where-to-pop

프로젝트 배경 및 동기

Where to Pop은 고려대학교 정보대학 산학캡스톤디자인에서 진행된 프로젝트로, 팝업스토어 입지 선정과 인사이트 제공에 특화된 대화형 마케팅 어시스턴트입니다. 최근 팝업스토어는 브랜드 마케팅의 핵심 채널로 부상했지만, 마케팅 대행사들은 여전히 데이터 기반이 아닌, 기획자의 ‘감’에 의존하는 경항이 있습니다. Where to Pop은 축적된 팝업스토어 운영 데이터, 지역 상권 정보, SNS 반응 등을 통합 분석하여 브랜드 타겟과 목적에 맞는 최적의 입지를 추천하고,이를 통해 마케터가 보다 정량적이고 전략적인 의사결정을 내릴 수 있도록 지원하며, 팝업스토어 도메인에 특화된 인사이트를 제공하고자 합니다.

깃허브 링크

시스템 설계 및 아키텍처

• Kotlin + Spring 기반, 구조화와 모듈화, 추상화를 고려한 아키텍처 설계
• Spring WAS에서 데이터 수집, 가공, API 서빙, 인증/인가, AI 파이프라인 모두 처리
• Agentic RAG 시스템으로 팝업스토어 전략 및 개설에 대한 인사이트를 데이터 분석과 추론 기반으로 제공
• SNS, 팝업 관련 웹사이트, 공공 데이터 등 신뢰할 만한 데이터를 주기적으로 수집, 가공, 저장

서비스 구성

간단한 대시보드 형태의 UI로 소비자인 마케팅 대행사는 개별 마케팅 프로젝트에 대한 정보를 정의해 생성할 수 있습니다. 각 프로젝트별로 여러 채팅방이 존재하며, 팝업스토어 특화 에이전트와 대화형으로 프로젝트를 진행할 수 있게 설계하였습니다.

상세한 유스케이스입니다. “마케팅 대행사가 팝업스토어를 열고 싶어하는 상황에서, 가장 적합한 건물 위치를 찾고자하는 상황”을 가정한 시나리오입니다.

step 1) 타겟층을 고려한 지역 선정

step 2) SNS 반응을 기반으로 한 지역 내 팝업스토어 사례 분석

step 3) 팝업스토어가 열린 건물에 대한 상세 정보 취득

기술적 차별점 및 개인 기여

프로젝트는 총 3명의 팀원들과 함께 진행하였습니다. 데이터 수집 파이프라인은 모두 함께 만들었으며, FE 쪽을 한 분, 데이터 임베딩 쪽을 한 분 맡아주셨습니다.

저는 이외의 서버 단을 맡아 프로젝트 상위 설계, 서버 아키텍처 설계, API 설계, 인증/인가, NCP 인프라, SpringAI 기반 Agentic RAG 설계 및 개발 등을 진행 했습니다.

Agentic RAG를 이용한 추론 엔진

Multi-Agent Router Pattern을 직접 설계하고 도입하였습니다.

사용자 질의에 대해 에이전트가 목적에 맞는 전략(검색·증강·생성)을 선택하고, 필요 시 함수 호출을 통해 내·외부 정보를 능동적으로 수집·처리하여 응답을 생성합니다.

• Function Calling 명세와 개별 Prompt로 구성된 검색, 증강, 생성에 특화된 전략을 정의
• ReAct 기법을 적용한 라우터로 적합한 추론 계획을 설계
• 에이전트는 추론 계획에 따라 개별 액션을 병렬 실행, 이 때 필요에 따라 적합한 Function Calling 실행

데이터 수집 및 처리 파이프라인 설계

질의에서 사용할 데이터 수집 파이프라인의 상위 설계를 진행하고, 스프링 경험이 없던 팀원들이 여러 데이터 소스로부터 원천 데이터를 확보할 수 있도록 코틀린-스프링 기반 샘플 코드를 작성했습니다.

팝업 스토어 데이터를 예시로 아래와 같은 파이프라인을 거쳐 데이터를 수집합니다.

• 팝업스토어 정보 정기적 수집, 위치 기반 건축물 데이터 연계 후 DB에 저장
• 팝업스토어 관련 메타데이터 생성 후, 벡터 임베딩하여 Vector DB에 저장
• 의미 기반 검색 및 필터링 질의에 활용 가능하도록 구조화

이외에도 서울 열린데이터광장에서 실시간 지역 데이터(유동인구 등) 확보하였습니다.

SSE 스트리밍 (Server-Sent Events)을 통한 실시간 추론 과정 표시

멀티 에이전트 + RAG 특성 상 개별 질의 응답에 대해 처리시간이 오래걸려 사용성이 저해되는 문제가 있었습니다.

이에 따라 SSE를 활용해 응답 생성 과정을 단계별 메시지로 실시간 표시하도록 구현하였습니다. 실제 답변은 스트리밍 형태로 전달되며, 각 글자를 state로 관리하여 응답 시간이 긴 상황에서도 사용자에게 즉각적인 피드백을 제공함으로써 UX를 크게 향상시켰습니다.

서버 단에서는 자바의 Reactive Streams 기반으로, 에이전트 파이프라인을 백그라운드에서 실행하고 실시간 응답을 SSE 기술로 스트리밍 형태로 제공합니다. 동시 실행 가능한 전략은 병렬로 실행되며, 그 결과는 구독 시점에 맞춰 순차적으로 전송됩니다.

• Cold Flow: 질의 시점마다 AI 파이프라인이 새로 시작
• Mutable Flow: 전략 단위의 병렬 비동기 작업 수행 및 결과 emit
• Shared Flow: 구독 시점부터의 최신 응답을 실시간 전송

기대효과 및 성과

• 대화형 인터페이스를 통해 의사결정 시간을 단축하여 업무 효율 향상
• 정량적 데이터 기반 추천으로 실패율을 낮추고, 타겟에 맞는 전략 수립
• 기존에 주목받지 못한 지역도 데이터 기반 탐색을 통해 신규 유망 지역 발굴

2025년 상반기 고려대학교 정보대학 캡스톤디자인 대회에서 우수상을 수상하였습니다.