Skip to main content

분석 & AI 앱 (아이디어 39-50)

분석 앱은 스토어 데이터를 의사결정으로 전환합니다. 이 앱들은 주문, 고객, 제품, 트래픽을 분석하여 판매자가 Shopify 기본 분석에서 볼 수 없는 인사이트를 도출합니다. 이 섹션의 AI 기반 아이디어는 Shopify의 풍부한 데이터와 최신 AI 기능을 결합했을 때 가능한 최전선을 나타냅니다.

39. 매출 예측 대시보드​

한 줄 설명: 과거 판매 패턴, 계절성, 성장 추세, 마케팅 지출을 기반으로 미래 매출을 예측하여 판매자에게 비즈니스 방향에 대한 데이터 기반 시각을 제공합니다.

문제점​

대부분의 Shopify 판매자는 직감에 기반하여 재무 계획을 세웁니다. "작년 12월이 좋았으니 올해 12월도 좋을 것이다." 판매자들은 자신감 있게 매출을 예측하거나, 성장률을 고려하거나, "광고비를 30% 늘리면 4분기에 어떤 일이 일어날까?"와 같은 시나리오를 모델링할 통계 도구가 없습니다. 예측이 없으면 판매자는 재고를 과소 주문하고, 현금 흐름을 잘못 판단하며, 능동적이 아닌 수동적인 사업 결정을 내립니다.

대상 판매자​

12개월 이상의 주문 이력이 있는 스토어(의미 있는 계절 패턴에 필요). 월 매출 $10k 이상으로 적극적으로 성장을 계획하고 예상 매출을 기반으로 재고, 인력, 마케팅 결정을 내려야 하는 스토어.

핵심 기능​

  • 시계열 매출 예측 — 향후 30일, 60일, 90일의 예측 일별/주별/월별 매출을 신뢰 구간과 함께 표시
  • 계절성 감지 — 반복 패턴(주간 주기, 월간 추세, 휴일 급증)을 자동 식별하고 예측에 반영
  • 시나리오 모델링 — "성장이 15% MoM으로 계속된다면?" vs. "성장이 5%로 둔화된다면?"의 병렬 예측 비교
  • 매출 분해 — 소스별 매출 분류: 재구매 고객 vs. 신규 고객, 제품 카테고리별, 트래픽 채널별
  • 현금 흐름 예측 — 매출 예측과 알려진 비용(매출원가, 배송비, 앱 수수료)을 결합한 이익 예측

기술 스택​

  • Shopify API: Admin API — 과거 주문 데이터, 고객 데이터, 제품 판매 데이터용; 가능한 경우 Analytics API
  • AI/ML: 시계열 예측(Python 마이크로서비스의 Prophet 라이브러리 또는 Node.js의 간단한 지수 평활법); Claude API — 자연어 예측 요약용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 과거 데이터 집계 및 예측 저장용
  • 차트: Recharts 또는 Chart.js — 신뢰 구간 밴드가 포함된 예측 시각화용

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

기능 단계별:

  • 무료: 30일 예측, 기본 추세선, 최근 12개월 데이터
  • Growth ($29/월): 90일 예측, 계절성 감지, 시나리오 모델링
  • Pro ($59/월): 매출 분해, 현금 흐름 예측, 주간 이메일 보고서, API 액세스

Claude Code 프롬프트​

Build a Shopify embedded app called "Revenue Forecast Dashboard" using the Remix template.

The app should:
1. Fetch historical order data from the Admin API:
   - All orders from the last 24 months (or as far back as available)
   - Aggregate into daily revenue totals
   - Store in PostgreSQL for fast querying

2. Implement forecasting algorithms:
   - Calculate a 7-day and 30-day moving average for trend detection
   - Detect weekly seasonality (which days of the week are strongest)
   - Detect monthly seasonality (which weeks/months are strongest)
   - Use exponential smoothing (Holt-Winters method) to generate a forecast:
     - Point forecast: expected revenue per day for the next 90 days
     - Confidence interval: upper and lower bounds (80% and 95%)
   - Aggregate daily forecasts into weekly and monthly totals

3. Build the dashboard in Polaris:
   - Main chart: historical revenue (solid line) + forecast (dashed line) with confidence band (shaded area)
   - Time range selector: 30/60/90 day forecast
   - Key metrics: forecasted revenue this month, forecasted vs. last month, growth rate
   - Seasonality view: heatmap of revenue by day-of-week and week-of-year

4. Scenario modeling:
   - Slider for growth rate adjustment (e.g., "What if growth is 10% higher/lower?")
   - Show two forecast lines: base case and scenario
   - Display the revenue difference

5. Use Claude API to generate a monthly natural language summary:
   - "Revenue is forecasted to be $X this month, up Y% from last month"
   - "Strong seasonal pattern detected: sales typically peak in weeks 47-51"
   - "Warning: growth rate has been declining for 3 consecutive months"

Build the data fetching and aggregation first, then the forecasting algorithm, then the dashboard visualization, then scenario modeling.

유사 앱​

  • Shopify Analytics (기본 제공, 과거 데이터만, 예측 기능 없음)
  • Triple Whale ($100+/월, 기여 분석 중심, 일부 예측 기능)
  • Glew ($79+/월, 분석 플랫폼, 기본 예측)

40. 고객 생애 가치 계산기​

한 줄 설명: 모든 고객과 세그먼트의 예측 생애 가치(LTV)를 계산하여 판매자에게 어떤 고객에 투자해야 하는지, 어떤 획득 채널이 가장 높은 가치의 고객을 가져오는지, 언제 재구매를 기대할 수 있는지를 보여줍니다.

문제점​

판매자는 평균 주문 금액을 알지만 평균 고객 생애 가치는 모릅니다. 이로 인해 모든 마케팅 결정이 추측이 됩니다. 첫 주문이 $40인 고객을 획득하기 위해 $50을 써야 할까요? 해당 고객의 예측 LTV가 $250이라면, 당연히 그래야 합니다. LTV 데이터 없이 판매자는 높은 LTV 고객에 대한 투자가 부족하고, 일회성 알뜰 구매자에 과잉 투자하게 됩니다. 또한 어떤 세그먼트가 가장 가치 있는지, 어떤 제품이 최고의 장기 고객을 만드는지도 파악할 수 없습니다.

대상 판매자​

반복 구매 제품(소모품, 패션, 뷰티, 반려동물 용품, 식품)을 보유하고 12개월 이상의 주문 이력이 있는 스토어. 고객 획득(유료 광고, 인플루언서 마케팅)에 지출하며 첫 주문 ROI가 아닌 LTV 기반으로 최적화하려는 스토어.

핵심 기능​

  • 개별 고객 LTV 예측 — 구매 빈도, 최근 구매 시점, 소비 금액을 기반으로 각 고객의 미래 매출 예측
  • 세그먼트 수준 LTV 분석 — 세그먼트 간 LTV 비교: 획득 채널별(Google vs. Instagram), 최초 구매 제품별, 지역별, 할인 사용별
  • RFM 세분화 — 최근 구매(Recency), 구매 빈도(Frequency), 구매 금액(Monetary)을 기반으로 고객을 자동 분류(챔피언, 충성 고객, 위험 고객, 이탈 고객)
  • 획득 채널 ROI — LTV 예측과 획득 비용 데이터를 결합하여 채널별 실제 ROI 계산
  • 재구매 예측 — 각 고객의 다음 주문 시기와 구매 가능 제품 예측

기술 스택​

  • Shopify API: Admin API — 고객 및 주문 데이터용
  • AI/ML: BG/NBD 모델(고객 구매 빈도 예측을 위한 확률 모델)을 Python으로 구현 또는 Node.js로 간소화; Claude API — 인사이트 생성용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 고객 프로필, LTV 계산, 세그먼트 정의용
  • 차트: Recharts — LTV 분포, RFM 세그먼트, 코호트 시각화용

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

고객 수 기반:

  • 무료: 상위 50명 고객의 LTV, 기본 RFM 세그먼트
  • Growth ($29/월): 전체 고객 LTV, 모든 세그먼트, 획득 채널 분석
  • Pro ($59/월): 재구매 예측, 커스텀 세그먼트, CSV 내보내기, API 액세스, 주간 이메일 보고서

Claude Code 프롬프트​

Build a Shopify embedded app called "Customer LTV Calculator" using the Remix template.

The app should:
1. Fetch all customers and their order history from the Admin API:
   - Customer: email, created_at, orders_count, total_spent, tags
   - Orders: order_date, total_price, line_items, discount_codes, referring_site
   - Store in PostgreSQL

2. Calculate LTV metrics for each customer:
   - Historical LTV: total amount spent to date
   - Average order value (AOV)
   - Purchase frequency: orders per month since first purchase
   - Recency: days since last order
   - Predicted future value: use a simplified model:
     - Expected purchases in next 12 months = purchase_frequency * 12 * probability_of_being_active
     - Probability of active = based on recency (if last order was recent, high probability; if 6+ months ago, declining probability)
     - Predicted LTV = historical_spend + (expected_future_purchases * AOV)

3. RFM Segmentation:
   - Score each customer 1-5 on Recency, Frequency, Monetary
   - Classify into segments: Champions (5,5,5), Loyal (4+,4+,4+), At Risk (1-2,3+,3+), New (5,1,any), Lost (1,1,any)
   - Store segment assignments

4. Build the dashboard in Polaris:
   - LTV overview: average LTV, median LTV, LTV distribution histogram
   - RFM segment view: segment sizes, average LTV per segment, visual RFM matrix
   - Customer table: sortable by predicted LTV, filterable by segment, searchable by email
   - Customer detail: purchase timeline, LTV prediction, next purchase prediction, segment membership
   - Segment comparison: LTV by first product purchased, by acquisition source, by geography

5. Generate AI insights using Claude API:
   - "Your Champions segment (top 10% of customers) generates 52% of revenue"
   - "Customers who first purchase [Product X] have 3x higher LTV than average"
   - "Instagram-acquired customers have 40% higher LTV than Google Ads customers"

Build the data fetch and LTV calculation first, then RFM segmentation, then the dashboard, then AI insights.

유사 앱​

  • Lifetimely ($19+/월, Shopify LTV 분석에서 인기)
  • Repeat ($99+/월, 재구매 분석)
  • Daasity ($199+/월, LTV 기능이 포함된 분석 플랫폼)

41. 전환 퍼널 분석기​

한 줄 설명: 첫 방문부터 구매까지의 완전한 고객 여정을 매핑하고, 방문자가 각 단계에서 이탈하는 지점을 식별하며, 가장 큰 영향을 미치는 전환 병목 지점에 대한 구체적인 수정을 제안합니다.

문제점​

Shopify의 기본 분석은 상위 수준의 전환율을 보여주지만, 판매자는 고객이 여정의 어느 구체적인 단계에서 이탈하는지 알 수 없습니다. 문제가 제품 페이지(낮은 장바구니 추가율)인지, 장바구니(높은 장바구니 이탈률)인지, 결제(결제 실패)인지 알 수 없습니다. 세분화된 퍼널 데이터 없이 판매자는 잘못된 것을 최적화합니다. 홈페이지를 재설계하는 반면, 실제 문제는 결제 페이지가 모바일에서 느리게 로딩되는 것입니다.

대상 판매자​

월간 5,000+ 세션으로 전환율 향상을 추구하는 스토어. 특히 유료 트래픽에 상당한 금액을 지출하는 스토어에서 0.5%의 전환율 개선만으로도 의미 있는 ROI를 만들어냅니다.

핵심 기능​

  • 전체 퍼널 시각화 — 홈페이지/랜딩 페이지에서 제품 조회, 장바구니 추가, 결제 시작, 결제, 주문 확인까지 각 단계의 이탈 비율 표시
  • 세그먼트별 퍼널 — 기기(모바일 vs. 데스크톱), 트래픽 소스(오가닉 vs. 유료), 고객 유형(신규 vs. 재방문), 지역별로 전환 퍼널 비교
  • 페이지 수준 분석 — 조회에서 장바구니 추가 전환율이 가장 낮은 제품 페이지와 이탈률이 가장 높은 컬렉션 페이지 식별
  • AI 기반 추천 — "모바일 결제 이탈률이 67%로 데스크톱의 45%에 비해 높습니다. 가능한 원인: 모바일에서의 느린 로딩 시간 또는 어려운 폼 입력."
  • 목표 추적 — 전환율 목표를 설정하고 시간에 따른 진행 상황을 추적, 전환이 떨어질 때 자동 알림

기술 스택​

  • Shopify API: Web Pixel Extension — 클라이언트 측 이벤트 추적용; Admin API — 주문 데이터용
  • Web Pixel Extension: 페이지 조회, 제품 조회, 장바구니 추가, 결제 시작, 결제 완료 추적
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 이벤트 데이터 및 퍼널 계산용
  • 차트: 커스텀 퍼널 차트 컴포넌트, Recharts — 추세용
  • AI: Claude API — 퍼널 데이터에서 실행 가능한 추천 생성용

난이도: 🔴 고급​

예상 구축 시간: Claude Code 사용 시 2-3주​

수익화 모델​

트래픽 기반:

  • 무료: 기본 5단계 퍼널, 월 1,000 세션, 30일 데이터 보존
  • Growth ($29/월): 세그먼트별 퍼널, 월 10,000 세션, 90일 보존, AI 추천
  • Pro ($59/월): 무제한 세션, 12개월 보존, 목표 추적, 커스텀 퍼널 단계, API 액세스

Claude Code 프롬프트​

Build a Shopify app called "Conversion Funnel Analyzer" with a Remix admin app and a web pixel extension.

Web Pixel Extension:
1. Track customer journey events:
   - page_viewed: URL, page type (home, collection, product, cart, checkout), timestamp, device type, referrer
   - product_viewed: product ID, collection source
   - product_added_to_cart: product ID, variant ID, quantity
   - checkout_started: cart value, item count
   - checkout_completed: order ID, order value
2. Send events to the app's analytics endpoint with a session ID (generated per visit) and visitor ID (persistent across visits)

Admin App:
1. Event processing:
   - Store events in PostgreSQL
   - Aggregate into funnel stages: Visit -> Product View -> Add to Cart -> Checkout Start -> Purchase
   - Calculate conversion rate and drop-off rate between each stage

2. Funnel dashboard in Polaris:
   - Visual funnel chart showing visitor count and conversion rate at each stage
   - Drop-off percentages between stages highlighted in red
   - Date range selector (7d, 30d, 90d)
   - Segment toggles: by device, traffic source, new vs. returning, geography

3. Page analysis:
   - Product pages ranked by view-to-cart conversion rate (worst performing first)
   - Collection pages ranked by bounce rate
   - Landing pages ranked by session-to-product-view rate

4. AI recommendations:
   - Send funnel data to Claude API weekly
   - Generate 3-5 actionable recommendations like:
     - "Mobile add-to-cart rate is 2.1% vs 4.8% on desktop. Review mobile product page layout."
     - "Collection page 'Summer Dresses' has 78% bounce rate. Consider improving filtering or featured products."
     - "Checkout abandonment spiked 15% this week. Check for site errors or payment gateway issues."

Build the web pixel tracking first, then event aggregation and funnel calculation, then the dashboard, then AI recommendations.

유사 앱​

  • Google Analytics 4 (무료, 강력하지만 복잡하고 Shopify 전용이 아님)
  • Lucky Orange ($18+/월, 히트맵 + 세션 녹화)
  • Shopify Analytics (기본 제공, 상위 수준 전환 데이터만)

42. 경쟁사 가격 모니터​

한 줄 설명: 웹 전체에서 경쟁사 제품 가격을 추적하고 경쟁사가 가격을 변경하거나, 세일을 진행하거나, 주요 제품에서 가격을 낮출 때 판매자에게 알림을 보냅니다.

문제점​

경쟁이 치열한 시장에서 가격 설정은 끊임없는 체스 게임입니다. 경쟁사가 베스트셀러 제품의 가격을 낮추지만 판매자는 며칠에서 몇 주 동안 모릅니다. 그때쯤이면 가격을 비교한 현명한 소비자에게 매출을 빼앗깁니다. 수동 경쟁사 모니터링은 번거롭고 신뢰할 수 없습니다. 판매자는 경쟁사 사이트를 산발적으로 확인하고, 변경을 놓치며, 시간에 따른 가격 추세를 추적할 수 없습니다.

대상 판매자​

식별 가능한 경쟁사가 있는 경쟁 시장의 스토어: 가전제품, 일용품, 보충제, 뷰티, 그리고 쇼핑객이 적극적으로 가격을 비교하는 모든 카테고리. 특히 경쟁사와 50개 이상의 제품이 겹치는 스토어.

핵심 기능​

  • 경쟁사 URL 매핑 — 각 제품에 대해 판매자가 경쟁사의 제품 페이지 URL을 추가
  • 자동 가격 추적 — 경쟁사 가격을 매일 확인하고 추세 분석을 위한 과거 데이터 저장
  • 가격 변동 알림 — 경쟁사가 추적 제품의 가격을 변경할 때 이메일/Slack으로 즉시 알림
  • 경쟁 포지셔닝 대시보드 — 전체 카탈로그에서 판매자가 경쟁사보다 높은지, 낮은지, 동일한지 표시
  • 가격 이력 차트 — 경쟁사의 가격 변동과 판매자 자신의 가격을 시간에 따라 시각화

기술 스택​

  • 웹 스크래핑: Firecrawl, Puppeteer, 또는 스크래핑 API(ScraperAPI, Bright Data) — 경쟁사 페이지에서 가격 추출용
  • Shopify API: Admin API — 판매자 자신의 제품 가격용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 경쟁사 URL, 가격 이력, 알림 설정용
  • 알림: SendGrid — 이메일용, Slack API — Slack 알림용
  • 백그라운드 작업: 매일 예약된 가격 확인

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

제품 수 등급:

  • 무료: 10개 제품 추적, 3개 경쟁사, 주간 확인, 기본 알림
  • Growth ($29/월): 100개 제품, 10개 경쟁사, 일일 확인, 가격 이력 차트
  • Pro ($59/월): 무제한 제품 및 경쟁사, 실시간 확인, Slack 통합, 경쟁 포지셔닝 대시보드, API 액세스

Claude Code 프롬프트​

Build a Shopify embedded app called "Competitor Price Monitor" using the Remix template.

The app should:
1. Competitor Management (Polaris admin):
   - Add competitors with name, website URL, and notes
   - For each of the merchant's products, add one or more competitor product URLs
   - Support bulk URL entry via CSV (columns: shopify_product_id, competitor_name, competitor_url)

2. Price Scraping Engine:
   - For each tracked competitor URL, use a web scraping approach to extract the current price:
     - Use a scraping API or Puppeteer to fetch the page
     - Extract the price using common e-commerce price selectors (meta tags like og:price, schema.org Product markup, or CSS selectors for price elements)
     - Store: competitor_product_url, scraped_price, currency, timestamp
   - Run daily via a scheduled background job
   - Handle scraping failures gracefully (retry once, then mark as "needs attention")

3. Alert System:
   - Compare today's scraped price with yesterday's price
   - If price changed, create an alert record
   - Send email notification: "Competitor X changed the price of [product] from $49.99 to $39.99 (-20%)"
   - Configurable alert thresholds: only alert if price changes by more than X%

4. Dashboard in Polaris:
   - Overview: total products tracked, price changes detected this week, competitive position summary
   - Product comparison table: merchant's product, merchant's price, competitor prices (color-coded: green if merchant is cheaper, red if more expensive)
   - Price history chart: select a product and see the merchant's price vs. competitor prices over time
   - Alerts feed: recent price changes with links to competitor pages

5. Competitive Intelligence:
   - "You are more expensive on 23/100 tracked products"
   - "Competitor X has lowered prices on 5 products this week (possible sale)"
   - Export comparison data as CSV

Build the competitor/URL management first, then the price scraping engine, then alerts, then the dashboard.

유사 앱​

  • Prisync ($99+/월, 전용 경쟁사 모니터링)
  • Competera (엔터프라이즈 가격 인텔리전스)
  • Price2Spy ($24+/월, 가격 모니터링)

43. 제품 번들 추천기​

한 줄 설명: 구매 패턴을 분석하여 자주 함께 구매되는 제품을 식별한 다음, 평균 주문 금액을 높이는 번들 오퍼를 자동으로 생성하고 프로모션합니다.

문제점​

번들링은 AOV를 높이는 가장 효과적인 방법 중 하나이지만, 대부분의 판매자는 데이터가 아닌 추측에 기반하여 번들을 만듭니다. 고객이 실제로 함께 구매하는 제품이 아니라 함께 어울린다고 생각하는 제품을 번들로 만듭니다. 좋은 번들을 식별하더라도 Shopify에서 번들 오퍼를 만들고 유지하는 것은 수작업입니다 — 할인 코드 생성, 번들 제품 목록 설정, 재고 동기화.

대상 판매자​

100개 이상의 제품과 월 500건 이상의 주문이 있는 스토어(의미 있는 구매 패턴 분석에 충분한 데이터). 특히 보완 제품을 판매하는 스토어: 스킨케어(클렌저 + 토너 + 모이스처라이저), 피트니스(매트 + 블록 + 스트랩), 전자제품(폰 + 케이스 + 충전기).

핵심 기능​

  • 구매 패턴 분석 — 주문 이력을 사용하여 자주 함께 구매되는 제품 식별(장바구니 분석)
  • 신뢰 점수가 포함된 번들 제안 — "제품 A와 제품 B는 둘 중 하나를 포함한 주문의 23%에서 함께 구매됩니다"
  • 원클릭 번들 생성 — 번들 제품 목록 또는 자동 할인(A+B를 함께 구매하면 10% 할인) 생성
  • 제품 페이지의 동적 번들 표시 — 추천 추가 제품을 보여주는 "함께 자주 구매하는 제품" 섹션
  • 번들 성과 추적 — 번들로 인한 매출, AOV 영향, 추천 제품별 추가 구매율

기술 스택​

  • Shopify API: Admin API — 주문(장바구니 분석), 제품(번들 생성), 할인(번들 가격 설정)용
  • 알고리즘: 연관 규칙 마이닝(Apriori 알고리즘) — 자주 함께 구매되는 분석용
  • Theme App Extension: 스토어프론트의 "함께 자주 구매하는 제품" 위젯용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 공동 구매 데이터, 번들 설정, 성과 지표용

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 8-12일​

수익화 모델​

매출 연동형:

  • 무료: 구매 패턴 분석, 상위 5개 번들 제안
  • Growth ($19/월): 무제한 제안, 원클릭 번들 생성, "함께 자주 구매하는 제품" 위젯
  • Pro ($39/월): 번들 다이나믹 프라이싱, A/B 테스트 번들 오퍼, 성과 분석, 커스텀 위젯 스타일링

Claude Code 프롬프트​

Build a Shopify app called "Product Bundle Recommender" with a Remix admin app and a theme app extension.

Admin App:
1. Purchase Pattern Analysis:
   - Fetch all orders from the last 12 months via the Admin API
   - Extract line items per order: which products appeared together
   - Implement association rule mining:
     - For every pair of products, calculate:
       - Support: % of orders containing both products
       - Confidence: % of orders containing product A that also contain product B
       - Lift: how much more likely products are bought together vs. independently
     - Rank pairs by lift score (higher = stronger association)
   - Store results in PostgreSQL

2. Bundle Suggestions Dashboard (Polaris):
   - Table of recommended bundles: Product A + Product B, support %, lift score, suggested discount
   - "Create Bundle" button for each suggestion that:
     - Creates an automatic discount via the Admin API (e.g., buy both, get 10% off)
     - Or creates a bundle product listing with combined images and description
   - Active Bundles tab: bundles currently live with performance metrics

3. Bundle Performance:
   - Track: bundle views (on product pages), bundle adds-to-cart, bundle purchases, revenue generated
   - Compare AOV for orders with bundles vs. without
   - Show: "Bundles increased AOV by $X.XX this month"

Theme App Extension:
1. "Frequently Bought Together" app block for product pages:
   - Query the app's API for the top 2-3 products most frequently purchased with the current product
   - Display: product images, titles, prices, combined price, savings amount
   - "Add All to Cart" button that adds the bundle to cart
   - Individual checkboxes to select/deselect items

Build the purchase pattern analysis engine first, then the bundle suggestion UI, then the theme extension, then performance tracking.

유사 앱​

  • Frequently Bought Together by Code Black Belt ($9.99/월, 널리 사용)
  • Rebuy ($99+/월, 번들을 포함한 포괄적 추천)
  • Bold Bundles ($19.99+/월)

44. 사기 탐지 방패​

한 줄 설명: AI를 사용하여 실시간으로 주문을 분석해 잠재적 사기 거래를 탐지하고, 이행 전에 의심스러운 주문을 플래그하여 수동 검토하며, 차지백을 방지합니다.

문제점​

차지백은 건당 평균 $190의 비용(주문 금액 + 차지백 수수료 + 분쟁 처리 시간)을 판매자에게 발생시킵니다. Shopify의 기본 사기 분석은 기본적인 위험 수준을 제공하지만, 정교한 사기 패턴을 놓치고 각 스토어의 특정 사기 프로필에 적응하지 못합니다. 판매자는 너무 많은 사기 주문을 수락하거나(비용이 많이 드는 차지백), 너무 많은 정당한 주문을 거부합니다(오탐으로 인한 매출 손실). 스토어의 패턴을 학습하는 더 스마트한 사기 탐지 시스템은 차지백을 50-80% 줄일 수 있습니다.

대상 판매자​

고가치 물리적 또는 디지털 상품을 판매하며 월 매출 $20k 이상인 스토어. 특히 고사기 카테고리의 스토어: 전자제품, 명품, 기프트 카드, 디지털 제품. 또한 최근 차지백이 증가한 스토어.

핵심 기능​

  • 실시간 주문 위험 스코어링 — 모든 새 주문에 다중 시그널을 기반으로 0-100의 사기 위험 점수 부여
  • 시그널 분석 — 청구/배송 주소 불일치, 속도 검사(동일 IP/이메일의 다수 주문), 지리적 이상, 스토어 평균 대비 주문 금액 편차, 이메일 도메인 분석, 디바이스 핑거프린팅
  • 자동 보류 규칙 — 설정 가능한 위험 임계값을 초과하는 주문을 자동으로 수동 검토를 위해 보류
  • 사기 패턴 학습 — 판매자가 확인된 사기와 정당한 주문을 표시하여 시간이 지남에 따라 모델 개선
  • 차지백 추적 — 차지백 알림을 가져와 사기 점수와 연결하여 탐지 정확도 측정

기술 스택​

  • Shopify API: Admin API — 주문 데이터용, Webhooks — orders/create용, Flow API — 주문 보류 작업용
  • AI: Claude API — 사기 패턴 분석용; 규칙 기반 스코어링 엔진 — 알려진 사기 시그널용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 주문 위험 점수, 사기 시그널, 판매자 피드백, 모델 훈련 데이터용
  • 지오로케이션: MaxMind GeoIP — IP 기반 위치 분석용
  • Webhooks: orders/create에서 실시간 주문 처리

난이도: 🔴 고급​

예상 구축 시간: Claude Code 사용 시 2-3주​

수익화 모델​

주문량 등급(가치 연동):

  • 무료: 월 50건 주문의 기본 위험 스코어링, 5개 시그널 검사
  • Growth ($29/월): 월 500건 주문, 전체 시그널 분석, 자동 보류 규칙, 수동 검토 대시보드
  • Pro ($59/월): 무제한 주문, 사기 패턴 학습, 차지백 추적, 커스텀 규칙, API 액세스
  • Enterprise ($99/월): 전화 주문 검증 워크플로, 오탐 보험, 전담 지원

Claude Code 프롬프트​

Build a Shopify embedded app called "Fraud Detection Shield" using the Remix template.

The app should:
1. Register a webhook for orders/create to analyze every new order in real-time

2. For each order, calculate a fraud risk score (0-100) by checking these signals:
   - Address mismatch: billing address vs. shipping address (different = +15 risk points)
   - Email analysis: free email provider (+5), email matches customer name (+0), disposable email domain (+25)
   - Velocity: same email or IP placed multiple orders in 24 hours (+20 per additional order)
   - Geographic anomaly: IP location far from shipping address (+15)
   - Order value: order total more than 3x the store's average order value (+10)
   - First-time customer with high-value order (+10)
   - Multiple failed payment attempts before success (+20)
   - International shipping to different country than billing (+10)

3. Risk classification:
   - 0-30: Low risk (auto-approve)
   - 31-60: Medium risk (proceed with caution, optional review)
   - 61-100: High risk (auto-hold for review, send alert to merchant)

4. For high-risk orders, use the Admin API to add an order tag "fraud-review" and optionally cancel/hold the order

5. Admin Dashboard (Polaris):
   - Order queue: pending review orders sorted by risk score, each showing risk score, risk signals breakdown, and order details
   - "Approve" button (removes hold, marks as legitimate)
   - "Reject" button (cancels order, marks as fraud)
   - Feedback loop: use merchant approve/reject decisions to adjust signal weights over time
   - Analytics: total orders screened, flagged rate, confirmed fraud rate, false positive rate, estimated chargebacks prevented

6. Settings:
   - Risk threshold sliders (at what score to auto-hold)
   - Enable/disable individual signals
   - Email notification preferences for flagged orders

Build the webhook handler and scoring engine first, then the admin dashboard, then the feedback loop, then analytics.

유사 앱​

  • Shopify Fraud Analysis (기본 제공, 기본 기능, 커스터마이징 불가)
  • NoFraud ($1,000+/월 최소, 엔터프라이즈)
  • Signifyd ($1,500+/월 최소, 엔터프라이즈)
  • Riskified (엔터프라이즈, 사용량 기반 가격)

45. 코호트 분석 도구​

한 줄 설명: 첫 구매 날짜별로 고객을 그룹화하고 각 코호트의 시간별 행동 — 재구매율, 매출 리텐션, 제품 선호도 — 을 추적하여 비즈니스가 점점 건강해지는지 아니면 조용히 악화되고 있는지를 밝힙니다.

문제점​

스토어의 전체 매출이 성장하면서도 기본 체력이 악화될 수 있습니다. 신규 고객 획득이 고객 리텐션 하락을 감출 수 있습니다. 코호트 분석은 비즈니스 건강을 이해하기 위한 골드 스탠다드입니다 — "1월에 처음 구매한 고객은 3월에 처음 구매한 고객과 같은 비율로 재구매하는가?" 그리고 "최신 코호트의 고객이 이전 코호트보다 더 많이 쓰는가 적게 쓰는가?" 같은 질문에 답합니다. 하지만 코호트 분석을 구축하려면 대부분의 판매자가 갖추지 못한 데이터 기술이 필요합니다.

대상 판매자​

12개월 이상의 이력과 반복 구매 제품이 있는 스토어. 표면적 지표 너머의 유닛 이코노믹스를 이해하려는 창업자, 그로스 마케터, 운영자. 펀딩이나 인수를 준비 중인 DTC 브랜드에 특히 가치 있으며, 코호트 건강은 핵심 실사 지표입니다.

핵심 기능​

  • 코호트 리텐션 그리드 — 각 월별 코호트가 1개월, 2개월, 3개월 등에 재구매한 비율을 보여주는 클래식 삼각형 차트
  • 매출 리텐션 곡선 — 주문 수뿐만 아니라 시간에 따른 각 코호트의 실제 매출 리텐션
  • 코호트 비교 — 서로 다른 코호트를 겹쳐 리텐션이 개선되는지 하락하는지 확인
  • 제품 수준 코호트 분석 — "제품 A를 처음 구매한 고객은 6개월 후 40% 리텐션; 제품 B 첫 구매자는 15%만 리텐션"
  • 획득 채널 코호트 — Google Ads, Instagram, 오가닉 검색으로 획득한 고객의 리텐션 비교

기술 스택​

  • Shopify API: Admin API — 고객 및 주문 데이터용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 고객 코호트 배정 및 리텐션 계산용
  • 차트: 커스텀 히트맵 컴포넌트 — 코호트 그리드용, Recharts — 리텐션 곡선용
  • AI: Claude API — 코호트 데이터에서 인사이트 생성용

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 8-10일​

수익화 모델​

분석 깊이 등급:

  • 무료: 월별 코호트 리텐션 그리드, 12개월 이력
  • Growth ($24/월): 매출 리텐션, 코호트 비교, 제품 수준 코호트, 24개월 이력
  • Pro ($49/월): 획득 채널 코호트, AI 인사이트, 내보내기 가능 보고서, 무제한 이력, API 액세스

Claude Code 프롬프트​

Build a Shopify embedded app called "Cohort Analysis Tool" using the Remix template.

The app should:
1. Fetch all customers and orders from the Admin API:
   - For each customer: ID, email, first_order_date, all subsequent order dates and values
   - Assign each customer to a cohort based on their first order month (e.g., "Jan 2025", "Feb 2025")

2. Calculate cohort retention metrics:
   - For each cohort month, calculate:
     - Cohort size: number of new customers that month
     - Month 0: initial purchase (100%)
     - Month 1: % of cohort who placed another order in the following month
     - Month 2: % who placed an order 2 months after first purchase
     - Continue for 12 months
   - Calculate both order-based retention and revenue-based retention

3. Build the dashboard in Polaris:
   - Cohort Retention Grid (heatmap): rows = cohort months, columns = months since first purchase, cells = retention % with color intensity (dark green = high retention, light = low)
   - Retention Curves: line chart showing each cohort's retention curve overlaid (select which cohorts to compare)
   - Revenue Retention: same grid but showing revenue retained vs. initial cohort revenue
   - Cohort Summary: table with cohort, size, 3-month retention, 6-month retention, 12-month retention, LTV-to-date

4. Product-Level Cohorts:
   - Group customers by their first product purchased
   - Show retention for each "first product" cohort
   - Identify which first-purchase products create the best long-term customers

5. AI Insights using Claude API:
   - "Your Q4 2025 cohorts are retaining 15% better than Q3 2025"
   - "Customers whose first purchase was in the Skincare category retain 2.3x better than average"
   - "Warning: last 3 cohorts show declining month-3 retention"

Build the data fetching and cohort assignment first, then the retention calculation, then the heatmap visualization, then product-level analysis.

유사 앱​

  • Lifetimely ($19+/월, 기본 코호트 뷰 포함)
  • Peel Insights ($149+/월, 포괄적 코호트 분석)
  • Google Analytics 4 (코호트 보고서 있지만 Shopify 전용 아님)

46. 트렌드 스팟터​

한 줄 설명: 소셜 미디어, Google Trends, 마켓플레이스 데이터를 모니터링하여 판매자의 니치에 관련된 신흥 제품 트렌드와 소비자 관심 변화를 경쟁사보다 먼저 식별합니다.

문제점​

이커머스 성공은 점점 더 트렌드에 일찍 뛰어드는 것에 달려 있습니다. 제품 트렌드가 명확해질 때쯤이면 시장은 포화되고 마진은 압축됩니다. "물병이 패션 액세서리로" 또는 "머쉬룸 커피" 트렌드를 일찍 발견한 판매자들은 큰돈을 벌었습니다. 하지만 오늘날의 트렌드 스팟팅은 수십 개의 소스를 모니터링해야 합니다: TikTok, Instagram, Google Trends, Reddit, Amazon 베스트셀러, Pinterest 트렌드. 이를 체계적으로 할 시간이 있는 판매자는 없습니다.

대상 판매자​

다음 제품을 찾는 제품 기반 비즈니스, 특히 드롭시핑 업체, 큐레이션 리테일러, 정기적으로 제품 라인을 확장하는 DTC 브랜드. 신흥 트렌드에 맞춰 캠페인을 진행하려는 마케팅 팀에게도 유용.

핵심 기능​

  • 다중 소스 트렌드 모니터링 — Google Trends, TikTok 해시태그, Pinterest 트렌드, Amazon Movers & Shakers, 설정된 키워드에 대한 Reddit 게시물 수 추적
  • 니치별 알림 — 판매자가 니치(예: "지속 가능한 패션")를 설정하고 관련 검색량이 급증할 때 알림 수신
  • 트렌드 스코어링 — 속도(트렌드 성장 속도), 볼륨(절대 관심 수준), 관련성(판매자 니치와의 일치도) 결합
  • 제품 기회 제안 — "'머쉬룸 램프' 검색어가 30일간 340% 성장했습니다. 홈 데코 컬렉션에 버섯 모양 조명 추가를 고려하세요."
  • 트렌드 라이프사이클 추적 — 트렌드가 신흥인지, 정점인지, 하락 중인지? 각 트렌드의 라이프사이클 위치를 시각적 타임라인으로 표시

기술 스택​

  • 외부 API: Google Trends(비공식 API 또는 SerpApi), Pinterest Trends API, Amazon Product Advertising API, Reddit API
  • AI: Claude API — 트렌드 분석, 니치 관련성 스코어링, 기회 생성용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 트렌드 데이터, 과거 점수, 알림 설정용
  • 백그라운드 작업: 매일 예약된 트렌드 데이터 수집 및 분석

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

기능 기반:

  • 무료: 5개 키워드의 Google Trends 추적, 주간 트렌드 다이제스트
  • Growth ($29/월): 50개 키워드, 다중 소스 모니터링, 일일 알림, 트렌드 스코어링
  • Pro ($59/월): 무제한 키워드, 제품 기회 AI, 라이프사이클 추적, 경쟁사 트렌드 비교, API 액세스

Claude Code 프롬프트​

Build a Shopify embedded app called "Trend Spotter" using the Remix template.

The app should:
1. Niche Configuration:
   - Merchants enter their niche/category keywords (e.g., "sustainable fashion", "yoga accessories", "home office")
   - Merchants add specific product keywords to track (e.g., "bamboo sunglasses", "desk organizer")
   - Store in PostgreSQL

2. Trend Data Collection (scheduled background job running daily):
   - Google Trends: use SerpApi's Google Trends endpoint to get interest-over-time data for each tracked keyword
   - Calculate trend velocity: % change in search interest over 7, 30, and 90 days
   - Score each keyword: combine absolute volume + velocity + relevance to merchant's niche

3. AI Trend Analysis (weekly):
   - Send the week's trend data to Claude API
   - Ask for: emerging trends (high velocity, low current volume), peaking trends (high volume, slowing velocity), declining trends
   - Generate product opportunity suggestions based on the merchant's existing catalog vs. trending keywords
   - "Based on your store selling [yoga mats], the trending keyword [yoga wheel] represents a product expansion opportunity with 280% search growth in 30 days"

4. Dashboard in Polaris:
   - Trend Feed: cards for each tracked keyword with current score, velocity arrow (up/down/flat), and sparkline chart
   - Emerging Trends: filtered view showing only high-velocity, early-stage trends
   - Opportunities: AI-generated product suggestions with trend data supporting the recommendation
   - Alerts tab: historical alerts with "acted on" checkboxes for tracking

5. Alert Configuration:
   - Set velocity threshold for alerts (e.g., "alert me when any keyword grows 100%+ in 30 days")
   - Email digest frequency: daily, weekly, or real-time for critical trends

Build the keyword configuration and Google Trends data fetching first, then trend scoring, then the dashboard, then AI analysis.

유사 앱​

  • Exploding Topics ($39+/월, 일반 트렌드 발견, Shopify 미연동)
  • Google Trends (무료, 수동 모니터링)
  • Shopify 네이티브 트렌드 도구 없음 — 니치 특화 트렌드 인텔리전스의 독특한 기회

47. 세금 컴플라이언스 검사기​

한 줄 설명: 스토어의 세금 구성이 판매하는 모든 관할권에 대해 올바른지 자동 검증하고, 세율, 제품 과세 규칙, 등록 요건을 검사하여 비용이 많이 드는 세금 컴플라이언스 오류를 방지합니다.

문제점​

미국만 해도 13,000개 이상의 과세 관할권이 있으며, 각각 다른 세율, 규칙, 제품 과세 카테고리가 있습니다. Shopify는 기본 세금 계산을 처리하지만, 판매자는 넥서스가 있는 주에 등록하고, 제품을 올바르게 분류하고(의류가 해당 주에서 과세 대상인지? 식품은? 디지털 상품은?), 세율 변경을 따라가는 것에 대한 책임이 있습니다. 잘못하면 추가 세금, 벌금, 이자가 발생합니다. 규칙이 너무 복잡하기 때문에 대부분의 판매자는 과다 납부(과세하지 말아야 할 곳에서 과세)하거나 과소 납부(과세해야 할 곳에서 미과세)합니다.

대상 판매자​

여러 미국 주 또는 국제적으로 판매하는 모든 Shopify 스토어. 특히 최근 새로운 주에서 경제적 넥서스 임계값을 초과하여 등록 및 세금 징수를 시작해야 하는 스토어. 과세 및 비과세 제품이 혼합된 스토어(식품 + 보충제, 의류 + 액세서리, SaaS + 물리적 상품)에 가장 중요.

핵심 기능​

  • 넥서스 분석 — 주문 이력을 기반으로 판매자가 경제적 넥서스 임계값을 초과하여 세금을 징수해야 하는 주 식별
  • 세금 구성 감사 — 스토어의 현재 Shopify 세금 설정을 각 관할권에 있어야 할 설정과 비교
  • 제품 과세 검사 — 각 제품에 대해 세금 카테고리가 올바른지 확인(예: "아기 의류는 뉴욕에서 면세이지만 아기 원지는 '과세'로 설정되어 있습니다")
  • 세율 정확도 검증 — Shopify가 적용한 세율을 각 관할권의 현행 공식 세율과 비교
  • 컴플라이언스 체크리스트 — 관할권별로 판매자가 해야 할 일(등록, 징수 활성화, 신고 납부) 체크리스트

기술 스택​

  • Shopify API: Admin API — 제품, 주문(넥서스 계산), 세금 설정용
  • 세금 데이터: TaxJar API 또는 Avalara API — 세율 검증 및 제품 과세 규칙용
  • AI: Claude API — 자연어 컴플라이언스 추천 생성용
  • 프레임워크: Remix + Polaris
  • 데이터베이스: PostgreSQL — 넥서스 계산, 감사 결과, 컴플라이언스 추적용

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

스토어 규모 등급:

  • 무료: 기본 넥서스 분석, 상위 5개 컴플라이언스 이슈
  • Growth ($19/월): 전체 세금 구성 감사, 제품 과세 검사, 월간 재감사
  • Pro ($39/월): 세율 정확도 검증, 컴플라이언스 체크리스트, 다국가 지원, 변경 알림, CPA용 보고서

Claude Code 프롬프트​

Build a Shopify embedded app called "Tax Compliance Checker" using the Remix template.

The app should:
1. Nexus Analysis:
   - Fetch all orders from the last 12 months via the Admin API
   - For each US state, calculate: total revenue from orders shipped to that state, and total number of orders
   - Compare against economic nexus thresholds (stored in database -- e.g., California: $500k revenue or 200 transactions)
   - Flag states where thresholds have been crossed: "You have nexus in California (revenue: $520,000 from 340 orders)"
   - Show states approaching thresholds as warnings

2. Tax Configuration Audit:
   - Fetch the store's current tax settings from the Admin API
   - For each state where the merchant has nexus, check:
     - Is tax collection enabled for that state?
     - Are the rates correct? (compare with a tax rate database)
     - Are tax-exempt products (like groceries in certain states) correctly configured?
   - Generate audit results: "PASS", "FAIL", "WARNING" for each check

3. Product Taxability Review:
   - For each product, check its product type against taxability rules by state
   - Flag potential issues: "Product 'Organic Baby Onesie' is marked as taxable, but baby clothing is tax-exempt in New York, Pennsylvania, and New Jersey"
   - Let merchants update product tax categories from within the app

4. Dashboard in Polaris:
   - Compliance score: 0-100 based on percentage of checks passed
   - Nexus map: US map with states color-coded (green = compliant, yellow = nexus but not collecting, red = compliance issue)
   - Issue list: all compliance issues sorted by severity with recommended actions
   - Jurisdiction detail: click a state to see all checks and their status

5. Use Claude API to generate a compliance summary:
   - Plain-English explanation of what the merchant needs to do
   - Priority-ordered action items
   - "Disclaimer: this is not tax advice. Consult a tax professional for your specific situation."

Build the nexus analysis first, then tax configuration audit, then product taxability, then the dashboard.

유사 앱​

  • TaxJar ($19+/월, 세금 계산 + 신고)
  • Avalara ($50+/월, 엔터프라이즈 세금 컴플라이언스)
  • Shopify Tax (기본 제공 기본 세금 계산, 컴플라이언스 감사 아님)

48. 스토어 접근성 감사기​

한 줄 설명: 스토어프론트의 WCAG 2.1 접근성 문제 — 누락된 대체 텍스트, 불충분한 색상 대비, 키보드 탐색 문제, 스크린 리더 호환성 — 를 스캔하고 모든 사람이 사용할 수 있도록 구체적인 수정을 제공합니다.

문제점​

전 세계 10억 명 이상이 장애를 가지고 있으며, 웹 접근성은 윤리적 의무일 뿐만 아니라 점점 더 법적 요구 사항이 되고 있습니다. 이커머스 사이트에 대한 ADA 소송이 급격히 증가했으며, 합의금은 평균 $10,000-$50,000입니다. 대부분의 Shopify 테마에는 접근성 문제가 있습니다: 이미지의 대체 텍스트 누락, 버튼의 불충분한 색상 대비, 라벨이 없는 폼, 접근할 수 없는 드롭다운 메뉴. 판매자는 법적 통지서를 받을 때까지 이러한 문제를 모릅니다.

대상 판매자​

모든 Shopify 스토어, 특히 미국(ADA 컴플라이언스)과 EU(유럽 접근성법, 2025년 시행)의 스토어. 특히 규제 산업의 스토어(의료, 정부 납품업체)와 소송이 명성에 타격을 줄 수 있는 대형 브랜드.

핵심 기능​

  • 자동 WCAG 2.1 감사 — 모든 공개 접근 가능 페이지의 Level A 및 AA 위반 스캔
  • 문제 분류 — 심각도(크리티컬, 심각, 보통, 경미) 및 WCAG 기준(1.1.1 비텍스트 콘텐츠, 1.4.3 대비, 2.1.1 키보드 등)별
  • 구체적인 수정 지침 — 각 문제에 대해 Shopify 테마에 맞춘 코드 예시
  • 원클릭 수정 — 이미지에 대체 텍스트 추가 및 색상 대비 조정 같은 일반적인 문제
  • 컴플라이언스 진행 추적 — 시간에 따른 접근성 점수 변화와 카테고리별 잔여 문제 표시

기술 스택​

  • 접근성 테스트: axe-core(Deque의 오픈소스 접근성 테스트 엔진) 또는 Pa11y — 자동 스캔용
  • Shopify API: Admin API — 제품 이미지(대체 텍스트)용, Theme API — 테마 코드 분석용
  • 프레임워크: Remix + Polaris
  • 헤드리스 브라우저: Puppeteer — 스토어프론트 페이지 렌더링 및 접근성 스캔 실행용
  • 데이터베이스: PostgreSQL — 감사 결과, 과거 점수, 수정 추적용

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

페이지 수 등급:

  • 무료: 홈페이지 + 5페이지 스캔, 기본 보고서
  • Growth ($19/월): 100페이지까지 스캔, 상세 수정 지침, 월간 재스캔
  • Pro ($39/월): 무제한 페이지, 원클릭 수정, 지속 모니터링, 컴플라이언스 인증서, VPAT 스타일 보고서

Claude Code 프롬프트​

Build a Shopify embedded app called "Accessibility Auditor" using the Remix template.

The app should:
1. Store URL Discovery:
   - Use the Shopify Admin API to get the store's public URL
   - Crawl the sitemap or manually discover key pages: homepage, collection pages (top 5), product pages (top 10), cart page, contact page
   - Store discovered URLs in the database

2. Accessibility Scanning:
   - For each page, use Puppeteer to:
     - Load the page in a headless browser
     - Inject and run axe-core (the accessibility testing library)
     - Collect all violations, passes, and incomplete checks
   - Categorize each violation by:
     - WCAG criterion (e.g., 1.1.1, 1.4.3, 2.1.1)
     - Severity: critical, serious, moderate, minor
     - Element: the specific HTML element with the issue

3. Results Dashboard (Polaris):
   - Accessibility Score: 0-100 based on (passes / (passes + violations))
   - Issue summary: count by severity, by WCAG criterion, by page
   - Issue list: sortable, filterable table with:
     - Page URL, element description, WCAG rule violated, severity
     - Human-readable explanation: "This image has no alt text, making it invisible to screen readers"
     - Fix instruction: "Add alt='Description of image' to the <img> tag or update the image alt text in the Shopify product editor"
   - Page-by-page breakdown: click a page to see all its issues

4. Quick Fixes:
   - For images missing alt text: show the image and an input field, "Apply" updates the alt text via the Admin API
   - For color contrast issues: show the current colors and suggest accessible alternatives
   - Track which fixes have been applied

5. Re-scan and Progress:
   - "Re-scan" button to run the audit again after fixes
   - Historical score chart showing improvement over time
   - "Scan schedule" option: weekly or monthly automatic re-scans

Build the URL discovery and axe-core scanning first, then the results dashboard, then quick fixes, then progress tracking.

유사 앱​

  • accessiBe ($49+/월, 접근성 오버레이 — 논란이 있는 접근법)
  • AudioEye ($49+/월, 모니터링 + 오버레이)
  • Shopify 네이티브 WCAG 감사기 없음 — 오버레이가 아닌 코드 수정 접근법의 기회

49. AI 제품 포토그래퍼​

한 줄 설명: 배경 제거, 라이프스타일 컨텍스트 추가, 일관된 조명 생성, 다각도 뷰 생성을 모두 AI로 수행하여 기본적인 제품 사진을 전문 품질의 이커머스 이미지로 변환합니다.

문제점​

전문 제품 사진 촬영은 사진작가에게 의뢰하면 이미지당 $25-$100 이상의 비용이 듭니다. 200개 제품에 각 5장의 이미지가 있는 스토어는 1,000장의 사진이 필요하며, $25,000-$100,000의 비용이 발생합니다. 대부분의 판매자는 스마트폰으로 제품을 촬영하고 그대로 업로드합니다 — 불균일한 조명, 지저분한 배경, 무작위 각도. AI 이미지 생성은 괜찮은 스마트폰 사진을 전문 이커머스 이미지로 변환할 수 있을 만큼 발전했지만, 도구들이 Shopify와 연결되어 있지 않아 각 이미지의 수동 업로드/다운로드가 필요합니다.

대상 판매자​

제품 이미지 개선이 필요한 모든 판매자. 특히: 사진작가 예산이 없는 신규 스토어, 품질이 다양한 공급업체 이미지를 받는 드롭시핑 업체, 자주 새 제품을 추가하여 빠른 촬영 파이프라인이 필요한 스토어.

핵심 기능​

  • 배경 제거 및 교체 — 배경을 제거하고 순백, 그라데이션 또는 라이프스타일 설정으로 교체
  • 라이프스타일 컨텍스트 생성 — 제품을 상황별 장면에 배치(예: 주방 카운터의 머그컵, 모델이 입은 원피스, 거실의 램프)
  • 일관된 조명 보정 — 모든 제품 이미지의 밝기, 대비, 색온도를 통일하여 전문적이고 통일된 외관 구현
  • 다각도 생성 — 단일 사진에서 추가 각도 또는 약간 회전된 뷰 생성
  • 직접 Shopify 통합 — 향상된 이미지가 Shopify 제품에 자동 업로드, 다운로드/재업로드 불필요

기술 스택​

  • Shopify API: Admin API — 제품 이미지용(기존 이미지 읽기, staged uploads를 통한 향상된 버전 업로드)
  • AI: Stability AI API 또는 Replicate API — 배경 제거 및 이미지 생성용; DALL-E 또는 Midjourney API — 라이프스타일 장면 생성용
  • 이미지 처리: Sharp.js — 이미지 조작용(크롭, 리사이즈, 색상 보정)
  • 프레임워크: Remix + Polaris
  • 데이터베이스: SQLite — 처리 큐 및 이미지 생성 이력용
  • 파일 처리: 처리 파이프라인을 위한 임시 저장소

난이도: 🟡 중급​

예상 구축 시간: Claude Code 사용 시 10-14일​

수익화 모델​

이미지 크레딧 기반:

  • 무료: 월 10장 이미지 향상, 배경 제거만
  • Starter ($14/월): 월 100장 이미지, 배경 제거 + 교체, 조명 보정
  • Pro ($29/월): 월 500장 이미지, 라이프스타일 장면, 다각도 생성, 일괄 처리
  • Agency ($59/월): 월 2,000장 이미지, 커스텀 장면 템플릿, API 액세스, 우선 처리

Claude Code 프롬프트​

Build a Shopify embedded app called "AI Product Photographer" using the Remix template.

The app should:
1. Product Image Browser:
   - Fetch all products and their images from the Admin API
   - Display in a grid showing product thumbnails with image count and enhancement status
   - Click a product to see all its images with "Enhance" buttons

2. Image Enhancement Pipeline:
   - When "Enhance" is clicked on an image, offer enhancement options:
     - Background Removal: use an AI API (remove.bg API or Replicate's background removal model) to strip the background to transparent or white
     - Background Replacement: offer preset backgrounds (pure white, gradient, wood surface, marble, lifestyle)
     - Lighting Correction: normalize exposure, white balance, and contrast using Sharp.js
     - Resize/Crop: auto-crop to center the product and resize to Shopify's recommended 2048x2048

3. For lifestyle scene generation:
   - Send the background-removed product image to an AI image generation API
   - Use a prompt like: "Professional e-commerce product photo of [product title] placed on [selected scene: kitchen counter / living room shelf / outdoor setting], natural lighting, high quality photography"
   - Display the result for merchant approval

4. Save enhanced images:
   - When the merchant approves an enhanced image:
     - Upload to Shopify using staged uploads (stagedUploadsCreate mutation)
     - Attach to the product as a new image or replace the original
   - Keep the original image as backup in the database

5. Batch Processing:
   - Select multiple products and apply the same enhancement to all their primary images
   - Processing queue with status indicators (pending, processing, complete, failed)
   - "Enhance All" button for one-click batch enhancement

6. Dashboard: total images enhanced, credits remaining, before/after gallery

Build the single-image background removal first, then background replacement, then Shopify upload integration, then batch processing.

유사 앱​

  • Pebblely ($19+/월, AI 제품 사진, Shopify 미연동)
  • Photoroom ($9.99+/월, 배경 제거 + 장면)
  • Shopify 기본 제공 이미지 편집기 (크롭/필터만, AI 없음)
  • Claid.ai ($9+/월, AI 이미지 향상)

50. MCP 대시보드 빌더​

한 줄 설명: MCP(Model Context Protocol) 서버를 통해 모든 Shopify 데이터에 연결하는 비주얼 대시보드 빌더로, 판매자와 개발자가 코드 작성 없이 커스텀 대시보드, 보고서, 모니터링 뷰를 만들 수 있습니다.

문제점​

모든 판매자가 Shopify 기본 분석이 제공하지 않는 커스텀 대시보드를 원합니다. "이번 주 제품 카테고리별 매출을 지난 주와 비교하여 보여주세요." "지역별 실시간 주문 뷰를 보여주세요." "모든 창고의 재고 가치를 보여주세요." 현재 커스텀 대시보드를 얻으려면 개발자가 커스텀 앱을 구축하거나 Looker 또는 Metabase 같은 BI 도구에 연결해야 합니다 — 이 도구들은 비싸고, 복잡하며, Shopify 관리자 화면과 분리되어 있습니다. MCP(Model Context Protocol)는 데이터 소스에 연결하는 표준화된 방법을 제공하여 Shopify 데이터에 네이티브로 접근하는 유연한 대시보드 빌더 구축을 가능하게 합니다.

대상 판매자​

Shopify 기본 분석을 넘어서는 커스텀 보고서가 필요한 데이터 중심 판매자와 에이전시 개발자. 월 매출 $50k 이상으로 데이터 기반 의사결정을 하는 스토어. 또한 클라이언트 대시보드를 구축하고 재사용 가능한 도구를 원하는 개발자.

핵심 기능​

  • 드래그 앤 드롭 대시보드 빌더 — 차트(라인, 바, 파이), 테이블, KPI 숫자, 텍스트 위젯
  • MCP 데이터 커넥터 — Shopify Admin MCP 서버, Google Analytics MCP 서버, 또는 커스텀 MCP 서버를 데이터 소스로 연결
  • 자연어 쿼리 — "지난 30일간 제품 유형별 매출 보여줘"라고 입력하면 연결된 MCP 데이터 소스를 사용하여 올바른 차트 생성
  • 예약 보고서 — 대시보드를 일별/주별/월별 일정에 따라 PDF로 자동 이메일 전송
  • 공유 가능 대시보드 — Shopify 관리자 액세스 권한이 없는 이해관계자를 위한 공개 또는 비밀번호 보호 URL 생성

기술 스택​

  • MCP: Model Context Protocol SDK — Shopify MCP 서버 및 기타 데이터 소스 연결용
  • Shopify API: MCP를 통한 Admin API로 모든 스토어 데이터 액세스
  • AI: Claude API — 자연어에서 쿼리로의 변환용
  • 프레임워크: Remix + Polaris
  • 대시보드 렌더링: Recharts 또는 Chart.js — 차트 위젯용, AG Grid — 테이블 위젯용
  • 데이터베이스: PostgreSQL — 대시보드 설정, 캐시 데이터, 예약 보고서 이력용
  • PDF 생성: Puppeteer — 대시보드를 PDF로 렌더링하여 이메일 보고서용

난이도: 🔴 고급​

예상 구축 시간: Claude Code 사용 시 3-4주​

수익화 모델​

대시보드 수 등급:

  • 무료: 1개 대시보드, 3개 위젯, 일일 데이터 갱신, Shopify 데이터만
  • Growth ($29/월): 5개 대시보드, 무제한 위젯, 시간별 갱신, 자연어 쿼리
  • Pro ($59/월): 무제한 대시보드, 예약 이메일 보고서, 공유 가능 URL, 다수 MCP 데이터 소스
  • Agency ($99/월): 멀티스토어 대시보드, 화이트라벨 옵션, 클라이언트 공유, API 액세스

Claude Code 프롬프트​

Build a Shopify embedded app called "MCP Dashboard Builder" using the Remix template.

The app should:
1. MCP Connection Manager:
   - Configure connections to MCP servers (start with the Shopify Admin MCP server)
   - Store connection configs: server URL, authentication, available tools/resources
   - Test connection and display available data resources

2. Dashboard Builder (Polaris-based):
   - Create a new dashboard with a name and layout grid
   - Add widgets to the dashboard:
     - KPI Widget: single number with label and optional comparison (e.g., "Revenue: $45,230 (+12%)")
     - Chart Widget: line, bar, pie, or area chart with configurable data source and time range
     - Table Widget: tabular data display with sorting and filtering
     - Text Widget: markdown-formatted text for notes and labels
   - Each widget has a data configuration:
     - Select MCP server and resource
     - Configure the query (e.g., "orders from last 30 days grouped by day")
     - Map data fields to the visualization (x-axis, y-axis, group-by)

3. Natural Language Query:
   - Input field where users type questions like "What is my revenue by product type this month?"
   - Send the question to Claude API along with the available MCP resources/tools
   - Claude generates the appropriate MCP query
   - Execute the query and auto-create a chart widget with the results

4. Data Execution Layer:
   - When a dashboard loads, execute all widget queries against their configured MCP servers
   - Cache results in PostgreSQL to avoid re-querying on every page load
   - Refresh cache on configurable schedule (hourly, daily)

5. Dashboard Management:
   - Save/load dashboards
   - Duplicate and edit existing dashboards
   - "Share" button that generates a read-only URL with optional password protection
   - "Schedule Report" that renders the dashboard as a PDF via Puppeteer and emails it on schedule

Build the MCP connection manager and basic data querying first, then the widget builder with chart rendering, then natural language queries, then sharing and scheduled reports.

유사 앱​

  • Shopify Analytics (기본 제공, 커스터마이징 불가)
  • Triple Whale ($100+/월, 마케팅 기여 대시보드)
  • Metabase (오픈소스 BI, 기술적 설정 필요, Shopify 미연동)
  • MCP 네이티브 대시보드 도구는 아직 없음 — 신흥 MCP 생태계에 직접 연결된 최전선 기회