모델이 아니라 불변의 과학 위에 쌓는 데이터 해자
AI 모델은 매달 바뀌고 LLM 래퍼는 누구나 복제한다. 그래서 우리는 모델에 베팅하지 않는다. 우리가 인코딩하는 건 바뀌지 않는 인간 생물학이고, 그 위에 복제 불가능한 한국 아동 식단 데이터가 복리로 쌓인다.
아이가 새 음식을 받아들이는 데 8~15회 반복 노출이 필요하다 · 만 2~6세가 식습관 골든타임 · KDRI·WHO 영양 요구량 · 유전적 단맛 선호 · SOS 감각단계·Satter 책임분담. 우리는 학계·임상에 흩어진 35개 국제 편식 치료·식행동 기법(SOS·Satter DOR·Food Chaining·HabEat·ICFQ·단순노출 등)을 하나의 코칭 엔진(13 시나리오·트리거·금기·로테이션)으로 통합해 실제로 작동시켰다 — 논문엔 흩어져 있어도 제품으로 묶은 곳은 우리뿐이다. 모두 수십 년 peer-reviewed로 정립된 진실이라 GPT가 100배 빨라져도 바뀌지 않는다. 모델은 commodity(우리 코드에선 config 한 줄로 교체) — 해자는 이 불변의 과학을 엔진에 내장한 것, 그리고 그 위에 쌓이는 데이터다.
② 컴파운딩 데이터 엔진 — 끼니 한 줄이 곧 라벨이 된다
🔧 매핑 엔진 (4단)
자유텍스트 급식 메뉴 → 정규화 식재료. learned 사전→룰→결정론 스캔→LLM 폴백, 환각 차단, 농진청 영양 등재. 라벨링을 자동화한다.
📈 learned_menus 플라이휠
끼니가 쌓일수록 메뉴→식재료 사전이 커져 LLM 호출이 0으로 수렴. 한 번 학습한 메뉴는 영원히 무료·정확.
🕸 푸드 그래프 (궁합 네트워크)
정부·급식 4,727 레시피 동시출현 → 궁합·사촌 네트워크(589 페어). 푸드브릿지가 지어내기가 아니라 증거 기반.
🚦 영양 신호등 (KDRI 31종)
매핑 식재료 → 농진청 성분 → 결핍 탐지(빈도·체내저장·결핍위험 3축). 건기식 개인화 퍼널의 엔진.
💌 코칭 엔진 (13 시나리오)
35개 편식 이론 + 사실/메모 dedup + 결정론 안전가드. 엔진이 스스로 출력을 평가·재귀개선(최근 코칭 품질 5.0→8.1).
🇰🇷 한국 식재료·레시피 데이터셋
도감 204 식재료(농진청 영양·제철·급식 빈도) + 전국 NEIS 급식 코퍼스 + 정부 레시피 DB. 한국 아이가 실제로 먹는 것의 독점 라벨 데이터 — 영어권 도구로는 못 만든다.
⚙️ 결정론 우위
간식·궁합·도감·영양 평가가 전부 결정론(LLM 0). 정확도·비용이 commodity 모델이 아니라 우리 데이터 자산에서 나온다.
끼니 기록 → 매핑(라벨) → 코퍼스·그래프 성장 → 개인화 정교화 → 리텐션 → 더 많은 끼니. 경쟁자는 UI를 베껴도 라벨된 한국 아동 식단 코퍼스 + 거부→수용 전환 outcome 데이터는 못 베낀다 — 그건 시간×사용자수로만 쌓인다. 게다가 엔진이 스스로 나아진다(재귀개선). 데이터가 쌓일수록·엔진이 학습할수록 격차가 벌어진다.
③ 빈 시장 — 편식 식교육은 카테고리 주인이 없다
밀키트·이유식
음식만 배송. 행동·영양 처방 없음.
영양제
결핍을 추측. 아이 끼니 데이터 없음.
육아앱·커뮤니티
정보만. 개인화 충족 없음.
누구도 "아이 끼니 데이터 → 개인화 편식 처방 → 물리 충족"을 한 몸으로 하지 않는다. + 저출생 역설(머릿수↓·1인 지출↑)이 ARPU를 밀어올린다. 비어 있고, 커지고, 우리가 데이터로 선점 중인 카테고리.
④ 그 위에 — 접근 채널 + 브랜드 자산
🏫 학교 풀 접근 (B2G→B2C 브리지)
이미 839개교(유치원·어린이집·초등) B2G 관계 = 부모 풀에 신뢰와 함께 닿는 채널. 경쟁자가 광고로 사야 할 부모를, 우리는 학교를 통해 돈 내고 획득한다(CAC 음수). 데이터·과학 위에 깔린 유통 우위.
🏷 브랜드 자산화 시작
곱창전골(누적 100만 인분)·CEO 6년 B2C 인플루언서 채널을 밀프레드로 전환 + 도감 공개·블로그·커뮤니티가 '아이 먹는 것'의 신뢰 자산으로 쌓이기 시작. 데이터·과학은 복제 어렵고, 그 위 관계·브랜드는 시간이 만든다.
사진 한 장이 아니다 — 편식을 6범주 17개 축으로 매 끼니 수집한다
"ChatGPT에 식단 사진 올리면 되지 않나?" — 아니다. 사진 한 장엔 시간·구조·맥락이 없다. 우리는 편식을 6개 범주·17개 데이터 축으로 분해해, 부모가 1끼니 1분 이내로 입력하도록 설계했다. 이 구조화 시계열이 곧 35개 이론 엔진의 연료다.
① 무엇을 줬나 2축
메뉴 · 식재료(태그)
② 얼마나 받아들였나 2축
수용 5단계(거부·만짐·한입·조금·완식) · 반응 유형
③ 왜 안 먹었나 2축
거부 음식 · 거부 사유(맛·식감·양·환경)
④ 어떤 상황에서 7축
끼니 · 장소(집/기관) · 환경(식탁/화면/놀이) · 시각 · 소요시간 · 자율성 · 식감
⑤ 아이 몸 상태 2축
키 · 몸무게 → 성장 추세·BMI 퍼센타일(안전 스크린)
⑥ 부모의 눈 2축
특이사항 메모 · 끼니 질문
한 시점 스냅샷일 뿐 반복 노출 곡선(8~15회)이 없다 · 수용도·거부사유·환경·자율성은 사진에 안 찍힌다 · 그 아이의 수백 끼니 이력이 없어 '지금 다음 한 걸음'을 못 낸다 · 매번 다르게 지어내(환각) 재현·안전이 없다. GPT는 우리의 대체재가 아니라 부품이다 — 판단·수치는 우리 엔진이 확정하고, GPT는 코치의 편지 문장만 다듬는다.
습관이 자리 잡는 초반 100일에 포인트를 집중 지급(모으면 편식 키트 2개). 초반엔 강하게 유도하고, 습관이 들면 포인트 없이도 지속 — 리워드 비용은 초반에만, 데이터는 계속 쌓인다.
매 끼니 1분 · 17개 축 → 시계열 축적 → 35개 국제 이론 엔진 → 아이별 주간 처방. 구조화된 편식 시계열을 이렇게 저부담·고동기로 수집하는 곳은 찾기 어렵다 — '많은데 안 귀찮고, 오히려 보상되는' 입력이 데이터 해자를 복리로 키운다.
↓ 17개 축이 실제로 이렇게 분석돼 부모에게 전달된다 (실서비스 화면 · 가입 없이 app.mealfred.com에서 확인)
왜 개인화 식품인가 — 그리고 왜 못 따라하나
편식은 강요로 안 고쳐진다. 검증된 방법은 ① 부담 없는 극소량 반복 노출(새 음식 8~15회) ② 좋아하는 음식에 다리 놓기(푸드브릿지) ③ 강요 없는 책임 분담(Satter DOR)과 감각 친해지기(SOS). 부모는 이걸 매번 설계하지 못한다 — 우리가 아이 데이터로 주간 처방한다.
① 편식 해결 과학
반복 노출 8~15회 · 푸드브릿지(좋아하는 것→사촌 식재료) · Satter 책임분담 · SOS 감각단계. 35개 편식 이론을 코칭 엔진(13 시나리오)에 내장.
② 처방의 물리화 = 골고루 키트
아이별 분석(안 먹어본 것·부족 영양·거부한 것)→ 그 주 만나야 할 식재료를 극소량 다품종으로 배송. 부담 0·폐기 0. 앱(분석)과 키트(충족)가 한 몸.
③ 피지컬 AI 락인
매주 무엇을 담을지 AI가 결정. 데이터가 쌓일수록 개인화가 정교해지고 키트가 더 잘 맞는다. SW+서비스+피지컬이 결합된 락인.
편식 송곳으로 들어가 육아맘 우산으로 편다
페인이 가장 큰 좁은 시장(편식)으로 진입해 데이터·관계·습관을 선점하고, 모든 육아맘이 필요로 하는 보편 영양·건강 서비스로 확장한다.
경쟁자가 광고로 사야 할 학부모를, 우리는 매출을 내며 만난다. 누적 839개교·2,111기관(행사 1건 = 교사 1 × 학급 학부모 ~25명 = 앱 타깃) → 키트에 무료증정 앱설치 기프트(QR/카드) 동봉 → 학부모를 CAC ≈ 0으로 앱 유입. 누적 ~2만+ 학부모 접점, 매년 2.5× 성장 = 깔때기가 스스로 커진다.
권위·시장확장 로드맵: 학교가 쓰는 편식 데이터 = 카테고리 권위 → 육아맘 우산(레시피·건기식·성장) → 글로벌 이식. 그로스 보강: 친구가입 +4,900P 슈퍼인플루언서 루프(포인트는 우리 제품에만).
※ 정직 라벨: 무료증정 → 설치 → 구독 전환율 = 이번 라운드가 증명할 단일 지표(미검증). 자금이 정확히 이 숫자를 만드는 데 쓰인다.
편식 코칭 — 좁지만 불난 시장
필요성 매일·감정적 고통(죄책감·식사전쟁·영양불안), 해결책은 파편적 · 시장성 흔한 단계(아동 25~46%)인데 아무도 제품으로 소유 안 함 = 이상적 wedge · 확장성 편식 해결이 매 끼니 기록을 강제 → 가장 풍부한 데이터 + 매일 쓰는 습관 + "내 아이 먹는 것" 관계 선점.
↓ 편식 송곳의 실제 입구 — 무료 식단표 평가(바이럴 쿠키 서비스) · 이미 10,602명 학부모 이용
"오늘 뭐 먹이지"는 전 부모의 매일 고민. 아이 데이터 기반 개인화 → 편식 교정에서 매일 먹이기 동반자로. 타겟이 편식층→전체 육아맘.
결핍 신호 엔진(KDRI)이 '철 부족' 감지 → 임상 근거 있는 개인화 보충제 추천(스팸 아님). 고마진·반복, 키즈 건기식 수천억 시장. 결핍탐지 = 개인화 획득 퍼널.
체위·BMI percentile(이미 구축)·발달·또래 비교. 전 부모의 불안. 아동 건강 플랫폼으로 포지셔닝.
"편식만"이면 작다. 하지만 "편식 = 보편 육아맘 영양·건강 플랫폼으로 가는 송곳"이면 — 큰 시장 + 방어 가능한 진입 + 고마진 반복(건기식).
좁은 송곳, 거대한 우산
진입은 편식이라는 좁고 절박한 시장. 수익화 시장은 전체 육아맘 + 고마진 건기식 + 글로벌로 확장된다. (한국 0~6세 약 230만 명 · 영유아 가구 약 200만)
진입 — 편식 고민 가구 (3년)
영유아 가구 200만 × 편식 고민 ~30% = 약 60만 타겟 가구. 침투 5%(3만 유료가구) = 구독만으로 연 ~18억, 골고루 키트 attach 시 수십억~.
확장 — 한국 육아맘 영양·건강
영유아 가구 200만 × 연 ARPU(구독+레시피+건기식+박스 일부) ~20만원 = 약 4,000억. 핵심은 건기식 — 국내 건기식 6조 시장, 키즈 세그먼트 수천억이 빠르게 성장. 결핍탐지 엔진이 개인화 퍼널.
글로벌 — 아동영양 헬스케어
편식·아동영양은 전 세계 부모 공통 페인. 글로벌 0~7세 수억 명 + 키즈 건기식·아동영양 시장 수십조. 학습엔진은 언어·식문화 코퍼스만 교체하면 이식 가능.
한국은 아이가 줄지만 1명당 지출은 폭증(텐포켓·골드키즈). "적게 낳아 잘 키운다" = 프리미엄 개인화 영양·건강에 돈 쓰는 구조적 순풍. 줄어드는 건 머릿수, 커지는 건 ARPU.
※ 통계청 인구·업계 자료 기반 추정치. 정밀 소싱 가능. 옛 덱 기준 초·중 200억 / 유치원·어린이집 600억(요리행사) 시장도 키트 채널로 병행.
아무도 풀스택을 못 가졌다
경쟁자는 소프트웨어만(육아앱)·식품만(밀키트·유아식)·성인 대상(식이앱)이다. 아동 개인화 데이터 + AI 코칭 + 개인화 식품 + 생산능력을 다 가진 곳은 우리뿐.
| 역량 | 밀프레드 | 밀키트 컬리·쿠팡 | 유아식 배송 엘빈즈·잇틀 | 육아 앱 그로잉맘 등 | 성인 식이앱 눔 등 |
|---|---|---|---|---|---|
| 아이별 개인화(데이터) | ✅ | ✕ | △ 연령 | △ | ✅ 성인 |
| 편식 코칭(이론 기반) | ✅ | ✕ | ✕ | △ | ✕ |
| AI 학습엔진·데이터 해자 | ✅ | ✕ | ✕ | ✕ | △ |
| 개인화 식품 배송(피지컬) | ✅ | ✕ 범용 | △ 완제품 | ✕ | △ |
| 매일 쓰는 앱(코칭) | ✅ | ✕ | ✕ | ✅ | ✅ |
| 생산능력·물류 | ✅ | ✅ | ✅ | ✕ | ✕ |
| 헬스케어 확장(건기식·성장) | ✅ | ✕ | ✕ | △ | △ |
SW(개인화 코칭) + 피지컬(개인화 식품) + 생산능력 + 데이터 해자를 모두 가진 아동영양 플레이어는 밀프레드뿐. 경쟁자가 한 축을 베껴도 나머지를 못 따라온다.
이미 두 자리 두 배 성장 중
월별 판매 YoY (1~5월, 세트)
기관 유형별 26년 (1~5월) — 침투 가속 채널
| 유형 | 26년 | 25년 | YoY |
|---|---|---|---|
| 초등학교 | 1,549 | 931 | +66% |
| 어린이집 | 616 | 237 | +160% |
| 지역아동센터 | 533 | 94 | +467% |
| 중학교 | 286 | 126 | +127% |
| 유치원 | 105 | 33 | +218% |
샘플 출고 57→322세트(+465%) = 마케팅 엔진 가동. 직거래 비중 34%로 플랫폼 의존 축소.
해자는 슬라이드가 아니라 실재한다
투자자가 묻는 "방어가능성"의 답 — 우리는 한국 아동영양 학습엔진을 이미 만들어 라이브로 돌리고 있다. 끼니가 쌓일수록 복리로 강해진다.
앱은 라이브(클로즈 베타), 학습엔진은 구축 완료 — 현재 트랙션은 키트가 증명하고, 다음 마일스톤은 B2C 밀키트 고객(육아맘)을 개인화 골고루 키트 구독으로 전환이다(이미 박스 사는 고객 = 작은 도약, 앱은 개인화·락인 레이어). ※ 교육 요리키트는 B2G(학교)라 앱 퍼널이 아니며, 앱·구독 유입은 B2C 밀키트 채널·인플루언서가 담당.
매일 쓰는 이유 — 전부 개인화의 산물
앱의 모든 기능은 그 아이의 데이터에서 나온다. 데이터가 쌓일수록 정교해지고, 끊으면 잃는다 — 그게 락인이다.
그 아이의 끼니·거부·영양을 읽고 매일 쓰는 맞춤 편지(13 시나리오 로테이션). 정서적 락인 — 매일 받는 '내 아이 이야기'.
31종 KDRI 개인화 결핍 진단. "우리 아이는 철·비타민D 부족" — 끊으면 안 보인다.
그 아이가 잘 먹는 음식 기반 푸드브릿지 레시피·도전 식재료 추천. 개인화의 산물.
앱 분석 → 주간 맞춤 박스. SW(분석)와 물리(충족)가 한 몸.
체위·BMI percentile·또래 비교. 다년 데이터가 쌓일수록 못 떠난다.
구독 + 골고루 키트로 만드는 LTV
가정 — 앱 구독 4,900원/월(마진 95%·SW) · 골고루 키트 19,900원/주(마진 50%·원물+콜드체인+물류 후) · 평균 생애 18개월(보수). 자동화 후 박스 마진은 더 오른다.
| 고객 유형 | 월 공헌이익 | LTV (18개월) |
|---|---|---|
| 앱 구독만 | 4,655원 | 8.4만원 |
| 구독 + 격주 박스 | 24,555원 | 44만원 |
| 구독 + 주간 박스 | 47,440원 | 85만원 |
| blended (55/30/15) | — | 30.7만원 |
① 앱 구독(월 4,900/아이·마진 95%) + ② 개인화 골고루 키트(주 19,900·자동화로 마진↑) + ③ 결핍 신호가 부르는 개인화 건기식(고마진 반복). 셋이 한 아이 데이터 위에서 묶여 LTV를 키운다.
키트 사업이 이미 고객을 '돈 받고' 획득 → 앱·박스 전환 CAC가 사실상 음수. 건기식 attach 시 LTV는 추가 상승(고마진 반복).
고객이 고객을 데려오는 슈퍼인플루언서 루프
친구 가입 시 +4,900P(한 달 구독값). 첫 달 무료 + 친구 초대마다 한 달 무료. 데려올수록 무한 무료 = 슈퍼인플루언서.
적립 포인트는 구독 차감·골고루 키트 구매에만. 현금성 출혈이 아니라 제품 락인으로 환류 — 리텐션·재구매를 동시에 끌어올린다.
끼니 입력 +50P·식단표 +1,000P로 매일 쓰게 만들고, 추천 루프로 유기적 확산. 페이드 광고 의존을 최소화.
CEO의 6년 B2C 밀키트 브랜드 운영 = 육아맘 인플루언서 마케팅 노하우·채널 보유. 바이럴 엔진 + 검증된 인플루언서 연계로 앱·박스를 빠르게 확산한다.
이미 만들 수 있다 — 투자금은 자동화에
물리(생산능력)와 소프트(학습엔진)를 둘 다 가진 팀은 드물다. 자동화로 개인화 식품의 원가를 낮추는 순간, 데이터 해자 + 피지컬 AI가 복제 불가능한 글로벌 락인이 된다.
27–29년 성장 시나리오
세트당 평균 ARPU 20,000원 가정 · 코호트·리텐션·빈도 lever 기반.
| 연도 | Base(현실) | Bull(강세) | 드라이버 |
|---|---|---|---|
| 2024 (실적) | 0.9억 | — | 키트 출시 |
| 2025 (실적) | 3.2억 | — | +250% YoY |
| 2026 (E) | ~6억 | — | 1~5월 +139% 실적 기반 |
| 2027 | 10억 | — | 학교 재구매 + 어린이집/센터 가속 |
| 2028 | 16~22억 | 30~45억 | 앱 구독 전환 + 개인화 키트 ARPU↑ |
| 2029 | 25~36억 | 50~85억 | 중·고 확장 + 어린이집 월정기 |
| 장기 ceiling | 300억 | 어린이집·유치원 월정기(빈도) 모델 | |
시장 = 초·중·고 + 어린이집·유치원 약 22,000곳, 현재 침투율 7%. 가장 큰 성장은 빈도(일회성→월정기) + 개인화 식품(고ARPU)에서 나온다.
물리 + 소프트, 둘 다 가진 팀
B2C 밀키트 6년 · 누적 100만 인분 · 21년 연매출 20억. 육아맘 인플루언서 마케팅·물류 운영 노하우.
SW마에스트로 멘토 24-25 · 스마트홈 스타트업 코파운더 · 집꾸미기 커머스 백엔드(병역특례). AI 학습엔진 직접 구축.
물리(생산·물류·B2C 운영)와 소프트(AI 학습엔진)를 한 팀이 동시에 가진 게 핵심 차별점 — 이 조합은 드물다.
가속 라운드 — 자동화 · 그로스 · 건기식
이미 흑자라 '생존 라운드'가 아니라 '가속 라운드'. 키트로 검증된 수요 위에 AI 플랫폼을 키운다.
자동화 공정 40% · 앱/학습엔진/건기식 개발 25% · 앱 전환 그로스 25% · 운영·버퍼 10%
앱 구독 전환 증명 · 자동화 공정 가동(박스 원가율↓) · 건기식 1종 출시 · 매출 10억 돌파
Investment Thesis
물리 트랙션(키트 +139% YoY)은 증명된 쐐기다. 그 위에 앱(recurring) → AI 학습엔진(해자) → 개인화 식품(고ARPU) → 헬스케어(lock-in)를 쌓는다. 핵심 베팅은 ①→②→③ 전환(구매자→DAU→구독)이고, 학습엔진은 이미 라이브다.
근거 데이터: 밀프레드 2025 vs 2026 판매분석 · 투자자 프로젝션 2026–2029 · 라이브 앱(app.mealfred.com) 데이터 자산. 본 문서는 내부·투자자 검토용이며 추정치(E)를 포함한다.
← 문서 맵으로