PRODUCTProduction
01
Day Anchor
캘린더 중심 데일리 플래너 — 프로덕션 PWA
일정·체크리스트·메모·하루 회고를 한 화면에. 바닐라 PWA로 UX 검증 후 Next.js + Supabase Auth/Realtime으로 전환하고 Vercel에 배포했습니다.
Next.jsSupabasePWA
Contact
- GitHub
- github.com/BANSEOK-KANG1
- Notion
- Portfolio DB →
PM Portfolio · Problem Solver Fit
전환은 우연이 아닙니다 — 고객 문제를 정의하고, 실험으로 증명하는 PM
퍼포먼스 현장에서 CPA·ROAS를 보며 '무엇이 클릭을 넘어 전환을 만드는지'를 배웠고, 지금은 그 감각을 제품·가설·프로토타입으로 이어갑니다.
글로벌알파미디어에서 Meta·Google·TikTok 캠페인을 운영하며 UTM·GA4/GTM으로 '광고 클릭 → 문의 전환' 퍼널을 직접 설계했습니다. 동시에 Day Anchor(Next.js+Supabase PWA), Growth Analytics Hub(Meta·YouTube API Streamlit) 등 Live 앱을 직접 만들고, 130K+ 리뷰 마이닝·A/B 실험까지 — 마케팅의 후킹·측정·반복 개선을 PM 사이클에 그대로 적용합니다.
마케팅 현장에서 검증한 PM 역량
- 고객 이해 · 리서치
- 광고 소재 후킹처럼, 고객 목소리에서 '진짜 불편' 한 줄을 뽑아냄. 130K+ 리뷰·UT로 경험 붕괴 구간을 수치화
- 문제 정의 · 가설 검증
- 캠페인 A/B와 같은 마음으로 제품 가설 검증. Fact → Judgment → Decision — 틀리면 빠르게 pivot
- 프로토타입 · 0→1 빌드
- 랜딩 한 장보다 클릭 가능한 MVP. Day Anchor(PWA→Supabase 프로덕션), Growth Hub(Meta·YouTube API Streamlit Live) 직접 개발·배포
- 데이터 기반 의사결정
- CPA·CVR·ROAS를 보던 사람답게 KPI를 '보고서 숫자'가 아니 '다음 액션'으로 연결. ER 재정의, 퍼널 병목 탐지
- 크로스펑셔널 협업
- 마케팅·데이터·개발 사이 '같은 언어' 만들기. UTM 네이밍·전환 이벤트·리포트 기준을 문서로 고정
- AI · LLM 활용
- 인터뷰 요약·가설 초안·프로토타입·분석 스크립트까지. 생각→실행 간격을 하루 단위로 압축
Performance → ProductConversion Funnel Design130K+ Review MiningA/B & Hypothesis TestingGA4 · GTM · UTM0→1 App BuildAPI IntegrationLive Demo · ProductionAI-Augmented PM
Build & Ship
직접 만든 앱 · API 연동
기획 문서에서 멈추지 않고, 클릭 가능한 앱과 API 파이프라인까지 직접 만들어 검증합니다.
Day Anchor는 PWA 프로토타입에서 Next.js + Supabase 프로덕션까지 직접 배포했고, Growth Analytics Hub는 Meta·YouTube API를 Streamlit 앱으로 연결해 Live Demo까지 운영 중입니다. 분석·실험 프로젝트도 YouTube, Kaggle, Wikimedia 등 API를 붙여 '데이터 → 액션'까지 한 사람이 이어갑니다.
3+
Live 앱
6+
연동 API
직접
0→1 빌드
Shipped — Live로 검증한 앱
기획 → 프로토타입 → API 연동 → 배포까지 직접 완료
ANALYTICSLive Demo
02
Growth Analytics Hub
Meta 소재 분석 + YouTube KR 트렌드 — Streamlit Live
Meta Marketing API로 소재·CPA/CTR 패턴을 분석하고, YouTube Data API로 키워드 gap → Shoot Brief를 자동 생성하는 멀티페이지 Streamlit 앱. Railway/Streamlit Cloud 배포.
StreamlitPythonRailway
PORTFOLIOThis site
03
PM Portfolio
이 사이트 — Next.js static export + GitHub Pages
APS 핏 케이스 스터디형 PM 포트폴리오. Next.js App Router, static export, GitHub Actions 자동 배포까지 직접 구축.
Next.jsTypeScriptTailwind
API로 돌린 분석 · 실험 도구
CONTENT
04
EXPERIMENT
05
COMMERCE
06
연동한 API 스택
YouTube Data API v3
콘텐츠 · 트렌드트렌딩·키워드 검색 → ER/KPI 분석, Shoot Brief 생성
Growth Analytics Hub · yt-trend · K-POP A/B Lab
Meta Marketing API
퍼포먼스 · 소재소재 메타·CPA/CTR/CVR → Direction Brief 자동 생성
Growth Analytics Hub
Supabase
백엔드 · 실시간Auth, Postgres CRUD, Realtime 동기화, Storage
Day Anchor
Kaggle API
데이터 · ETLCSV 자동 다운로드 → SQLite 적재 파이프라인
Olist Dashboard
Wikimedia · Last.fm
다중 신호화제성 지수(K-Buzz Index) 다중 신호 정규화
K-POP A/B Lab
OpenAI API
AI · 자동화인터뷰 요약, 가설 초안, 추천 로직 검증
PM 워크플로 · Agent 시나리오 테스트
How I Work
PM 사고 & 의사소통
문제 정의, 지표 해석, 팀 간 언어 정렬 — 제가 일하는 방식
일하는 방식
퍼포머 출신이라 '숫자가 안 오르면 가설이 틀린 것'이라는 전제에서 시작합니다. 유저 보이스 → 후킹 포인트 추출 → 가설 문장화 → 프로토타입·A/B로 검증 → 결과를 투명하게 공유. Problem Solver와 페어로 일할 때 이 리듬이 가장 잘 맞습니다.
- →리뷰·UT·인터뷰에서 '한 줄 후킹'과 실험 항목을 동시에 뽑아냄
- →프로토타입·대시보드·분석 스크립트로 직접 검증 — 문서에서 멈추지 않음
- →Fact → Judgment → Decision 형식으로 의사결정 기록
- →틀렸을 때 이유를 파악하고 빠르게 pivot (높은 수용성)
- →마케팅·데이터·개발 팀 사이 측정 기준·언어 정렬
PM 원칙 4가지
1
문제를 먼저, 솔루션은 나중에
기능이나 캠페인 아이디어가 먼저 나오면 '지금 해결하려는 문제가 무엇인가'부터 되묻습니다. 트렌드 급증 시 평점 하락 프로젝트에서도 '기능 추가'가 아닌 '경험 순서 미정렬'이 본질임을 데이터로 확인했습니다.
사례 — trend-review-analysis — 130K+ 리뷰 분석 후 '왜 불만이 늘었나'가 아니라 '수요 증가 → 경험 붕괴 → 평점 하락' 연쇄 구조로 재정의
2
지표는 결론이 아니라 대화의 시작
숫자를 보고 끝내지 않고, '이 숫자가 의미하는 것'과 '다음에 검증할 것'을 함께 적습니다. 조회수 KPI를 참여율(ER)로 재정의한 것도 '무엇을 측정할 것인가'를 먼저 정한 결과입니다.
사례 — yt-trend — 조회수만으로는 콘텐츠 성과를 판단할 수 없다는 문제 정의 → ER 기준으로 실험 설계
3
가설을 문장으로 고정하고, 틀리면 빠르게 수정
아이디어를 'H1, H2' 형태로 적어 두면 팀과의 대화가 명확해집니다. A/B 실험에서도 가설이 틀렸을 때 이유를 파악하고 다음 실험으로 넘어가는 것을 중요하게 생각합니다.
사례 — kpop-ab-lab — 감정형 vs 정보형 헤드라인 A/B, K-Buzz Index로 화제성 측정 프레임 구축
4
생각과 실행 사이의 간격을 짧게
기획 문서만 쓰고 끝내지 않고, 프로토타입·대시보드·분석 스크립트까지 직접 만들어 가설을 검증합니다. Day Anchor는 바닐라 PWA에서 Next.js 프로덕션까지 직접 이어갔습니다.
사례 — day-anchor — 프로토타입 UX 검증 → Supabase 백엔드 → Vercel 배포까지 0→1
의사소통 방식
마케팅 ↔ 데이터 팀 브릿지
- 상황
- 광고 매체별 성과 판단이 불명확할 때
- 방법
- UTM 규칙, GA4/GTM 이벤트 구조, 문의 전환 퍼널을 문서화하고 '어떤 숫자를 보면 무엇을 판단할 수 있는지' 기준을 공유
- 결과
- 글로벌알파미디어에서 CPA·CVR·문의 전환율 기준 캠페인 판단 체계 정리
분석 결과 → 액션 제안
- 상황
- 데이터 분석 결과를 팀에 전달할 때
- 방법
- Fact(관찰) → Judgment(해석) → Decision(선택) → Next(다음 검증) 형식으로 정리. 과장 없이 한계도 함께 기술
- 결과
- trend-review-analysis README에서 '기능 추가보다 경험 순서 조정' 의사결정 도출
고객 목소리 → 제품 언어로 번역
- 상황
- 리뷰·인터뷰·UT 결과를 제품 개선으로 연결할 때
- 방법
- 정성 피드백을 '어떤 상황에서, 어떤 기대와 다른 경험을 했는가'로 구조화하고, 가설과 실험 항목으로 변환
- 결과
- 리뷰 텍스트 분석 + 트렌드 지수 연계로 경험 품질 병목 구간 도출
불확실성을 숨기지 않고 공유
- 상황
- 정답이 없는 상황에서 방향을 정해야 할 때
- 방법
- '확실한 것 / 아직 모르는 것 / 다음에 검증할 것'을 구분해 공유. 팀이 같은 전제 위에서 논의할 수 있게 함
- 결과
- Growth 포트폴리오에서 '성과 과장보다 판단 기준과 한계 인식'을 명시
APS Fit
Problem Solver Fit
레브잇 APS(Associate Problem Solver) 자격요건과 실제 프로젝트 경험의 매핑
S1
Fit 1
처음 보는 문제를 빠르게 구조화
트렌드 급증 국면에서 평점이 무너지는 패턴 — 마케팅에서 '수요는 늘었는데 전환(만족)이 깨지는' 상황과 동일한 구조. 130K+ 리뷰로 본질이 기능 부족이 아닌 경험 순서 미정렬임을 증명.
수요 급증 시 경험 품질 붕괴 탐지 →
130K+ 리뷰 데이터, Pearson r = -0.441 (p < 0.001)
S2
Fit 2
정답 없는 상황에서 방향성 찾기
조회수는 '클릭 후킹' 지표, ER은 '진짜 반응' 지표 — 퍼포머가 CPA와 CVR을 분리해 보듯, 콘텐츠 KPI를 참여율(ER)로 재정의해 의사결정 기준을 고정.
YouTube 콘텐츠 KPI 재정의 →
조회수 → 참여율(ER) 지표 전환, QA 체크리스트 수립
S3
Fit 3
생각과 실행 사이의 간격이 짧음
랜딩 페이지 A/B처럼, 아이디어를 당일 클릭 가능한 MVP로 — Day Anchor(PWA→Supabase 프로덕션), Growth Hub(Meta·YouTube API Streamlit Live) 직접 개발·배포.
Day Anchor — 캘린더 기반 데일리 플래너 →
Day Anchor + Growth Hub Live Demo, Vercel·Streamlit 배포
S4
Fit 4
틀렸을 때 빠르게 수정, 높은 수용성
광고 소재 A/B와 같은 프레임으로 헤드라인 가설 검증. K-Buzz Index로 '화제성'을 수치화하고, 틀리면 빠르게 pivot.
K-POP A/B Lab →
감정형 vs 정보형 헤드라인 A/B, 다중 신호 정규화 지수
Case Studies
Featured Cases
문제 정의 → 가설 → 실험/검증 → 결과. 각 프로젝트의 PM 사고 과정.
QUALITY
07
Data AnalysisHypothesis TestingE-commerce
수요 급증 시 경험 품질 붕괴 탐지
트렌드(수요) 상승 국면에서 리뷰 평점이 통계적으로 유의미하게 하락하는 패턴을 검증하고, 기능 추가가 아니라 기대 관리/경험 순서 조정이 핵심 해결 방향임을 도출했습니다.
130K+
리뷰 데이터
-0.441
Pearson r
4.81e-16
p-value
CONTENT
04
KPI DesignContent AnalyticsPython
YouTube 콘텐츠 KPI 재정의
조회수 중심 KPI의 한계를 문제로 정의하고, 참여율(ER)을 핵심 판단 지표로 재정의해 의사결정 기준을 고정했습니다.
PRODUCT
01
EXPERIMENT
05
A/B TestingExperiment DesignPython
K-POP A/B Lab — 실험 설계
K-POP·엔터 산업을 위한 A/B 테스트와 동향 파악. K-Buzz Index(다중 신호 정규화·가중합)와 헤드라인 프레이밍 A/B 실험.
AI-Augmented PM
AI · LLM 활용 & 앞으로 할 수 있는 일
생각과 실행 사이의 간격을 줄이는 AI 워크플로우
퍼포머 시절 '오늘 쓴 광고비가 내일 ROAS로 돌아오는지'를 보던 것처럼, AI도 '오늘 세운 가설을 내일 프로토타입으로 검증할 수 있는지'를 기준으로 씁니다. 인터뷰 요약·가설 초안·MVP·분석 리포트까지 — Problem Solver와 페어로 일할 때 실험 주기를 하루 단위로 압축하는 도구입니다.
사용 중인 AI 도구
ChatGPT / Claude
리서치 · 기획 · 문서- 고객 인터뷰 질문지·스크립트 초안 작성
- 경쟁사·시장 리서치 요약 및 구조화
- PRD·실험 설계 문서·회고 템플릿 작성
- 정성 피드백(리뷰·인터뷰) 클러스터링 및 패턴 도출
Cursor / Codex
프로토타이핑 · 개발- Next.js + Supabase 프로토타입 빠른 구현 (Day Anchor)
- Streamlit 대시보드·분석 도구 제작
- API 연동·ETL 스크립트 작성 및 리팩토링
- 기능 아이디어를 당일 내 클릭 가능한 프로토타입으로 전환
OpenAI API / Prompt Engineering
제품 · 분석 자동화- 쇼핑 Agent 시나리오 테스트 (의도 파악·추천 로직 검증)
- 리뷰·피드백 텍스트 분류 및 감성 분석
- A/B 실험 변형(헤드라인·카피) 생성 및 평가
- 데이터 분석 결과 해석 및 액션 제안 초안
Notion AI / 문서 자동화
협업 · 지식 관리- 회의록·인터뷰 노트 → 가설·액션 아이템 정리
- 실험 결과·판단 기록을 검색 가능한 지식베이스로 축적
- 팀 온보딩·프로세스 문서 작성
AI 워크플로우 3가지
1
고객 이해 → 가설 → 실험 (Problem Solver 루프)
레브잇 APS 업무 흐름에 맞춘 AI 활용 루프입니다. 고객 인터뷰·UT 결과를 AI로 구조화하고, 가설을 세운 뒤, 프로토타입·A/B 실험으로 검증합니다.
Claude · Notion · Cursor · Streamlit
- → 인터뷰 인사이트 요약 + 가설 목록
- → 실험 설계 문서 (측정 지표, 성공 기준)
- → 프로토타입 또는 A/B 실험 결과 리포트
2
데이터 분석 → 의사결정 (Judgment 루프)
분석 결과를 '숫자 나열'이 아니라 '다음 액션'으로 연결하는 워크플로우입니다.
Python · ChatGPT · Streamlit
- → Fact → Judgment → Decision 형식 분석 리포트
- → 대시보드 또는 시각화
- → 다음 검증 항목 및 실험 제안
3
0→1 프로토타이핑 (Build 루프)
아이디어를 당일~수일 내 클릭 가능한 프로토타입으로 만드는 루프입니다.
Cursor · Next.js · Supabase · Vercel
- → 동작하는 MVP 또는 PWA
- → 사용자 테스트용 데모 URL
- → 피드백 반영 후 빠른 iteration
앞으로 AI로 할 수 있는 업무
쇼핑 AI Agent (레브잇 도메인)
사용자 의도 파악 → 상품 추천 → 구매 전환까지의 Agent 경험 기획·검증
OpenAI API로 Agent 시나리오 시뮬레이션, Prompt로 추천 로직 테스트, UT로 실제 반응 검증
'여름에 입을 옷 추천해줘' → 의도 파악 정확도, 추천 적절성, 전환까지의 friction point 분석
고객 인터뷰 · UT 자동화
인터뷰 녹음/노트 → 인사이트 추출 → 가설 생성까지 AI 파이프라인
Claude로 인터뷰 전사·클러스터링, Notion에 가설·실험 항목 자동 정리
10명 UT 후 '공통 pain point 3개 + 우선 검증 가설 2개'를 1시간 내 도출
실험 설계 · A/B 자동화
가설 → 변형 생성 → 실험 실행 → 결과 해석까지 빠른 iteration
Prompt로 A/B 변형 생성, Streamlit으로 실험 UI, Python으로 통계 검증
kpop-ab-lab 패턴을 쇼핑 Agent UI/카피 A/B에 확장
이커머스 데이터 · 경험 품질 모니터링
수요 급증 시 경험 품질 붕괴를 사전 탐지하는 대시보드·알림
trend-review-analysis 패턴을 실시간 모니터링 도구로 확장, AI로 리뷰 감성·키워드 자동 분류
주간 트렌드 지수 + 리뷰 평점 + CS 문의량을 함께 보는 early warning 시스템
내부 도구 · Problem Solver 페어 지원
Problem Solver(개발)와 페어로 일할 때 PM이 직접 만들 수 있는 내부 도구
FastAPI + OpenAI + Streamlit으로 분석·실험·리포트 자동화 도구 제작
고객 피드백 입력 → 자동 분류 → 주간 인사이트 리포트 생성
Toolkit
Skills & Tools
데이터 분석, 제품 개발, 그로스 마케팅, 협업 도구
M1
마케팅 / 그로스
- Meta / Google / Naver / TikTok 광고 운영
- GA4 / GTM / UTM — 전환 퍼널 설계
- CPA / CVR / ROAS · 문의 전환율 분석
- Airbridge (앱 어트리뷰션)
- Microsoft Clarity · CRM / 리드 퍼널
- 소재·랜딩 A/B식 반복 개선
D1
데이터 / 분석
- Python (pandas, matplotlib)
- SQL / SQLite
- 130K+ 리뷰 마이닝 · 상관분석
- A/B 테스트 · 가설 검증 설계
- 퍼널 병목 탐지 · KPI 재정의
A1
제품 / 앱 개발
- Next.js / React / TypeScript — 프로덕션 PWA (Day Anchor)
- Supabase Auth · Postgres · Realtime · Storage API
- Streamlit 멀티페이지 앱 · Live Demo 배포
- FastAPI (학습 중) · REST API 설계
- PWA · Vercel / Railway / GitHub Pages 배포
- 0→1 프로토타입 → 프로덕션 직접 전환
A2
API 연동
- YouTube Data API v3 — 트렌드·키워드·ER 분석
- Meta Marketing API — 소재·CPA/CTR/CVR 분석
- Kaggle API — ETL 자동화 (GitHub Actions)
- Supabase REST · Realtime API
- Wikimedia · Last.fm — 다중 신호 지수
- OpenAI API — Agent·분석 자동화
C1
협업 / 도구
- Notion
- GitHub / GitHub Actions
- Figma (기본)
- ChatGPT / Claude / Cursor
- Prompt Engineering / OpenAI API
- Vercel · Railway 배포
Career
Experience
퍼포먼스마케팅 실무와 개인 프로젝트 경험
1
Performance Marketing2025 – 2026
퍼포먼스마케터 — 전환을 만드는 숫자를 매일 본 사람
글로벌알파미디어
해외 타깃 B2C·앱 캠페인을 Meta·Google·Naver·TikTok에서 운영하며, '클릭은 났는데 왜 문의가 안 오지?'를 CPA·CVR·ROAS로 매일 검증했습니다. 광고만 돌리는 역할이 아니라, 측정 구조부터 고쳐야 성과가 보이는 구조를 경험했습니다.
- 국가·채널·소재별 ROAS·문의 전환율 비교 → 예산 재배분 근거 제시
- UTM 네이밍·문의하기 클릭·폼 제출 이벤트 분리 — 매체별 성과 판단 가능하게 정리
- 소재·랜딩·타깃 조합 A/B식 운영 — '감'이 아닌 숫자로 개선안 작성
- Meta·Google·TikTok 멀티채널 리포팅 및 주간 성과 리뷰
2
Tracking & Measurement2025 – 2026
GA4/GTM — 광고 클릭 → 문의 전환 퍼널 설계
글로벌알파미디어
광고비는 쓰는데 '어떤 매체가 실제 전환을 만드는지' 모르는 상태가 문제였습니다. UTM 규칙을 표준화하고, 문의하기 클릭 → 폼 진입 → 제출 완료를 이벤트로 분리해 퍼널을 보이게 만들었습니다.
3
App Growth Funnel2025 – 2026
외국인 대상 병원 예약 앱 — 설치 → 예약 전환 흐름 분석
글로벌알파미디어
앱 설치 수와 예약 전환 사이에 갈라진 구간이 어디인지 채널·국가별로 분리해 볼 필요가 있었습니다. Airbridge 이벤트 구조를 검토하고, 유입 채널별 전환 차이를 비교할 수 있는 분석 흐름을 설계했습니다.
4
App & API Build2025 – 2026
직접 앱 개발 · API 연동 — Live Demo까지
개인 프로젝트
PM으로서 '만들 수 있다'를 증명하기 위해, 기획에서 멈추지 않고 클릭 가능한 앱과 API 파이프라인을 직접 구축했습니다. Supabase 백엔드 PWA, Meta·YouTube API Streamlit, Kaggle ETL까지 — Problem Solver와 페어로 일할 때 프로토타입·API 스펙 대화가 가능한 수준입니다.
- Day Anchor — Next.js + Supabase Realtime PWA, Vercel 프로덕션 (day-anchor.vercel.app)
- Growth Analytics Hub — Meta Marketing API + YouTube Data API, Streamlit Live (growth-peter.streamlit.app)
- yt-trend · kpop-ab-lab · Olist — YouTube/Kaggle/Wikimedia API 연동 분석·실험 도구
- PM Portfolio — Next.js static export + GitHub Pages 자동 배포 (banseok-kang1.github.io/pm)
5
Personal Project2025 – 2026
PM 사고 실습 — 6개+ 프로젝트로 가설→검증 루프 반복
개인 프로젝트
마케팅 현장에서 배운 '측정→개선' 리듬을 제품 PM 사이클로 옮기기 위해, 문제 정의·가설 검증·0→1 빌드를 직접 반복했습니다.
- 130K+ 리뷰로 '수요 급증 → 경험 붕괴' 패턴 검증 (trend-review-analysis)
- 조회수 KPI → 참여율(ER) 재정의 — 콘텐츠 성과 판단 기준 전환 (yt-trend)
- Day Anchor — PWA 프로토타입 → Next.js + Supabase 프로덕션 (day-anchor)
- K-POP A/B Lab — 헤드라인 프레이밍 실험 설계 (kpop-ab-lab)
- Olist 이커머스 ETL·대시보드 (Kaggle-SQLite-Streamlit)
Contact
Education & Goals
학력과 지향하는 PM 역할
Education
경상국립대학교
동물생명과학전공
졸업
지원 · 관심 포지션
Associate Problem SolverProduct ManagerProject ManagerGrowth PM
퍼포먼스에서 배운 전환 감각과 PM의 문제 정의를 한 사람 안에서 이어갑니다. 클릭을 넘어, 경험과 지표가 바뀌는 지점을 찾는 Problem Solver / Associate PM 역할에 관심이 있습니다.
kangbs2486@gmail.com010-9630-2486