뤼튼 AI 케이스 스터디
저는 한국의 500만 MAU 를 달성한 AI 플랫폼 "뤼튼"과, AI 캐릭터챗 서비스 (한국: 크랙, 일본: 캬라푸) 를 담당했습니다. 서비스들을 개발 및 운영하면서 나온 3가지의 케이스 스터디들을 소개합니다!
사례 연구 1
비주얼 노벨 리디자인
사례 연구 2
입력 필드 A/B 테스트
사례 연구 3
이미지 스튜디오
사례 연구 #1
AI 생성 한계를 디자인으로 우회한 비주얼노벨 리디자인
Team
1 PM, 1 디자이너, 3 엔지니어
Role
1인 프로덕트 디자이너
Timeline
Nov-Dec 2025, Mar-Apr 2026
Platform
Web, iOS, Android
Overview
"캬라푸"는 한국에 이어 일본 시장에 출시한 AI 캐릭터 챗 서비스입니다. 일본 사용자들이 AI를 활용해 더욱 몰입감 있는 콘텐츠를 즐길 수 있는 방식을 탐색하던 중, 연애 시뮬레이션처럼 이미지와 스토리가 함께 전개되는 비주얼노벨 형식이 현지 사용자에게 적합한 경험이 될 수 있다고 판단했습니다.
이 가설의 근거는 사용자 행동 데이터에 있었습니다. 캬라푸에는 각 채팅 메시지마다 장면 이미지를 생성할 수 있는 기능이 있었는데, 일본 사용자들은 한국 사용자에 비해 이 기능을 압도적으로 많이 사용하고 있었습니다. 저는 일본 사용자들이 텍스트 중심의 대화보다, 이미지와 함께 이야기를 감상하고 몰입하는 경험에 더 높은 가치를 두고 있다는 신호로 해석하였습니다.
이에 따라, 이미지 생성 행동을 하나의 완성된 콘텐츠 경험으로 확장하고자 비주얼노벨 기능을 정식 기획했습니다. 첫 번째 버전은 2025년 12월에 출시되었으며, 사용자의 매 대화 턴마다 새로운 이미지를 생성해 스토리를 이어가는 구조였습니다.
그러나 저희 팀의 기대와 달리 초기 성과는 저조했습니다. 이에 저희는 사용자 데이터와 피드백을 바탕으로 문제의 원인을 분석하고, 어떤 요소가 몰입을 방해하고 있는지 파악하기 시작했습니다.
The Problem
평균 장면 생성 시간
10 - 15 secs
평균 대화 길이
~20턴
이탈률
일반 챗 경험보다 높음
User Research
Insights
Beyond Speed Optimization
Reducing generation time depended on model and infrastructure improvements, so the design challenge was to find a UX solution beyond technical optimization.
Creator-Uploaded Assets
Allowing creators to upload their own assets enabled faster image delivery while maintaining consistent character and background quality.
Clear Usage Guidance
The key challenge was helping users understand when to use uploaded assets and when to rely on AI generation.
The Solution
Impact
~5sec
Loading Time
15+%
Cost Savings
Higher
User Satisfaction
Reflection
사례 연구 #2
사용자 행동 데이터를 기반으로 채팅 인풋을 재설계하여 ARPU 개선
Team
1 PM, 1 Designer, 3 Engineers
Role
Sole Product Designer
Timeline
Feb 2026 (AB Testing 2 weeks)
Platform
Web, iOS, Android
Overview
"캬라푸" 서비스에서 가장 자주 사용되는 화면은 채팅 인풋으로, 사용자는 하루에도 수십 번 이 영역을 통해 캐릭터와 상호작용합니다. 따라서 인풋의 작은 변화 하나가 사용자 경험과 매출 지표에 직접적인 영향을 미칩니다.
2025년 2월, 저는 채팅 인풋을 전면 리뉴얼하며 세 가지 UI안(A/B/C)을 설계하고 2주간 A/B/C 테스트를 진행했습니다. 사용자 행동 데이터를 기반으로 일본 시장에 최적화된 패턴을 제안했고, 최종적으로 채택된 C안은 ARPU를 유의미하게 개선하며 전체 서비스에 기여하였습니다.
The Problem
Dialogue
What the user says directly to the character.
Inner Thoughts, Actions, and Narration
Descriptions of the user's thoughts, behaviors, or scene narration
User Research
Insights
Distinct Input Types
The interface needed to clearly differentiate spoken dialogue from inner thoughts and actions.
Natural User Behavior
Using 「」 was already an established behavior pattern among users.
Data-Driven Validation
With differing opinions across the team, quantitative testing was needed to validate the best approach.
The Solution
Impact
~24%
ARPU for Variant B
Higher
User Satisfaction
Reflection
사례 연구 #3
분산된 이미지 생성 경험을 하나의 이미지 스튜디오로 통합
Team
1 PM, 1 Designer, 3 Engineers
Role
Sole Product Designer
타임라인
2026년 4월~5월
플랫폼
웹, iOS, Android
Overview
기존에는 이미지 생성 기능이 빌더 내부의 모달 형태로 제공되어, 주로 크리에이터들이 작품 제작 과정에서 활용하고 있었습니다. 일본 애니메이션 스타일에 강점을 가진 PixAI API를 연동한 결과, 크리에이터 사이에서 이미지 생성 사용률이 꾸준히 높게 나타났습니다.
한편 일반 사용자들은 채팅 중 장면 이미지를 생성하는 방식으로 동일한 기술을 활용하고 있었고, 크리에이터들은 외부에서 제작한 이미지를 별도로 업로드해 사용하는 경우도 많았습니다. 즉, 이미지 생성과 이미지 관리에 대한 수요는 이미 다양한 맥락에서 충분히 검증된 상태였지만, 이를 통합적으로 제공하는 전용 공간은 존재하지 않았습니다.
이에 저는 분산되어 있던 이미지 생성, 변형, 보관 경험을 하나의 독립된 제품 경험으로 통합한 이미지 스튜디오를 설계했습니다. 이를 통해 크리에이터는 작업에 필요한 에셋을 체계적으로 관리할 수 있게 되었고, 일반 사용자는 생성한 이미지를 보다 쉽게 탐색하고 재사용할 수 있게 되었습니다.
The Problem
Creator Image Generation
Creators generated artwork directly within the builder modal
In-Chat Scene Generation
General users created scene images while chatting with characters
External Image Uploads
Creators also uploaded images made with external tools
Personas
Information Architecture
The Solution
Trade-offs
Impact
Increased
Image Generation
Higher
General User Engagement
