Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →[책임 경계] 카테고리 시장조사 1장 자동 생성 — 거시·경쟁·검색 3축 리포트. 페어 스킬 moai-research:grant-writer와 명확히 구분 — 본 스킬은 이커머스 셀러 카테고리 진입 판단, 페어는 정책자금 리서치. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: "내 카테고리 시장조사 해줘", "경쟁사 동향 알아봐줘", "이 카테고리 진입 검토해줘", "분기 시장 트렌드 뽑아줘", "신상품 카테고리 분석", "쇼핑 트렌드 리서치", "키워드 시장 규모 알아봐줘", "카테고리 기회·위협 분석" 6대 영역 진단(A-F) + 포지셔닝 5축(품질/가성비/전문성/편의성/가치관) + 새 카테고리 창출 vs 기존 카테고리 경쟁 분석. ai-slop-reviewer 체이닝 제외 (수치·표 데이터 스킬).
.claude/skills/modu-ai-commerce-market-research/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 117% | 0% |
| case-02 | ✗→✓ | ▲ Improved | 31% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 31% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 122% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 28% | 0% |
이커머스 셀러가 특정 카테고리에 진입하거나 상품을 기획할 때 필요한 거시·경쟁·검색 3축 시장조사 1장 리포트를 자동 생성하는 스킬입니다.
데이터 소스:
데이터 연동: 연결된 커머스·키워드 MCP 커넥터가 있으면 직접 조회하고, 없으면 사용자가 첨부한 조회 결과·내보내기 파일이나 공개 트렌드 데이터를 기반으로 동일한 리포트를 생성합니다.
시장조사, 카테고리 분석, 경쟁사 동향, 트렌드 리서치, 쇼핑 트렌드, 카테고리 진입, 시장 규모, 키워드 기회, 거시 분석, 경쟁 강도, 상품 기획 리서치, 카테고리 성장률
| 항목 | 필수 여부 | 예시 | |------|----------|------| | 카테고리 | 필수 | "비건 스킨케어", "반려견 간식", "남성 운동복" | | 가격대 | 권장 | "1-3만원", "5만원 이상" | | 채널 | 권장 | 스마트스토어, 쿠팡, 자사몰 | | 기간 | 선택 | "최근 3개월", "1년" (기본값: 최근 3개월) |
1. 거시 트렌드 확인 (카테고리, 기간)
→ 검색량 증감률, 시즌성 패턴
2. 쇼핑 카테고리 성장률·경쟁 밀도 확인
3. 카테고리 상위 20 키워드 + 트렌드 방향 정리
4. 상품 기획 기회 키워드 10개 도출 (가격대·채널 반영)| 기준 | 설명 | |------|------| | 3축 완성 | 거시·경쟁·검색 각 축 모두 포함 | | 기회 1줄 | "기회: {구체 기회}" 명시 | | 위협 1줄 | "위협: {구체 위협}" 명시 | | 추정 표시 | 실측 데이터 기반이 아닌 추정치는 "(추정)" 명시 |
"비건 스킨케어 카테고리 시장조사 해줘 — 쿠팡, 1~3만원대"
→ 거시(뷰티 트렌드 성장률) · 경쟁(비건 스킨케어 카테고리 밀도) · 검색(상위 키워드 20개) 3축 리포트 1장 출력
"반려견 간식 시장 분석해줘"
→ 펫푸드 트렌드 + 카테고리 성장률 + 간식 키워드 기회·위협 리포트
"남성 운동복 신상품 기획 위한 시장조사"
→ 스포츠웨어 트렌드 + 경쟁 강도 + 상품 기획 키워드 10개markdown# 📊 {카테고리} 시장조사 리포트 **조사 기간**: {기간} | **채널**: {채널} | **생성일**: {날짜} --- ## 1. 거시 트렌드 축 | 지표 | 현황 | 전기 대비 | |------|------|----------| | 검색량 증감률 | +23% | ↑ 상승세 | | 시즌 패턴 | 봄·여름 집중 | 4~8월 피크 | | 거시 키워드 | {상위 3개} | — | **추정 포함 여부**: {있음/없음} — (추정) 표기 항목: {목록} --- ## 2. 경쟁 분석 축 | 지표 | 현황 | 평가 | |------|------|------| | 카테고리 밀도 | 상/중/하 | {설명} | | 상위 노출 브랜드 | {3~5개} | — | | 평균 판매가 | {가격대} | — | | 리뷰 평균 수 | {수치} (추정) | — | --- ## 3. 검색 키워드 축 | 순위 | 키워드 | 트렌드 방향 | 경쟁 강도 | |------|--------|-----------|----------| | 1 | {키워드} | ↑/↓/→ | 상/중/하 | | 2 | {키워드} | ↑/↓/→ | 상/중/하 | | ... | ... | ... | ... | **상품 기획 기회 키워드**: {10개 목록} --- ## 결론 **기회**: {구체적 기회 1줄} **위협**: {구체적 위협 1줄} **권장 포지셔닝**: {포지셔닝 제안} > 다음 단계: `commerce-jtbd-persona --mode jtbd`로 JTBD 9개 자동 도출
체이닝 순서: commerce-market-research → commerce-jtbd-persona --mode jtbd → commerce-jtbd-persona --mode persona → commerce-detail-page-copy --mode diagnose/copy → commerce-product-naming → cs-channel-message → commerce-integrated-strategy
commerce-jtbd-persona — 시장조사 결과를 입력으로 JTBD 9개 도출 (다음 단계)commerce-product-naming — 키워드 기반 상품명 3안 생성commerce-integrated-strategy — 모든 산출물 종합 전략 1장moai-tutor:education-grant-writer 사용moai-marketer:content-sns-content 사용commerce-integrated-strategy 사용기존 카테고리 진입 검토 시, 5축 중 어느 위치에 놓을지 결정:
| 축 | 핵심 메시지 | 광고 전략 | 적합 상품 예시 | |----|------------|----------|---------------| | 품질·프리미엄 | "이 카테고리에서 가장 좋은 것" | 기능 설명보다 경험·감성 | 고급 시계·럭셔리 가전 | | 가성비 | "이 품질을 이 가격에" | 수치·비교·합리성 | 노브랜드·다이소 | | 전문성 | "이 분야의 전문가만을 위한" | 특정 집단의 정체성 구매 독점 | B2B·의료기기 | | 편의성 | "가장 쉽고 빠르게" | 시간 절약·간편함 | 새벽배송·간편식 | | 가치관 | "우리는 이런 것을 믿는다" | 같은 가치관 타겟의 정체성 구매 | 비건·친환경·동물복지 |
[타겟]을 위한, [카테고리]에서, [경쟁자와 다른 점] 때문에 [핵심 혜택]을 주는 브랜드예시: "20-30대 직장인 여성을 위한, 다이어트 보조제 카테고리에서, 국내 임상시험·제조허가 인증 때문에 간편하면서도 안전한 체중 관리를 주는 브랜드"
이 한 문장을 쓸 수 없으면 포지셔닝이 아직 없는 것.
| 전략 | 강점 | 약점 | 예시 | |------|------|------|------| | 기존 카테고리 내 경쟁 (약함) | 시장 검증됨 | 비교당함 + 가격 경쟁 | "더 좋은 에너지 드링크" → 레드불/몬스터와 비교 | | 새 카테고리 창출 (강함) | 카테고리 1위 자동 획득 + 비교 대상 없음 | 시장 인지 비용 | "건강한 에너지 음료" → 새 카테고리 1위 |
> 권장: 시장조사 결과 기존 카테고리에서 경쟁사 ROAS·CTR 평균 대비 본인 상품이 30% 이상 낮으면, 새 카테고리 창출 검토. 새 카테고리는 키워드 검색량이 적어도 비교 대상이 없어 객단가·마진 모두 유리.
시장조사 시 단일 상품·카테고리뿐 아니라 셀러의 6대 운영 영역까지 함께 진단:
| 영역 | 시장조사 시 추가 점검 | |------|---------------------| | A 상품 운영 | 상품 등록 자동화 가능성·이미지 품질 표준 | | B 가격 & 프로모션 | 경쟁사 가격 모니터링 자동화 가능성 | | C 주문 & 정산 | 주문량 증가 시 운영 인력 확장성 | | D 재고 & 물류 | 재고 회전율·창고비·배송사 협상력 | | E 마케팅 & 고객 | 광고비 매출 비율·CRM·재구매율 | | F 데이터 & 경영 | KPI 대시보드·BI 자동화 가능성 |
> 연계: 상세 자동화 진단은 commerce-automation-audit 스킬에서 풀세트 진행.
시장조사 보고서 1장에서 더 나아가 시장 세분화(Segmentation) + USP(Unique Selling Proposition) 추출을 표준화한 4단계 프로세스. 11년차 MD가 신상품 진입 전 의무 거치는 단계.
같은 카테고리도 4축으로 쪼개면 진입 가능한 micro-segment가 보임:
| 축 | 질문 | 예시 (비건 스킨케어) | |----|------|---------------------| | 인구 통계 | 누가 사는가? | 25-35세 여성 / 직장인 / 1인 가구 | | 심리 통계 | 어떤 가치관·라이프스타일? | 미닝아웃 / 클린뷰티 / 동물복지 / 윤리 소비 | | 행동 패턴 | 어떻게 사는가? | 성분 검색형 / 후기 의존형 / 인플루언서 추종형 | | 상황 맥락 | 언제 사는가? | 환절기 / 출퇴근길 점심 / 휴가 전 |
각 segment에 대해 다음 5축 평가:
[1] 시장 크기 (잠재 고객 수)
├─ 대(10만+) / 중(1~10만) / 소(~1만)
[2] 성장률 (네이버 데이터랩 트렌드)
├─ 빠름(+20%/년) / 안정(0~20%) / 정체(-/~0%)
[3] 경쟁 강도 (검색 결과 상위 10개 브랜드 수)
├─ 낮음(3개 이하) / 중(4~6개) / 높음(7개+)
[4] 진입 비용 (광고비·재고·MOQ)
├─ 낮음(1천만원) / 중(1~5천만원) / 높음(5천만원+)
[5] 우리 강점 적합성 (USP 활용 가능성)
├─ 강력(우리 USP가 segment에 직격) / 적합 / 부적합
→ 우선 진입 segment: [1] 중+ × [2] 안정+ × [3] 중-이하 × [4] 본인 자본 범위 × [5] 강력진입 segment 결정 후 3가지 차별 축 중 가장 강한 1-2개를 USP로 추출:
| 차별 축 | 본질 | 표현 패턴 | 한국 D2C 예시 | |--------|------|----------|--------------| | 무엇 (What) | 제품 자체의 차이 | 성분·재료·기술 강조 | "100% 비건 인증", "닥터 처방" | | 어떻게 (How) | 제조·서비스 방식의 차이 | 공정·생산·운영 강조 | "당일 출고", "1:1 맞춤", "월구독" | | 왜 (Why) | 가치관·미션의 차이 | 정체성·신념 강조 | "동물 실험 0건", "한국 농가 직거래", "탄소 중립" |
> USP 검증 질문: "이 USP를 가진 경쟁사가 5개 이내인가?" 6개+ = USP 아님 (시장 표준 기능). 재추출 필요.
USP가 명확해야 다운스트림 모든 스킬이 일관됨:
USP "100% 비건 + 한국 농가 직거래 + 30일 환불"
↓
[commerce-product-naming] "[비건 인증] 한국 농가 직거래 비건 세럼 [30일 환불]"
↓
[cs-channel-message] 검색광고 "비건 세럼 한국 농가 직거래"
CRM "지연 회원님, 동물 실험 0건 + 30일 환불"
↓
[commerce-detail-page-copy] Hero "비건 인증 + 한국 농가" / Risk "30일 이유 불문 환불"
↓
[marketing-campaign-planner] AARRR Activation 메시지: 첫 구매 + 30일 환불 보장 강조> "시장조사가 거시 데이터(검색량·트렌드)에서 멈추면 진입 결정을 못 내립니다. 4축 세분화 + 5축 평가 + USP 3 차별 축까지 가야 '여기 들어가도 되겠다'는 confident가 나옵니다. 그 confident가 광고비 1억을 태울 수 있는 근거가 됩니다."
[1] commerce-market-research 기본 모드 (거시·경쟁·검색 3축)
↓
[2] 시장 세분화 4축 → segment 5축 평가 → 우선 진입 결정
↓
[3] USP 3 차별 축 추출 → 검증 (경쟁사 5개 이내)
↓
[4] commerce-jtbd-persona → 페르소나 segment 매칭
↓
[5] commerce-product-naming + cs-channel-message + commerce-detail-page-copy
모두 USP 일관성 검증| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→pass | 18,205 | 19,740 | +8% | 1 | 1 | 0% | 3,079 | 6,686 | +117% | 0 | 0 | — |
case-02 | fail→pass | 28,804 | 12,908 | -55% | 1 | 1 | 0% | 4,339 | 5,705 | +31% | 0 | 0 | — |
case-03 | pass→pass | 27,808 | 26,288 | -5% | 1 | 1 | 0% | 4,363 | 7,928 | +82% | 0 | 0 | — |
case-04 | fail→pass | 23,898 | 6,809 | -72% | 1 | 1 | 0% | 3,578 | 4,690 | +31% | 0 | 0 | — |
case-05 | fail→pass | 21,553 | 20,889 | -3% | 1 | 1 | 0% | 3,133 | 6,941 | +122% | 0 | 0 | — |
case-06 | fail→pass | 22,569 | 5,079 | -77% | 1 | 1 | 0% | 3,549 | 4,527 | +28% | 0 | 0 | — |
case-07 | fail→fail | 9,682 | 11,257 | +16% | 1 | 1 | 0% | 1,622 | 5,511 | +240% | 0 | 0 | — |
case-08 | pass→pass | 19,421 | 19,504 | +0% | 1 | 1 | 0% | 3,066 | 6,925 | +126% | 0 | 0 | — |
case-09 | pass→pass | 16,451 | 19,429 | +18% | 1 | 1 | 0% | 2,617 | 7,255 | +177% | 0 | 0 | — |
case-10 | fail→pass | 21,058 | 21,571 | +2% | 1 | 1 | 0% | 3,487 | 7,370 | +111% | 0 | 0 | — |
case-11 | fail→pass | 16,668 | 17,409 | +4% | 1 | 1 | 0% | 3,038 | 7,034 | +132% | 0 | 0 | — |
case-12 | fail→pass | 19,327 | 17,075 | -12% | 1 | 1 | 0% | 3,247 | 6,500 | +100% | 0 | 0 | — |
case-13 | fail→pass | 13,193 | 4,505 | -66% | 1 | 1 | 0% | 2,332 | 4,476 | +92% | 0 | 0 | — |
case-14 | fail→pass | 13,827 | 6,422 | -54% | 1 | 1 | 0% | 2,149 | 4,806 | +124% | 0 | 0 | — |
case-15 | pass→pass | 16,988 | 16,258 | -4% | 1 | 1 | 0% | 2,681 | 6,389 | +138% | 0 | 0 | — |
case-16 | fail→fail | 19,441 | 15,795 | -19% | 1 | 1 | 0% | 2,881 | 6,153 | +114% | 0 | 0 | — |
case-17 | fail→pass | 12,775 | 5,853 | -54% | 1 | 1 | 0% | 1,935 | 4,650 | +140% | 0 | 0 | — |
case-18 | pass→pass | 17,862 | 13,115 | -27% | 1 | 1 | 0% | 2,911 | 6,037 | +107% | 0 | 0 | — |
case-19 | pass→pass | 14,231 | 8,141 | -43% | 1 | 1 | 0% | 2,338 | 5,068 | +117% | 0 | 0 | — |
case-20 | pass→pass | 21,182 | 25,968 | +23% | 1 | 1 | 0% | 3,261 | 7,522 | +131% | 0 | 0 | — |
case-21 | pass→pass | 16,568 | 9,569 | -42% | 1 | 1 | 0% | 2,674 | 5,246 | +96% | 0 | 0 | — |
case-22 | pass→pass | 16,310 | 16,222 | -1% | 1 | 1 | 0% | 2,599 | 6,397 | +146% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +50 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.