OQ - AI 기반 개인화 의류 추천 서비스

CURATION SERVICE FOR ONLY YOU

AI가 분석하는 TPO 맞춤 스타일링으로 당신만의 완벽한 코디를 찾아보세요

프로젝트 개요

OQ는 사용자의 TPO(Time-Place-Occasion)와 개인 스타일 선호도, 실시간 날씨 정보를 종합 분석하여 최적의 의류 조합을 추천하는 AI 기반 큐레이션 서비스입니다.

해결하려는 문제

"옷 고를 때 스트레스, 패션에 대한 불만족, 구매 시 확신 부족"

• 무신사, 29CM 같은 플랫폼의 정보 과부하로 인한 선택 피로
• 패션 지식 부족으로 인한 스타일링 어려움
• 기존 옷들과의 조화에 대한 불확실성

타겟 페르소나

• "옷을 잘 입고 싶은 마음은 있지만 패션에 대해 잘 모르는 사람"
• 본인의 패션에 만족스럽지 못한 사용자
• 특별한 이벤트(소개팅, 결혼식 등)에 적합한 스타일이 필요한 사용자

핵심 기능

TPO 기반 개인화 추천 시스템

• Time(시간) Place(장소) Occasion(상황)을 종합 분석
• 사용자의 라이프스타일과 선호도를 반영한 AI 큐레이션
• 실시간 날씨 정보 연동으로 더 적합한 스타일링 제안

Virtual Try-On 3D 모델링

• 개인 체형에 맞춘 3D 아바타 피팅 시뮬레이션
• 실시간 가상 착용으로 구매 전 미리보기 제공
• 남성/여성 모델 선택으로 맞춤형 피팅 경험

실시간 AI 스타일 컨설팅

• 자연어 기반 대화형 스타일 상담
• LangGraph 기반 멀티 에이전트 AI 시스템
• 모호한 표현("트렌디한", "멋진") 처리를 위한 지능형 대화

모바일 최적화된 UI

• PC뿐만 아니라 다양한 사용자의 우수한 사이트 경험 제공

기술 스택

Frontend

• React 19.1.1 + TypeScript 5.8.3
• Vite 7.1.2 (빌드 도구)
• Tailwind CSS 4.1.1 (스타일링)

Backend

• Spring Boot 3.5.5 + Java 17
• Spring Security + JWT 인증
• Gradle 8.5 (빌드 도구)

AI Service

• Python 3.11 + FastAPI
• LangGraph + LangChain Core (AI 에이전트)
• OpenAI API (언어모델)

Database & Cache

• MySQL 8.0 (주 데이터베이스)
• Redis 7 (캐싱 및 세션)

Message Queue

• Apache Kafka 7.5.0 (비동기 AI 처리)
• Zookeeper (코디네이션)

Infrastructure

• Docker & Docker Compose (컨테이너화)
• Nginx (웹서버 + 리버스 프록시)
• AWS S3 (이미지 스토리지)

Big Data

• Hadoop 3.3.6 (분산 저장)
• Apache Spark (대용량 데이터 처리)

주요 서비스 흐름

1. 초기 설정

• 사용자 회원가입/로그인
• 스타일 선호도 조사 완료
• 가상 피팅용 모델 선택

2. AI 스타일 추천

• 자연어로 상황 및 요구사항 입력
• AI 에이전트가 TPO 분석 및 명확화 질문
• 개인화된 의류 조합 3가지 추천

3. 가상 착용 체험

• 추천받은 스타일의 가상 착용 미리보기
• 3D 아바타를 통한 실시간 피팅 시뮬레이션

프로젝트 구조

OQ/
├── backend/          # Spring Boot API 서버
├── frontend/         # React 웹 애플리케이션
├── ai/              # Python AI 서비스
├── infra/           # Docker 설정 및 환경변수
└── exec/            # 배포 문서 및 시연 자료

실행 방법

개발 환경 실행

# 1. 저장소 클론
git clone <repository-url>
cd S13P21C202

# 2. 환경변수 설정
cp infra/.env.template infra/.env
# .env 파일에 필요한 API 키 및 설정 입력

# 3. Docker 컨테이너 실행 (순서 중요!)
docker compose -f docker-compose.db.yml up -d
docker compose -f docker-compose.kafka.yml up -d
docker compose -f docker-compose.yml up -d
docker compose -f docker-compose.nginx.yml up -d

# 4. 브라우저에서 접속
http://localhost

배포 환경

• 도메인: todaycuration.site
• SSL: Let's Encrypt (TLS 1.2, 1.3)

문서 및 가이드

• 포팅 매뉴얼: exec/1_포팅매뉴얼.md
• 데이터베이스 설정: exec/2_DB_접속정보_및_프로젝트_프로퍼티.md
• 외부 서비스 정보: exec/2_외부_서비스_정보.md
• 시연 시나리오: exec/4_시연 시나리오.md

기대 효과

사용자 가치

• 코디 고민 해소: AI 기반 맞춤 추천으로 선택 피로 감소
• 스타일 발견: 개인에게 어울리는 새로운 스타일 탐색
• 자신감 향상: TPO에 적합한 스타일링으로 자존감 증대

비즈니스 가치

• 이용성: 특별한 이벤트 시 높은 활용도
• 재사용성: 만족도 기반 지속적 서비스 이용
• 확장성: 빅데이터 기반 추천 정확도 지속 개선

---

OQ와 함께 당신만의 완벽한 스타일을 찾아보세요!