idus 초개인화 추천 프로젝트는 선물 플랫폼의 콜드 유저 문제를 대화형 조건 추출과 메타데이터 기반 추천 흐름으로 풀고, Sapie-Reco 제품화 기여까지 연결한 PM 사례입니다. 추천 고도화와 제품화 연결을 함께 다룬 팀 단위 프로젝트였습니다.

idus는 일반 이커머스와 달리 구매자 본인의 과거 행동보다 선물 받을 사람, 관계, 기념일, 예산이 추천 기준이 되는 플랫폼입니다. 구매 이력이 부족한 콜드 유저에게도 짧은 대화를 통해 좋은 후보를 제안해야 했고, 저는 고객사와 데일리 스크럼을 진행하며 추천 경험과 구현 범위를 조율했습니다.

단순 상품 나열 챗봇이나 문서 검색형 챗봇으로는 선물 추천 문제를 풀기 어려웠습니다. GenAI 기반 추천 흐름으로, 사용자의 답변에서 수신자, 관계, 기념일, 예산, 선호를 추출하고(대화형 조건 추출), 상품 카탈로그의 구조화 데이터와 메타데이터로 후보군을 단계적으로 좁히는(메타데이터 조건 검색) 흐름이 필요했습니다.

PM으로 고객 데일리 스크럼, 요구사항 정리, 추천 시나리오와 프로토타입 범위 정의, 사용자 흐름과 개발 가능 범위의 우선순위 조율, 일부 추천 파이프라인 검증, Sapie-Reco 제품화 핸드오프를 리드했습니다. 팀과 함께 고객 요구를 제품화 가능한 추천 흐름으로 정리하는 역할을 맡았습니다.

대화 흐름은 많은 정보를 한 번에 요구하지 않고 선물 대상, 관계, 기념일, 예산, 선호를 자연스럽게 파악하도록 설계했습니다. 추천은 먼저 후보를 제시하고 사용자 반응을 다시 조건에 반영하는 방식으로 잡았습니다. 초기 FAISS 기반 벡터 검색은 메타데이터 조건을 후처리하면 후보 부족 문제가 생길 수 있어, 가격대·카테고리·기념일 같은 필터를 더 자연스럽게 적용할 수 있는 Chroma 흐름으로 개선했습니다.

선물 수신자 중심 추천 흐름과 콜드 유저 조건 추출 방향을 검증했고, 이 경험은 이후 Sapie-Reco 제품화 기여로 이어졌습니다. 공개 근거 기준으로 콜드스타트 추천 정확도 2배+ 개선, AWS Marketplace 글로벌 등록, AWS Unicorn Day 2025와 AWS AI x Industry Week 2025 노출로 연결되었습니다.

고객 요구사항을 그대로 개발 항목으로 옮기기보다, 실제 사용자 흐름과 구현 가능한 범위로 전환했습니다. 이 경험은 고객과 문제를 정의하고 기술을 비즈니스 요구에 맞게 연결하는 PM / Solutions Engineer / Technical BD 역할의 근거입니다.

이 사례의 핵심은 문서 검색형 챗봇이 아니라 GenAI 기반 추천, 즉 대화형 조건 추출과 메타데이터 조건 검색 문제를 다뤘다는 점입니다. 선물 플랫폼에서는 추천 기준이 구매자가 아니라 선물 받을 사람이며, 고객 데일리 스크럼을 통해 요구사항을 구현 가능한 흐름으로 바꾸고, FAISS에서 Chroma로의 변경을 통해 메타데이터 필터링 안정성을 높였습니다. 이 흐름은 단순 실험을 넘어 Sapie-Reco 제품화 기여로 이어졌습니다.