1) 문제점
- 파편화된 데이터로 인한 의사결정 지연
- 리셀 마켓(KREAM, 솔드아웃)별로 입찰 및 체결 정보가 분산되어 통합적인 수익성 판단이 어려움
- 수동으로 데이터를 비교하는 과정에서 많은 시간이 소요되어 실시간 가격 변동 대응력이 낮음
- 비정형 데이터 활용의 한계
- 텍스트 기반 검색에만 의존하여 상품 사진 등 시각적 정보를 활용한 빠르고 정확한 상품 식별이 불가능함
- 실제 체결 데이터 기반의 정량적 추세 분석 모델이 부재하여 주관적인 판단에 의존한 투자 리스크가 존재함

2) 프로젝트 목표
- 실시간 통합 데이터 대시보드 구축
- 주요 플랫폼의 입찰가 및 체결 정보를 API/크롤링으로 수집하여 한눈에 비교 가능한 시스템 개발
- 마켓별 수수료 정책을 자동 반영하여 순수익 지표를 실시간으로 산출함
- AI 기반 분석 및 지능형 검색 도입
- 시계열 데이터 분석 모델을 통한 가격 변화 추세 예측 및 리셀 인사이트 엔진 개발
- AI 이미지 인식 기술을 활용해 상품 사진만으로 정보와 시세를 즉각 매칭하는 기능을 구현함

3) 주안점
- 데이터 정제 및 지표화의 정확성
- 이미지와 텍스트 등 비정형 데이터를 AI로 분석하여 분석 가능한 정제 데이터로 변환하는 데 집중함
- 예측 로직의 신뢰도를 높이기 위해 실제 체결가 데이터를 기반으로 예상 마진 지표를 산출함
- 시스템 운영의 지속성 및 확장성
- 플랫폼의 잦은 보안 패치 및 정책 변화에도 안정적으로 동작하는 수집·업데이트 파이프라인을 구축함
- 구축된 분석 엔진을 이커머스 리뷰(VOC) 분석 및 품질 관리 분야로 확장할 수 있도록 유연하게 설계함

1) 포트폴리오 소개
국내 대표 리셀 플랫폼(KREAM, 솔드아웃)의 데이터를 기반으로 한 AI 리셀 의사결정 지원 플랫폼입니다. 입찰 및 체결 데이터를 분석하여 최적의 수익 모델을 제안하며, 데이터 기반의 정밀한 투자가 필요한 전문 리셀러 및 데이터 분석 기반 커머스 사업자를 메인 타깃으로 합니다.
​
2) 작업 범위
- 데이터 엔지니어링: KREAM/솔드아웃의 입찰가 및 실제 체결 정보 실시간 수집 엔진 구축
- AI/ML 분석: 가격 변화 추세 예측 모델 설계 및 AI 기반 리셀 인사이트 엔진 개발
- Computer Vision: AI 이미지 인식을 통한 자동 상품 정보 검색 기능 구현
- 서버 및 API: 시계열 데이터 처리 및 마진 산출 로직 서버 개발
- Front-end: 예측 지표 및 상품 분석 대시보드가 포함된 반응형 웹 개발

3) 주요 업무
- 실시간 가격 추세 예측: 과거 체결 데이터와 입찰 현황을 분석하여 향후 가격 변화를 AI로 예측
- AI 리셀 인사이트: 수집된 데이터를 바탕으로 현재 시장 내 저평가된 상품 및 고수익 예상 상품 추천
- AI 이미지 인식 검색: 상품 사진 한 장으로 마켓 내 동일 상품의 정보와 시세를 자동 매칭
- 예상 마진 자동 산출: 플랫폼 수수료, 입찰가 변화를 반영하여 판매 시점별 기대 수익 자동 계산
​
4) 주안점
- 분석의 정밀도와 신뢰성: 실제 체결 데이터를 기반으로 한 시계열 분석을 통해, 사용자가 감이 아닌 데이터 기반의 예측값을 믿고 의사결정 할 수 있도록 하는 데 집중했습니다.
- 비정형 데이터의 구조화: 상품 이미지와 텍스트성 입찰 정보를 AI로 분석하여 정제된 상품 DB로 변환하는 파이프라인 구축에 주안점을 두었습니다.
- VOC 인사이트와의 연계: 본 프로젝트에서 구현한 이미지 인식 및 텍스트 예측 로직은 현재 이커머스 리뷰 분석 시 이미지 리뷰 내 결함 포착 및 VOC 트렌드 예측 작업에 핵심 기술로 활용되고 있습니다.