🔍 FlyerSearch 프로젝트 개요

📚 목차

🏪 시작 배경

출발점: 이마트 고객센터 상담원의 전단지 검색 업무 관찰

현재 상담 프로세스

업무 환경의 제약

상담원들이 고객 문의에 신속하게 응답하기 위해서는 관련 전단지를 빠르게 찾아야 하지만, 현재는 수동 검색에 의존하여 응답 시간이 지연되고 있습니다.

📞 관찰된 문제

핵심 이슈: 수동 전단지 검색으로 인한 상담 품질 저하

현장에서 확인한 문제점

1. 응답 지연: 전단지 검색 시간으로 인한 상담 대기
2. 정확도 저하: 시간 압박으로 인한 부정확한 정보 제공
3. 상담원 스트레스: 빠른 검색에 대한 부담감
4. 일관성 부족: 상담원별 검색 능력 차이
5. 확장성 한계: 전단지 수 증가 시 검색 시간 비례 증가

기존 해결 시도의 한계

• 카테고리 분류: 복합 문의에 대한 대응 어려움
• 키워드 검색: 자연어 문의와 키워드 간 괴리
• 수동 인덱싱: 유지보수 비용과 일관성 문제

💡 기술적 접근

핵심 아이디어: 자연어 질의를 통한 AI 기반 전단지 검색 시스템

AI 기술 활용 방안

검색 시나리오 예시

🏗️ 시스템 구조

아키텍처: Vision AI + 벡터 검색 하이브리드 시스템

기술 스택

데이터 처리 파이프라인

1. 이미지 전처리: 전단지 JPG 파일 최적화 (87% 압축)
2. DirectAnalyzer 분석: AI 어시스턴트를 통한 완벽한 데이터 추출
3. 메타데이터 저장: 468개 상품 정보 구조화
4. 벡터화: 텍스트 정보를 다차원 벡터로 변환 (Phase 2)
5. 검색: 자연어 질의를 벡터로 변환하여 유사도 검색 (Phase 2)

성능 목표 vs 달성 현황

📊 개발 현황

현재 상태: Phase 1 완성 ✅ → Phase 2 계획 중

✅ Phase 1 완성 성과 (2025.10.31)

🔄 기술적 혁신: DirectAnalyzer vs Claude

📊 실제 추출 데이터

🔄 Phase 2 계획: 검색 엔진

🚀 Phase 3 계획: 사용성 개선

현재 데이터

• 전단지 수: 9개 JPG 파일 (3-23MB)
• 개발 환경: macOS, Python 3.x
• AWS 프로필: shared-service
• 리전: ap-northeast-2

Phase 2 예상 사용법

# 자연어 검색
python cli.py search "사과 가격"
python cli.py search "저렴한 고기"
python cli.py search "이번주 할인"

# 결과 예시
🔍 검색 결과: "사과 가격"
   📄 전단지: A_10월30일_쓱데이_2절
   🛒 관련 상품: 사과 (9,980원 → 4,990원, 50% 할인)
   📅 기간: 2025.10.30(수) ~ 11.05(화)
   🏪 매장: 이마트 트레이더스

향후 확장 계획

• 단기: Phase 2 검색 엔진 완성
• 중기: AWS OpenSearch 마이그레이션
• 장기: 실제 상담 환경 파일럿 테스트