1) 문제점
브랜드와 인플루언서 매칭이 담당자 경험과 수작업에 의존해 효율이 낮음
SNS 지표, 매출 성과 등 핵심 데이터가 여러 채널에 분산되어 분석이 어려움
인플루언서 탐색 시 단순 키워드 검색에 의존해 정확도와 활용도가 낮음
글로벌 인플루언서 대상 캠페인 운영 시 관리·커뮤니케이션 비용이 과도하게 발생

2) 프로젝트 목표
매출 및 SNS 지표 기반 인플루언서 매칭 플랫폼 구축
분산된 인플루언서·캠페인 데이터를 통합 관리할 수 있는 시스템 개발
AI 기반 검색 및 질의응답을 통해 인플루언서 탐색 효율 개선
글로벌 캠페인 운영을 고려한 자동화 및 확장 가능한 서비스 아키텍처 구현

3) 주안점
단독 개발 환경에서도 유지·확장이 가능한 서비스 아키텍처 설계
크롤링 데이터와 내부 데이터를 결합한 신뢰도 높은 데이터 파이프라인 구축
RAG(Retrieval-Augmented Generation) 기반 검색 구조를 통한 매칭 정확도 향상
초기 스타트업 환경에 적합한 비용 효율적 클라우드 인프라 구성

AI·웹·클라우드를 결합한 인플루언서 매칭 SaaS를 아키텍처 설계부터 운영까지 단독 구축

1) 포트폴리오 소개
AI 기반 글로벌 인플루언서 매칭·마케팅 플랫폼 개발
브랜드(특히 K-뷰티)를 대상으로 매출 데이터와 SNS 지표를 기반해 적합한 해외 인플루언서를 매칭하고, 캠페인 운영·분석까지 지원하는 B2B SaaS 서비스

2) 작업 범위
- 서비스 전체 아키텍처 설계 및 기술 의사결정
- 프론트엔드(Next.js) 화면 설계 및 개발
- 백엔드(FastAPI) API 및 도메인 로직 설계·구현
- PostgreSQL 기반 데이터 모델링 및 DB 구축
- AWS 클라우드 인프라 설계·구축·운영
- Chrome Extension 기반 SNS 데이터 크롤링 환경 구축
- AI(RAG) 기반 검색·분석 기능 설계 및 구현
- 대량 이메일 발송 인프라(AWS SES) 구축
- 반응형 웹(Web 기반 B2B 서비스)

3) 주요 업무
- 매출·SNS 지표 기반 인플루언서 매칭 로직 설계
- 인플루언서 및 캠페인 관리용 관리자 페이지 개발
- SNS 데이터 수집을 위한 Chrome Extension 크롤러 구현
- PostgreSQL + Vector DB(pgvector) 기반 인플루언서 데이터 검색 구조 설계
- RAG(Retrieval-Augmented Generation) 아키텍처를 활용한 인플루언서/캠페인 질의응답 기능 구현
- AWS Bedrock LLM 연동을 통한 검색·분석 고도화
- AWS SES 기반 마케팅·온보딩용 대량 메일 발송 시스템 구축
- DB 마이그레이션(Alembic) 및 운영 자동화 환경 구성

4) 주안점
- 단독 개발 환경에서 확장 가능한 서비스 아키텍처 설계
- 크롤링·AI·웹 서비스가 유기적으로 연결되는 데이터 파이프라인 구축
- 초기 스타트업 환경을 고려한 비용 효율적인 AWS 인프라 구성
- RAG 기반 검색 구조를 통해 인플루언서 탐색 정확도 및 활용도 향상
- 실제 운영을 고려한 안정성, 유지보수성, 자동화 중심 설계