AI · Commerce
토탈소싱기 — AI 커머스 소싱 엔진
네이버 광고 API·마켓 데이터를 결합해 "잘 팔릴 상품"을 점수화·추천하는 데이터 기반 소싱 툴
- 소속
- 토탈셀러
- 기간
- 2025.08 – 2025.09
- 역할
- 팀 리더 · 풀스택 · 아키텍처/AI 기능 설계
- 기여도
- 100%
AWSReactPythonSpring BootMilvusAI
01
Overview
온라인 셀러가 상품을 효율적으로 발굴·검증하도록 돕는 데이터 기반 소싱 툴입니다. 네이버 광고 API, 마켓 데이터, 리뷰/별점, 커뮤니티 트렌드를 결합해 "잘 팔릴 가능성이 높은 상품"을 자동 추천합니다.
02
Background
셀러는 어떤 상품을 소싱할지 감에 의존합니다. 기존 키워드 툴은 단순 검색량만 보여줄 뿐, "지속성 있는 트렌드인지", "지금 들어가도 되는지"를 답하지 못합니다.
03
Problem
일시적 급등 키워드와 지속 트렌드를 구분하고, 검색량·CTR·경쟁도·리뷰를 하나의 기회 점수로 종합하며, 추천을 실행 가능한 카테고리·벤더·가격대 정보까지 연결하는 것이 과제였습니다.
04
My Role
- 키워드 분석 엔진(네이버 광고 API 수집 + 가중치 스코어링 모델) 설계·구현
- 기회 점수/경쟁도 산출 로직 및 트렌드 클러스터링
- 팀 리더로서 서비스 아키텍처·AI 기능 기획 및 풀스택 개발 총괄
05
Architecture
수요 데이터(검색량·CTR·클릭)와 시장 반응(리뷰·별점), 경쟁 현황을 수집해 내부 가중치 모델(W_DEMAND, W_CLICKS 등)로 스코어링하고, RSS·뉴스·커뮤니티를 함께 묶어 트렌드 지속성을 검증한 뒤 추천 리스트를 생성합니다.
네이버 광고 API · 마켓 데이터 수집→수요/반응/경쟁 지표 정규화→가중치 스코어링 (기회 점수)→트렌드 지속성 클러스터링→소싱 추천 TOP N (대시보드 / PDF)
06
Key Features
- ▸검색량·CTR 기반 키워드 분석 엔진
- ▸광고 단가·경쟁 상품·리뷰·평점 기반 "기회 점수"
- ▸트렌드 지속성 클러스터링(쇼크트리식 필터링)
- ▸일/주 단위 소싱 추천 리포트 자동 생성
07
Technical Decisions
단순 검색량이 아닌 "트렌드 지속성"을 지표화
왜 → 일시적 급등에 진입하면 셀러가 손해를 보므로, 지속성 검증으로 차별화했습니다.
RDB + 벡터(Milvus) 혼합 구조
왜 → 정형 지표는 RDB로, 유사도/추천은 벡터로 분리해 확장성을 확보했습니다.
08
Troubleshooting
문제 · 급등 키워드와 지속 트렌드 혼동
해결 · 상위 키워드 → 지속성 검증 → 기회 점수 부여의 단계적 필터링 적용.
09
Result
- 신규 셀러 100명 이상 온보딩 지원
- 경쟁 툴 대비 트렌드 지속성·리뷰 검증·공급망 연계로 차별화
- 내부 자동화 확립 → RL 기반 추천·그룹웨어 통합 확장 기반 확보
10
What I Learned
- 여러 외부 데이터를 하나의 의사결정 지표로 종합하는 모델링
- 팀 리더로서 아키텍처 결정과 구현을 병행하는 경험