프로젝트 배경
온라인 쇼핑의 성장과 함께 소비자들은 브랜드별로 다른 사이즈 체계로 인해
“핏 불만족”과 “반품 문제”를 겪고 있었습니다.
특히 동일 브랜드 내에서도 상품별 실측 편차가 존재해,
소비자 입장에서는 “나에게 맞는 사이즈를 찾기 어렵다”는 불편이 지속되었습니다.
핏코(FITCO)는 이 문제를 해결하기 위해
AI가 과거 구매 이력과 피드백 데이터를 학습하여 개인별 체형 패턴을 분석하고,
상품 상세페이지에서 바로 추천 사이즈를 제안하는 AI 기반 맞춤 사이즈 추천 서비스 입니다.
“핏 불만족”과 “반품 문제”를 겪고 있었습니다.
특히 동일 브랜드 내에서도 상품별 실측 편차가 존재해,
소비자 입장에서는 “나에게 맞는 사이즈를 찾기 어렵다”는 불편이 지속되었습니다.
핏코(FITCO)는 이 문제를 해결하기 위해
AI가 과거 구매 이력과 피드백 데이터를 학습하여 개인별 체형 패턴을 분석하고,
상품 상세페이지에서 바로 추천 사이즈를 제안하는 AI 기반 맞춤 사이즈 추천 서비스 입니다.
프로젝트 성과
AI 모델 학습 및 결과 도출 정확도와 속도 개선
AI 모델 학습 정확도 초기 78% → 91% 개선
속도 약 10분 → 3분내로 개선
속도 약 10분 → 3분내로 개선
핵심 기능



AI 구매내역 기반 옷 사이즈 추천
구매 이력 + 체형 데이터 기반 맞춤 추천

어드민 사용률, 성과 시각화 대시보드
추천요청수, 클릭율 및 사용률, 이탈 단계 데이터 제공을 통한 퍼널 분석 시각화
진행 단계
리서치, 요구사항 정의 및 기획
2025.07.
커머스 사이즈 추천 서비스 및 AI 모델 벤치마킹
사용자 여정 및 추천 로직 설계
사용자 여정 및 추천 로직 설계
개발
2025.08.
AI 모델 연동, 데이터 구조 설계, QA
어드민 개발
어드민 개발
프로젝트 상세
1. 서비스 소개
- AI가 구매 이력과 체형 데이터를 분석해, 사용자의 실제 체형에 가장 잘 맞는 옷 사이즈를 추천하는 개인 맞춤형 쇼핑 서비스
2. 디바이스
- 웹(Web) & 모바일 앱(Web App) 기반 서비스
3. 기능
- AI 사이즈 추천: 구매 이력, 체형 입력값을 기반으로 최적 사이즈 제안
- 구매 히스토리 기반 피드백: 구매 만족도(핏/사이즈 적합도) 입력 시 AI 모델 개선
- 고객 사이즈 데이터 기반 리포트 제공
- 상품별 반품률·핏 만족도 시각화 대시보드
4. 작업 범위
- 추천 로직 UX 설계 및 사용자 여정 정의
- AI 데이터 수집·학습·추천 프로세스 개발 구축
- 관리자용 데이터 대시보드 구조 개발
5. 개발환경
- Next.js
- Full-stack
- AI가 구매 이력과 체형 데이터를 분석해, 사용자의 실제 체형에 가장 잘 맞는 옷 사이즈를 추천하는 개인 맞춤형 쇼핑 서비스
2. 디바이스
- 웹(Web) & 모바일 앱(Web App) 기반 서비스
3. 기능
- AI 사이즈 추천: 구매 이력, 체형 입력값을 기반으로 최적 사이즈 제안
- 구매 히스토리 기반 피드백: 구매 만족도(핏/사이즈 적합도) 입력 시 AI 모델 개선
- 고객 사이즈 데이터 기반 리포트 제공
- 상품별 반품률·핏 만족도 시각화 대시보드
4. 작업 범위
- 추천 로직 UX 설계 및 사용자 여정 정의
- AI 데이터 수집·학습·추천 프로세스 개발 구축
- 관리자용 데이터 대시보드 구조 개발
5. 개발환경
- Next.js
- Full-stack





