마트 쇼핑 도우미 챗봇 (SmartShopper)

👥 팀원 소개

Name	박성욱	손서현	송명석	신동욱	한승남
역할	자료제작 데이터 수집	프론트엔드 개발 디자인	데이터 임베딩 백엔드 개발	자료제작 팀장 RAG 파이프라인 설계	백엔드 개발 RAG 파이프라인 설계

서비스 개요

1. 서비스가 해결하려는 문제점(Problem Statement)

소비자가 마트에서 상품을 구입할 때, 동일 상품에 대한 다른 마트의 가격정보를 알지 못하여 해당 상품의 가격이 적절한지, 합리적인 소비인지 알기 어렵다.

2. 제공하고자 하는 주요 기능 및 가치

• 실시간 가격 비교 및 가성비 평가
• 할인 정보 제공

3. 타겟 사용자와 예상 사용 시나리오

타겟 사용자 : 가격 민감도가 높은 일반 소비자 및 식재료 구입을 자주하는 주부 예상 시나리오 : 사용자가 특정 상품의 가격을 입력하거나 검색하면, 최적의 가격과 가성비 분석 결과를 제공

목표 및 기대효과

서비스 목표

• 사용자 질문에 신속하고 정확한 답변을 제공하여 문제 해결 시간을 단축
• 사용자에게 실시간 가격 정보와 가성비 분석을 제공하여 현명한 소비를 지원
• 마트별 할인 정보를 제공하여 사용자 선택의 폭을 넓힘

기대효과

• 가성비 높은 구매 경험 제공
• 합리적인 소비 문화 정착과 마트의 경쟁력 강화 지원

타겟 사용자

구분	내용
예상 사용자 유형	일반 소비자, 쇼핑 애호가, 주부, 대학생 등
주요 요구사항	실시간 가격 비교, 가성비 분석

사용법 - User

1. Smart shopper에 접속하세요

2. 질문을 입력하세요.

예시) "지금 마트에 왔는데 삼겹살 가격이 1인분에 3000원이야. 적당해?"

3. 답변을 통해 의사 결정에 활용하세요!

사용법 -Local

1. 백엔드 : app.py -> uvicorn app:app --reload

2. 프론트엔드 : npm run start

"아래는 구현에 관한 내용입니다."

데이터 소스 및 형식

원천데이터 소스

• 공공데이터 [한국소비자원_생필품 가격 정보_20241220] 활용
  https://www.data.go.kr/data/15083256/fileData.do

원천데이터 형식

• 정형 데이터 : csv

RAG 파이프라인 설계

구분	내용
데이터 최적화	chunk size : 100 / Overlap : 100
벡터 DB	Pinecone
임베딩 모델	OpenAI Embeddings
하이퍼 파라미터	top-k = 5 / 유사도 임계값 = 0.7

🛠️ 구현

구분	내용
프론트	Node / parcel / tailwindcss
백엔드	Python / FastAPI
배포	Fly.io / AWS Amplify

성능

테스트케이스 50개 중 42개에 대한 정확한 답변을 얻었습니다.

테스트 케이스	정답여부	비고
"밀가루 가격 얼마가 적당해?"	O	여러 지점의 가격을 알려주고 최저가를 알려줌
"콜라가 가장 저렴한 곳은 어디야?"	O	여러 지점의 가격을 알려주고 최저가를 알려줌
"삼다수 가장 저렴한 곳이 어디야"	O	여러 지점의 가격을 알려주고 최저가를 알려줌
"삼겹살 가격 알려줘"	O	여러 지점의 가격을 알려주고 최저가를 알려줌
"참 크래커 얼마가 적당해?	O	여러 지점의 가격을 알려주고 최저가를 알려줌
"빼빼로 얼마가 적당해?	X	데이터가 없음
...	..	..

향후

1. 위치 기반 서비스

• 사용자 위치 정보 활용
• 가까운 오프라인 매장 분석
• 실시간 최적 구매장소 추천
• 개인화된 쇼핑 경험 제공

2. 원산지별 가격

• 상품별 원산지 정보 제공
• 원산지에 따른 가격 비교
• 품질 대비 가격 분석
• 계절별 최적 원산지 추천
• 원산지 선호도 반영

3. 야간 할인 정보

• 마트별 야간 할인 정보 수집
• 실시간 할인 알림 서비스
• 시간대별 가격 변동 분석
• 최적 구매 시점 추천
• 재고 소진 예측 기능
• 사용자 맞춤 알림 설정