Decision — GlucoseWorks
결론: Refine → Conditional Go
이전 리서치(2026-02-09)의 "Refine" 결론에서 Conditional Go로 상향합니다. 제품 성숙도와 시장 환경 변화가 이를 뒷받침하나, 정확도 검증이라는 핵심 조건이 남아 있습니다.
판단 근거
Go 요소 (강화됨)
- 시장 공백 확대: Apple Watch 비침습 혈당은 2028+로 후퇴(이전 2027+). Veri 독립 앱 중단. CGM-free 소프트웨어 시장에서 January AI만 유일한 경쟁자인 상태가 지속.
- 과학적 근거 보강: 2025년 Nature(bi-LSTM RMSE 19.49mg/dL), MDPI(패시브 웨어러블만으로 예측), PLOS(Apple Watch 데이터 유의미) 논문들이 CGM-free 접근의 실현 가능성을 재확인.
- 제품 성숙도 향상: 독립 앱 GlucoseWorks 완성 — 소비자 UX(HomeView, Chart, Timeline, Score Card), 캘리브레이션 시스템(3+ 포인트 개인화), GLUT4 decay/sleep cosine ramp 등 알고리즘 고도화.
- 비용 우위 극대화: GlucoseWorks $60/년 vs Signos $1,500+/년 vs OTC CGM $900+/년. Signos가 $139/월에 FDA 승인을 받은 것은 해당 가격대에서도 시장이 존재함을 입증.
- 카테고리 인지도 상승: Biolinq Shine 출시, Abbott Libre Assist, Signos FDA 승인 등으로 "혈당 모니터링" 카테고리 전체의 소비자 인지도가 급상승 중.
- Opportunity Score 상승: 0.336 → 0.420 (+25%). DemandScore와 Confidence 모두 개선.
Conditional (Go 전환 조건)
- 실험 1 통과: 소비자 UX 리텐션 D7 >= 20% (최소 Refine 구간)
- 실험 3 최소 기준: 캘리브레이션 후 추론-실측 상관 r >= 0.25
- 법률 검토 완료: "웰니스 인사이트" 포지셔닝의 FDA 분류 확인
Kill 요소 (주의 사항, 유지)
- 정확도 미검증: 캘리브레이션 시스템이 추가되었으나, CGM 대조 정확도 측정 이력이 여전히 없음. 이것이 단일 최대 리스크.
- 빅테크 리스크: Apple, Google, Oura, Abbott 모두 이 방향으로 이동 중. 장기적 경쟁 격화 불가피.
- January AI 기술 격차: Nature 논문 기반 개인화 ML vs Tab0의 rule-based + 캘리브레이션. 동일 "혈당" 포지셔닝으로는 경쟁 어려움.
핵심 결정: 포지셔닝 전략
권장 포지셔닝
| 축 | January AI | GlucoseWorks (권장) |
|---|---|---|
| 입력 방식 | 음식 스캔 (사진 촬영) | 패시브 (Apple Watch 자동 수집) |
| 핵심 신호 | 음식 데이터 + 인구통계 | 생체신호 7종 (HRV, HR, 수면, 활동 등) |
| 사용자 행동 | 매 식사 스캔 필요 | 앱 열기만 하면 자동 추론 |
| 개인화 | ML 기반 (14일 CGM 학습) | 캘리브레이션 기반 (3+ 실측 포인트) |
| 가격 | Free + $60/년 | Free + $60/년 |
| 차별점 | "음식이 혈당에 미치는 영향" | "내 몸 상태가 혈당 반응에 미치는 영향" |
GlucoseWorks의 고유 메시지: "식사뿐 아니라, 수면·활동·스트레스가 혈당에 미치는 종합적인 영향을 이해하세요. 음식 스캔 없이, Apple Watch만으로."
January AI와의 직접 비교를 피하는 이유
- January AI는 Nature 논문 + 개인화 ML = 기술 우위. 동일 축에서 경쟁하면 불리.
- GlucoseWorks의 진짜 강점은 패시브 데이터 수집 + 생체신호 다양성 + 단식/수면/활동 연계.
- "음식 중심" vs "생체신호 중심"으로 시장을 분할하면 공존 가능.
다음 단계
즉시 실행 (1-2주)
- 실험 1+2 준비: TestFlight 배포, 분석 이벤트 구현, 웰니스 루틴 온보딩 질문 추가
- 법률 검토 의뢰: FDA "웰니스 인사이트" vs "의료기기" 분류 확인
- ASO 준비: App Store 최적화 콘텐츠 작성 (본 리서치의 appstore/ 산출물 활용)
단기 (1-3개월)
- 실험 1+2 실행 및 결과 분석
- 실험 3 실행: CGM 대조 파일럿 (25명 × 14일)
- 커뮤니티 배포: community-distribution-guide.md 실행 (HN Show, Reddit, Clien)
중기 (3-6개월)
- Go/Kill 최종 판단: 실험 1-3 종합 결과 기반
- ML 모델 전환 검토: Rule-based → 경량 on-device ML (실험 3 데이터 활용)
- App Store 정식 출시: Go 판단 시
이전 결론과의 비교
| 항목 | 2026-02-09 | 2026-02-12 |
|---|---|---|
| 결론 | Refine | Conditional Go |
| OpportunityScore | 0.336 | 0.420 (+25%) |
| 핵심 변화 요인 | 개념 단계, 디버그 뷰 | 독립 앱 완성, 캘리브레이션, 시장 변화 |
| 남은 최대 리스크 | 정확도 미검증 + UX 부재 | 정확도 미검증 (UX는 해소) |
| 포지셔닝 | 미확정 | "패시브 생체신호 기반 대사 건강 인사이트" |