기본 콘텐츠로 건너뛰기

파란만장 스내피 사용 후기

2016년 첫번째 글이네요.

올해에는 새해를 맞아 작년 한해 동안 끄적였던 글들에 대해 정리하는 글조차 쓰지를 못했네요.

바뻤었다는 것은 핑계이고, 사람이 점점 게을러지나 봅니다.

이 글도 원래 좀 더 일찍 썼어야 하는데, 차일 피일 미루다 오늘에서야 적게 되었네요.

서비스나 소프트웨어는 하루가 다르게 변하고 있기 때문에 지금 이 글을 쓰는 시점의 스내피 서비스와는 다를 수 있습니다.

그럼, 파란만장했던 스내피 서비스 후기를 시작해보도록 하겠습니다.

스내피 서비스는 해외 구매를 쉽게 할 수 있도록 도와주는 서비스입니다.

해외 직구를 해보신 분은 아시겠지만, 이게 생각처럼 간단하지 않습니다.

처음 해외 직구를 하는 사람에게는 몇가지 장애물이 있는데,

첫번째가 카드입니다. 당연히 해외에서 물건을 구매할 수 있는 카드가 있어야 합니다. VISA나 MASTER 같은 카드 말이죠..

두번째는 카드의 주소가 문제입니다. 어떤 쇼핑몰은 배송지와 카드의 주소가 다를 경우 아예 주문 자체가 되지 않습니다.

세번째는 배송입니다. 아마존 같은 큰 쇼핑몰은 물건 구매 시 배송지로 한국 자체를 선택할 수 있긴 하지만 그렇지 않은 쇼핑몰의 경우 배송 대행 서비스를 이용해야 합니다.

네번째는 이 모든 것들에 대한 정확한 금액입니다. 비싼 물건일 경우 세관을 거쳐 세금이 부과될 수도 있고 환율에 따라 정확하게 결제되는 금액이 달라지기도 합니다. 배송대행 서비스를 이용할 경우에도 별도의 배송비가 필요합니다. 거기에다 미국내 세금 문제도 있습니다. 결국 단순하게 쇼핑몰의 금액만 생각하면 우리 나라에서 사는 것보다 쌀 수 있지만 실제적으로는 물건 값 외에 고려해야 하는 비용적인 이슈가 꽤 많습니다.

때문에 이런 저런 문제로 실제 해외 직구는 생각처럼 간단하지 않습니다.

그래서 직접 해외 쇼핑몰에서 물건을 구매하는 것보다 국내의 지마켓 같은 곳에 입점한 구매 대행 서비스를 이용하는 것이 편할 수도 있지만 그럴 경우 실제적인 비용에 대한 이득은 크게 없기 때문에 꼭 외국에서 물건을 사와야 하는 이유가 없습니다.

사정이 이러하다보니 해외 직구를 하고 싶어도 하지 못하는 불쌍하고 우매한 중생을 위하여 태어난 서비스가 스내피입니다. (제가 이 서비스에서 돈을 받고 이러한 후기를 쓰는 것은 아닙니다.)

스내피는 우선 카드 결제에서 가상 카드를 생성해서 결제하는 방식을 쓰고 있습니다. 때문에 보안적인 측면에서도 좀 더 나은 편이고 결제에 관해서 내가 크게 신경 쓸 부분이 없습니다.

또한 여러 배송 대행 서비스와 제휴가 되어 있어서 원하는 배송 대행 서비스에 가입 후 주문에서 배송 대행 신청까지를 원클릭으로 해결해 줍니다.

물론, 실제적으로 배송 대행에 있어서는 주문 후 배송 대행 서비스 업체에 로그인 해서 약간의 수정이 필요한 부분이 있지만 쇼핑 따로 배송 대행 신청 따로 하던 것에 비하면 매우 매우 매우 편합니다.

하지만 스내피도 몇가지 아쉬운 점이 있습니다.

우선은 스내피 뿐만 아니라 다른 서비스의 경우에도 해외 직구를 하실 때 체크카드는 절대 추천하고 싶지 않습니다.

스내피의 경우 이벤트 특가 등으로 실제 쇼핑몰의 금액보다 좀 더 할인된 가격에 제품을 구매할 수 있는 경우가 있는데, 이 경우 체크카드로 결제했다면 수정된 금액으로 실제 결제가 이루어지기까지 짧게는 2주에서 길게는 한달이 걸립니다.

무슨 얘기인고 하니 먼저 쇼핑몰에서 300$에 물건을 구매했는데 스내피에서 이벤트로 270$에 결제가 이루어진다고 하면 먼저 300$로 결제가 이루어진 후에 이 결제가 취소되고 다시 270$ 결제가 이루어지는 식으로 결제가 진행됩니다.

신용카드의 경우 이런 식으로 진행될때 문제 없이 바로 300$ 취소와 270$ 결제가 진행되지만, 체크카드의 경우 취소와 재결제 진행까지 시간이 걸린다는 것입니다. 때문에 사용자로서는 정말로 취소가 제대로 진행되었는지 할인된 금액으로 결제가 제대로 진행되었는지 계속 신경이 쓰인다는 것이 아쉽습니다.

물론 이것은 스내피의 문제가 아니라 금융 시스템 자체의 문제이기 때문에 감안해야하는 부분입니다.

고로 혹시라도 해외 결제를 진행하실 분들은 체크카드보다는 신용카드를 이용하시기를 권장드립니다.

다른 아쉬운 점은 스내피 앱 안에 검색 기능이 들어 있는데, 이 검색이 상품 검색이 아니라 쇼핑몰 검색입니다.

스내피에는 굉장히 많은 해외 쇼핑몰이 등록되어 있기 때문에 원하는 제품을 찾고자 한다면 찾지 못할 확률이 대단히 낮습니다.

문제는 스내피 안에서 직접 그 제품을 찾을 수 없습니다. (이 문제는 최신의 스내피 서비스에서는 수정되었거나 제공될 수도 있지만 확인해보지 못했습니다.)

고로 제가 어떤 제품을 찾고 싶다면 우선 해당 제품을 가장 싸게 파는 쇼핑몰을 찾아서 그 쇼핑몰을 스내피가 지원하는지 찾아야 한다는 얘기입니다.

저는 스내피의 검색이 다나와 같이 여러 쇼핑몰에 걸쳐서 상품을 찾아 비교해 줄거라 기대했는데.. 너무 큰걸 기대한것인듯 합니다.

스내피 안에서 물건이 검색, 비교할 수 있다면 더 좋을 듯 합니다.

또 다른 아쉬운 점은 비용 계산이 완벽하지 않다는 것입니다.

해외 직구는 환율에 따른 물건 값 외에 미국내 배송지에 따른 세금, 배송 대행 업체의 배송비, 국내 통관 시 세금 등 여러 이슈가 있는데 이 금액에 대해서 정확하게 제시가 되지 않습니다.

결국은 구매자가 직접 관련 법류나 규정들을 숙지하고 계산해야 합니다.

제가 이걸 잘 몰라서 물건 2개를 사면서 물건 2개를 합쳐서 배송 신청했다가 국내 통관 시 세금 문제로 다시 분리시켜 배송 주문 하느라 꽤 애를 먹었습니다.

당장은 이러한 과정에 대해 자동화를 하지 못하더라도 관련 내용에 대해 가이드를 충분히 제공해서 사용자가 정확하게 금액을 예측할 수 있도록 해주면 좀 더 좋을 듯 합니다.

그리고 스내피와 제휴한 배송대행 업체가 꽤 많은데, 각 배송업체의 특징이라던가 비용 같은 비교할 만한 내용이 스내피 안에 없습니다.

즉, 스내피는 구매라는 행위 자체에 집중해서 편하게 구매를 할 수 있도록 구현은 되어 있지만 그 구매라는 행위에 필요한 데이터를 제공하는데는 꽤 불친절합니다.

결국에는 관련 정보를 제가 계속 찾고 학습해야하는게 꽤 불편합니다.

마지막으로 스내피는 현재 아이폰에서만 제공되는 서비스이고 아직 안정화라고 하기에는 좀 무리가 있습니다.

저 같은 경우에도 주문했던 상품의 결제가 제대로 진행되지 않아서 1주일 정도의 시간동안 대기 상태였다가 중복 주문이 되는 듯 정말로 파란만장한 경험을 했습니다.

하지만 그런 와중에도 그런 경험들이 기분이 나쁘지 않았던 것은 스내피의 CS 서비스가 꽤 꼼꼼하고 친절하다는 것입니다.

얼마전 쏘카를 이용하면서 두 회사의 CS를 비교해볼 수 있었는데, 스내피가 훨씬 꼼꼼하고 친절합니다.

앞으로 서비스를 이용하는 사용자가 더 늘어나면 어떨지는 모르겠지만 이런 저런 불편함이 있지만 해외 직구를 하고자 하시는 분이라면 스내피를 추천해드립니다.

안드로이드에서는 좀 더 시간이 지나야 서비스가 제공된다고 합니다.

저도 하루 하루 기다리고 있는데 아직 소식이 없네요.

어쨌든 간단한 후기였지만 해외 직구를 생각하시는 분이라면 스내피를 한번 이용해보시기 바랍니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...