은 아니라는 안내 문구 표시)

논의가 필요한 것

• 이미지 업로드 + 이미지 검증이 무거운 작업인가
  • 이미지 파일을 서버로 보내면 서버에서 2차례의 AI API 요청을 보내서 검증 후 상세 내용을 자동 입력
  • ⇒ 무거움
• 물건 등록 시 가치 판단은 언제 하고, 이것이 무거운 작업인가
  • 물건 등록 직후(아마도 이벤트 기반) LLM으로 가격 추출 후 알고리즘 연산