나를 알아가는 가장 재미있는 방법, Quiver#

요즘 유형 테스트는 가벼운 놀이를 넘어, 자기이해와 대화의 시작점이 되고 있습니다. 글로벌 성격 평가 시장은 $24.3B 규모로 커졌고, 연 12.7% 성장세를 보입니다. 한국에서는 MBTI 기반 대화가 일상화됐고, 공개 통계 기준으로 **INFP 비율이 13.39%**로 가장 높게 나타나기도 했습니다.

"너 MBTI 뭐야?"라는 질문은 이제 자기소개의 일부가 됐습니다. 단톡방에 유형 테스트 링크 하나 올리면 다들 결과를 캡처해서 올리고, "역시 너답다"는 반응이 줄줄이 이어지죠. 이 현상의 본질은 간단합니다. 사람들은 자신을 알고 싶어 하고, 그 결과를 다른 사람과 나누고 싶어 합니다.

이 흐름에 맞춰 weggle+ 팀은 Quiver를 만들었습니다. Quiver는 회원가입 없이 바로 시작하는 무료 성격/유형 테스트 플랫폼이며, 슬로건은 **"나를 알아가는 가장 재미있는 방법"**입니다.

👉 바로 시작하기: https://weggle-plus.co.kr/quiver

왜 또 유형 테스트인가#

시중에 유형 테스트 서비스는 이미 많습니다. 그럼에도 Quiver를 만든 이유는 콘텐츠의 생산 속도에 있습니다.

기존 유형 테스트 서비스들의 공통된 병목은 콘텐츠 제작입니다. 기획자가 주제를 정하고, 질문을 설계하고, 결과 유형을 만들고, 디자이너가 결과 카드를 그리고, 개발자가 데이터를 입력합니다. 하나의 테스트를 만드는 데 최소 며칠에서 일주일이 걸립니다.

Quiver는 이 과정을 근본적으로 다르게 접근했습니다. AI 기반 콘텐츠 생산 파이프라인을 구축해, 주제 하나를 던지면 5분 안에 완성된 테스트가 프로덕션 서버에 올라갑니다. 이 속도가 Quiver의 핵심 경쟁력입니다.

Quiver의 핵심 기능#

Quiver는 "빠르게 참여하고, 명확하게 이해하고, 쉽게 공유하는 경험"에 집중했습니다. 질문은 보통 7~15개, 완료 시간은 4~5분으로 짧지만 결과 해석은 충분히 구체적입니다.

두 가지 스코어링 모드#

테스트의 성격에 따라 두 가지 스코어링 방식을 지원합니다.

• MBTI 모드: E/I, S/N, T/F, J/P 4축 자동 스코어링으로 16가지 결과를 도출합니다. 각 축별로 점수를 집계해 사용자의 조합을 계산합니다. "반려동물 MBTI 테스트"처럼 4글자 코드가 익숙한 주제에 적합합니다.
• 점수 모드: 선택지별로 특정 결과 태그에 점수를 누적하고, 최고 점수 유형을 매칭합니다. "나는 어떤 개발자 유형일까?"처럼 자유로운 유형 분류에 활용합니다.

결과 카드와 공유 시스템#

결과 화면은 단순한 텍스트가 아닙니다. 각 결과 유형마다 고유한 톤 컬러가 적용된 카드 형태로 보여줍니다. 따뜻한 코랄, 차분한 인디고, 싱그러운 민트 등 테마에 맞는 색감이 결과의 인상을 강화합니다.

이 결과 카드를 PNG 이미지로 다운로드할 수 있습니다. html-to-image 라이브러리를 활용해 화면에 보이는 그대로를 고화질 이미지로 저장합니다. 인스타그램 스토리에 올리거나 카카오톡으로 보내기에 딱 맞는 형태입니다.

공유 흐름은 자연스러운 바이럴 루프를 형성합니다. 사용자가 결과 카드를 SNS에 올리면, 친구는 "나도 해봐야지"라며 테스트 URL을 클릭합니다. 테스트를 마친 친구는 다시 자신의 결과를 공유합니다. 이 순환이 콘텐츠 자체를 마케팅 도구로 만들어줍니다.

카테고리 시스템#

LIFESTYLE, TRAVEL, MARKETING, PERSONALITY, CAREER 5개 카테고리로 테스트를 분류합니다. 시즌별 감성 테스트부터 직장인 업무 성향 분석까지, 다양한 관심사를 포괄할 수 있는 구조입니다. 카테고리는 앞으로도 사용자 반응에 따라 확장할 예정입니다.

기술 스택과 아키텍처#

Quiver는 weggle+ 플랫폼의 모노레포 안에서 운영됩니다. 기술적 선택의 기준은 빠른 렌더링, 안정적인 데이터 처리, 그리고 모바일 최적화였습니다.

프론트엔드는 Next.js(App Router) + TypeScript + Tailwind CSS + React Query 조합입니다. 테스트 상세 페이지는 SSG(Static Site Generation)로 빌드되어 초기 로딩이 빠르고, 질문 진행과 결과 계산은 클라이언트 사이드에서 처리합니다. 상태 관리는 React의 로컬 상태로 충분했기 때문에 별도 상태 라이브러리를 도입하지 않았습니다.

백엔드는 Kotlin + Spring Boot + JPA + PostgreSQL입니다. 테스트 정의, 질문, 선택지, 결과를 정규화된 테이블 구조로 관리합니다. Admin API를 통해 JSON 한 번으로 테스트 전체 데이터를 생성할 수 있어, 콘텐츠 파이프라인과의 연동이 매끄럽습니다.

결과 이미지 저장에는 html-to-image 라이브러리를 사용합니다. 서버 사이드 렌더링이 아닌 클라이언트에서 DOM을 캡처하는 방식이라, 결과 화면에 적용된 톤 컬러와 레이아웃이 그대로 이미지에 반영됩니다.

콘텐츠는 어떻게 만들어지는가 — AI 팀원 시스템#

Quiver의 진짜 차별점은 서비스 자체보다 콘텐츠를 만드는 방식에 있습니다.

weggle+ 팀은 1인 개발자와 AI 팀원 28명으로 구성된 가상 소프트웨어 회사입니다. Claude Code의 Skills 시스템을 활용해 각 AI에게 역할, 책임 범위, 행동 원칙, 보고 체계를 부여했습니다. CPO, CTO, CXO 같은 C-Level 의사결정자부터 서비스별 기획자, 디자이너, 개발자까지 체계적인 조직 구조를 갖추고 있습니다.

콘텐츠 E2E 파이프라인#

Quiver의 콘텐츠 생산은 완전 자동화된 E2E(End-to-End) 파이프라인으로 작동합니다. 터미널에서 주제 하나를 입력하면 6단계가 순차적으로 진행됩니다.

주제 입력 → 프롬프트 구성 → AI 병렬 생성 → CPO 평가 → API 저장 → 검증 → 보고

예를 들어 "개발자 유형 테스트를 만들어줘"라고 입력하면 이런 일이 벌어집니다.

1단계: 프롬프트 구성. 사용자의 요청을 품질 기준, 스코어링 모드, 톤 컬러 가이드라인과 함께 구조화된 프롬프트로 변환합니다. "질문 715개, 선택지 35개, 결과 3~8개, 모든 결과 태그가 선택지에서 참조되어야 함" 같은 품질 기준이 프롬프트에 내장됩니다.

2단계: 듀얼 생성. 같은 프롬프트를 Gemini와 Codex 두 AI에게 동시에 보냅니다. 하나의 Bash 호출에서 두 프로세스를 병렬로 실행하고 결과를 기다립니다. 같은 주제라도 AI마다 접근 방식이 다릅니다. Gemini는 감성적이고 공감 중심의 질문을 만드는 경향이 있고, Codex는 논리적이고 실무 중심의 질문을 만드는 경향이 있습니다.

3단계: CPO 평가. 두 결과를 5개 기준으로 비교합니다.

더 나은 쪽을 선택하거나, 양쪽의 장점을 조합합니다. "개발자 유형 테스트"의 경우 Codex의 실무 시나리오 기반 질문이 더 몰입감이 있어 Codex 결과를 선택했습니다.

4단계: API 저장. 선택된 JSON을 Admin API로 전송합니다. 201 응답이 오면 성공, 409면 slug 중복이라 수정 후 재시도합니다.

5단계: 검증. GET API로 저장된 데이터를 불러와 질문 수, 결과 유형 수, 태그 매칭이 정상인지 확인합니다.

6단계: CEO 보고. 테스트 정보, AI 평가 결과, API 저장 상태를 요약해서 보고합니다. 결과 이미지 생성용 프롬프트도 함께 제공해, Gemini 웹앱에서 바로 일러스트를 만들 수 있게 합니다.

왜 두 AI를 동시에 쓰는가#

하나의 AI만 쓰면 결과물이 해당 모델의 편향에 갇힙니다. 두 AI를 병렬로 돌리면 같은 주제에 대한 서로 다른 해석을 얻을 수 있습니다.

실제로 "2026년 봄 테스트"를 만들 때, Gemini는 7개 질문에 5개 결과를, Codex는 10개 질문에 6개 결과를 만들었습니다. 질문의 톤도 달랐습니다. Gemini는 "봄바람이 부는 주말, 가장 먼저 하고 싶은 일은?"처럼 감성적인 질문을, Codex는 "출근길에 벚꽃이 피었다. 당신의 반응은?"처럼 상황 기반의 질문을 만들었습니다.

비교해서 고르는 과정이 있기 때문에, 단일 AI 생성보다 결과물의 품질 하한선이 올라갑니다. 둘 다 만족스럽지 않으면 Claude가 직접 생성하는 폴백도 있습니다.

품질 관리 — 태그 무결성 검증#

유형 테스트에서 가장 치명적인 버그는 **"어떤 선택지를 골라도 도달할 수 없는 결과"**가 존재하는 것입니다. 예를 들어 결과에 "INNOVATOR" 유형이 있는데, 어떤 선택지도 INNOVATOR 태그를 가리키지 않으면 해당 결과는 영원히 나오지 않습니다.

Quiver의 파이프라인은 이런 태그 무결성을 자동으로 검증합니다. 프롬프트 단계에서 "모든 결과 태그가 선택지에서 참조됨" 규칙을 명시하고, CPO 평가 단계에서 실제로 교차 검증합니다. API 저장 이후에도 GET으로 불러와 최종 확인하는 삼중 검증 구조입니다.

사용자 경험 — 이탈 없는 흐름 설계#

Quiver의 사용 흐름은 의도적으로 단순하게 설계했습니다. 회원가입, 로그인, 이메일 인증 같은 장벽을 모두 제거했습니다.

테스트 목록 → 선택 → 설명 확인 → 시작 → 질문 답변 → 결과 확인 → 공유

각 단계에서의 설계 의도는 이렇습니다.

• 테스트 목록: 카테고리별 필터 없이 전체 목록을 보여줍니다. 테스트 수가 아직 적은 단계에서는 필터가 오히려 정보를 숨깁니다.
• 설명 확인: 예상 소요 시간과 질문 수를 미리 보여줍니다. "4분이면 되는구나"라는 심리적 부담 완화가 시작 버튼 클릭률에 직접 영향을 줍니다.
• 질문 답변: 진행 바(progress bar)로 현재 위치를 보여줍니다. "이제 반이나 했네"라는 감각이 이탈을 줄입니다.
• 결과 확인: 결과 카드에 고유 톤 컬러를 입힙니다. "내 결과 예쁘다"라는 감정이 공유 동기를 만듭니다.
• 공유: 이미지 저장과 URL 공유 버튼을 결과 화면에 바로 배치합니다. "공유하고 싶다"는 감정이 식기 전에 행동으로 이어지게 합니다.

이 흐름에서 핵심은 감정의 온도가 가장 높은 순간에 공유 버튼이 있다는 것입니다. 결과를 확인한 직후가 가장 공유 욕구가 높습니다. 한 페이지라도 더 이동해야 한다면 그 온도는 급격히 떨어집니다.

앞으로의 방향#

Quiver는 아직 초기 단계입니다. 현재는 콘텐츠 생산 파이프라인의 속도와 품질을 검증하는 단계이고, 앞으로 몇 가지 방향을 계획하고 있습니다.

• 콘텐츠 확장: 시즌별, 트렌드별 테스트를 빠르게 추가합니다. 파이프라인이 있으니 주제만 정하면 됩니다.
• 결과 이미지 강화: 각 결과 유형에 맞는 일러스트를 붙여 공유 매력도를 높입니다.
• 분석 대시보드: 어떤 테스트가 많이 공유되는지, 어떤 결과가 가장 인기 있는지 데이터를 모읍니다. 이 데이터가 다음 콘텐츠의 방향을 결정합니다.
• 커뮤니티 기능: "나도 이 결과야!" 같은 결과별 모임이나 반응 기능을 고려하고 있습니다.

결국 Quiver의 목표는 하나입니다. 자기이해를 더 쉽고 재밌게 만들고, 그 경험이 관계로 확장되게 하는 것. 지금 4분만 투자해, 당신의 현재를 가장 가볍고 정확하게 확인해보세요.

👉 Quiver에서 테스트 시작하기

비슷한 고민을 하고 계시거나 같이 실험해보고 싶은 분은 커피챗 하고 싶습니다 ☕️ 📩 ksy90101@gmail.com