📘최종프로젝트 / 도메인: 이커머스 / 주제: "데이터마이닝 기반 휠라 애슬레저 포지셔닝 진단" / 260408~260513(Day 74~99)

[4/8(수) 1일차]

• git 프로젝트 환경 구축
  • github 레포지토리 생성 & 데스크탑에 프로젝트 폴더 생성
  • vs code > 터미널 경로를 프로젝트 폴더로 이동
  • git 설정
    • git init : 
    • git branch -M main
  • gitignore 생성
    • touch .gitignore
  • uv 환경 세팅
    • uv init
    • uv add <라이브러리>
  • 원격 연결
    • git remote add origin <레포지토리 경로>
    • git remote -v
  • 커밋
    • git add .
    • git commit -m "<메모>"
    • git push -u origin main 
  • 권한부여
    • 레포지토리 > 맨 상단 'settings' > 왼쪽 메뉴 'Collaborators' > 
  • 같이 작업
    • 각자 작업파일 만들고
    • git pull origin main
    • git commit -m "<메모>"
    • git push origin main
  • 브랜치 생성
    • git checkout -b <생성할 브랜치 이름>
    • git config pull.rebase false
  • 새로 파일 생성 후 main으로 이동
    git add .
    git commit -m '작업이름'
    git push origin <자기브랜치이름>
    git checkout main
    git pull origin main
    git merge <자기브랜치이름>
    -> 머지하는 창 나오면 i
    git push origin main
    * git branch : 현재 브랜치 위치 확인

# --- Python 관련 ---
__pycache__/
*.py[cod]
*$py.class
*.so
.Python
env/
build/
develop-eggs/
dist/
downloads/
eggs/
.eggs/
lib/
lib64/
parts/
sdist/
var/
wheels/
*.egg-info/
.installed.cfg
*.egg

# --- 가상환경 (uv 사용자 필수) ---
.venv/
venv/
ENV/

# --- Mac 시스템 파일 (팀장님 필수) ---
.DS_Store

# --- VS Code 설정 (개인 설정 공유 방지) ---
.vscode/

# --- 환경변수 및 비밀 (보안) ---
.env

---

[4/9(목) ~ 4/10(금) 2~3일차]

<진행 개요>

• 프로젝트 방향 구체화
• 알로요가 공홈 상품 및 리뷰 데이터 크롤링

<상세 진행 내용>

프로젝트 방향 구체화

• 쇼피파이:  별도의 코딩 지식 없이도 누구나 쉽게 온라인 쇼핑몰을 구축, 운영, 확장할 수 있는 글로벌 올인원 전자상거래(SaaS) 플랫폼
  - 국내 뿐만 아니라 해외에서도 많이 사용하는 플랫폼으로, 프로젝트의 방향을 다양하게 확장할 수 있을 것 같다고 생각함.
• 프로젝트 방향
  "해외 브랜드 국내 시장 침투 전략"
  국내 진출에 성공한 브랜드의 특징을 분석 및 도출하여 새롭게 국내 진입하려는 브랜드 및 초기 포지셔닝 단계에 있는 브랜드에 브랜드 포지셔닝 전략 & 국내 침투 전략 제안 (ex. 가격 전략, 해시태깅 전략, 카피 텍스트 전략 등....)
  데이터: 쇼피파이 브랜드 데이터 + 네이버 쇼핑 api + 국내 시장 상품 데이터
• 제품 카테고리 선정 ▶︎ 애슬래저 패션
  여러 리포트를 통해 최근 소비자들의 라이프스타일 변화, 선호도 변화가 건강한 아름다움에 대한 수요를 증가시키고 있음과 그에 따라 패션 카테고리 중 애슬레져 시장이 현재 한국 시장에서 고성장 중임을 확인.
  
  1. 데이터 수집 가능성
     알로요가(Alo Yoga) 공식 사이트가 Shopify 기반으로 운영되어, /products.json 엔드포인트를 통해 상품명 · 카테고리 · 가격 · 태그 · 재고여부 등 구조화된 데이터를 직접 수집할 수 있다.
     동일한 Shopify 구조를 사용하는 경쟁 브랜드(룰루레몬 · Vuori 등)와 별도 전처리 없이 직접 비교가 가능하다.
     
  2. 실제 비즈니스 문제와의 연결
     알로요가는 2024년 6월 국내 법인(알로요가코리아)을 설립하고, BTS 진 · 블랙핑크 지수를 글로벌 앰배서더로 발탁하는 등 한국 시장 진입을 본격화하고 있다. (뉴스와이어, 2024.10)
     2025년 7월 도산 플래그십(아시아 최초) 오픈을 시작으로, 8월까지 더현대 서울 · 한남 · 롯데 본점 등 4개 매장을 연달아 출점하였다. (패션비즈, 2025.06)
     현재 한국 진입 초기 단계라는 점에서 분석 결과가 실제 의사결정에 활용될 수 있는 맥락을 갖는다.
     
  3. 시장 성장성
     글로벌 애슬레저 시장: 2024년 약 3,400억 달러 규모, CAGR 9.8~12.6% 전망 (Fortune Business Insights · Kings Research)
     한국 애슬레저 시장: 2024년 76.7억 달러 규모, CAGR 6.01% 전망 (IMARC Group, 2025)
     국내 일반 패션이 역성장을 기록한 2024년에도 애슬레저는 성장을 지속하였다. 룰루레몬 한국 매출 +33.6%, 안다르·젝시믹스 역대 최대 매출 경신. (헤럴드경제, 2025.05)
     
• 튜터님 피드백

[천준석 튜터님]

• 쇼피파이 데이터로는 사용자 행동 데이터가 없어서 a/b테스트 등 불가능함.
• A/B테스트만을 위한 데이터가 있는지 찾아보길 추천(고객 행동 데이터만 있는 것)
• 쇼피파이로 ‘구매 이벤트 가상 데이터' 생성해서 해보기.
→ 데이터 신뢰성 떨어지고 프로젝트에서 분석하는 브랜드의 실제 데이터가 아니어서 괴리 있을 수 있음.
→ A/B테스트를 해보고 싶어서 시도해봤다는 식의 사이드 분석으로
• 캐글 데이터는 이전 프로젝트들과 진행방향 비슷할 수 있음
→ 직접 수집한 실제 브랜드의 상품 데이터를 메인으로 활용 + 캐글 데이터는 보조용으로만.
• 분석은 브랜드 여러 개를 대상으로 진행하는 게 좋을 듯.
• “가설설계 프로젝트” 고려
ex. “제품명이 기능형보다는 라이프스타일에 맞는 제품이 클릭률이 더 높다“라는 가설 세워서 증명하기
• 메인 목표: 포지셔닝 비교
= 국외 애슬레저 브랜드가 국내에 진입할 때 가격 및 브랜드 포지셔닝 어떻게 할 건지 전략 제안.
=> 상위 브랜드는 어떤 전략을 사용하고 있는지 비교 분석.
  서브 목표: 감성분석
  확장: 추천 시스템(streamlit 활용)
• SQL 사용하는 거 꼭 고려해보기

 

[이현지 튜터님]

• A/B TEST → 통계적 지식을 갖춘 정도면 됨. 가설검정 추가하면 간접적으로 보여줄 수 있을 것!
• 쇼피파이로 고객행동 데이터 가상으로 생성 후 진행할 예정 → 고객 데이터가 존재해야 하므로 진행하기 어려울 것.
• 방향성: 아직까지는 데이터 모이지 않았기 때문에 알 수 없음
• 쇼피파이 데이터로 수집이 될 것 같은데, 리뷰까지는 국내시장의 반응과 연결짓기엔 애매하다. → 수집하는 데이터가 검색수(=발화량)일텐데, 검색수만으로 국내시장과 동일시할 수 없다.
  브랜드의 국내 공식사이트가 있어서 리뷰 데이터를 얻을 수 있긴 하지만, 리뷰가 국내 리뷰만 있는 게 아니라 전세계의 리뷰가 하나의 사이트에 모이는 것이어서 국내 반응을 확인 하는 데에는 추가 정제가 필요하다.
• 국내 시장의 점유율이 높은(안다르,젝시믹스) 브랜드와 안정적으로 국내에 정착한 브랜드를 비교할 예정 → 알로요가가 이미 유명하고 매장도 있지만 플래그십 스토어 중심으로 진행되고 있기 때문에 국내 정착 제안(판매로의 사업 방향 확장)(+ 다른 해외 브랜드들도..)
  가격 분포, 인기 상품의 키워드, 해시태그, 리뷰 반응 등 비교할 예정..
  • 경쟁사들끼리 무엇을 가지고 비교하고, 어떤 전략을, 어떤 비교를 할 건지 불명확함.
    비교 기준, 구체적으로 어떤 전략을 제안해서 어떤 목표를 달성하려는 건지 명확히 설정하기.
• 연관 검색어, 공식 온라인 스토어 상품, 리뷰, 평점 데이터 → 전 세계 기준
  → 해외브랜드를 다룰 계획이라면, 국내외 모든 데이터가 있어야 하며 각각 분리해서 분석&인사이트 도출해야 함.
• (비추천이지만 데이터가 필요하면 고려) 로그 데이터 참고용 추천
  → 프로젝트의 방향을 '도메인' vs '분석 방법' 중에 어떤 방향으로 하고 싶은지를 고민해보기
  → '도메인'을 강조하려면 하던 프로젝트 방향을 보완하고, '분석 방법'을 우선시하려면 이 데이터 참고(행동로그O, 사용자 정보X)
  • https://console.cloud.google.com/marketplace/product/obfuscated-ga360-data/obfuscated-ga360-data?hl=ko&project=just-landing-478507-i9
  • Google Analytics Sample
• 태블로 수퍼스토어 데이터 고려
• 프로젝트 방향 아이디어 제안해주심: 국내외 리뷰 데이터(소비자 반응)로 LLM사용해서 반응조사
  → 브랜드 간 비교를 할 때의 속성값을 잘 설정해야 함.
  → 데이터 수집 시 이 속성이 리뷰에 잘 담겨 있는지도 고려해야 함.

 

[어제연 튜터님]

• 브랜드 포지셔닝 vs 사업 포지셔닝 중 어떤 방향으로 할 건지 고려해보기
  > 커머스의 전통 테스크와는 결이 다르다 사업을 위한 이커머스와 다름
  
  • 브랜드 포지셔닝: SNS를 통해 브랜드에 대한 감회를 표출하는 데이터를 수집해야 할 것
    = 매출 최적화 전략
    → 알로 요가의 포지션을 찾는데 있어서 다른 유사한 브랜드들 리뷰를 기반으로 포지션을 잡는다
  • 사업 포지셔닝: 브랜드가 상장돼 있다면, 기업 경영과 관련된 데이터들도 함께 수집해야 함.(재무 관련 데이터)
    = 사업 전략
• "소비자 반응 LLM 모델" 방향은 어떻게 생각하시는지?
  • 무아 튜터님 세션을 기반(머신러닝 이용한 텍스트 분석, 비교적 간단한 분석)으로 우선 진행 → 만족스럽지 않으면 LLM으로 진행(심화 분석)
  • LLM 분석은 고비용임. 기업에서 분석 진행할 때 경제적인 측면의 가성비도 고려하기 때문에 이 부분 유의하기.

• 전 세계의 리뷰가 하나의 사이트에 적재되어서, 나라별 포지셔닝을 할 때 이슈 발생. 어떻게 해야 할지?
  이슈 발생 이유: 쇼피파이는 국가별 별도의 사이트를 생성하지 않고, 언어 및 가격만 각 국가에 최적화되어서 보여짐. 사실상 사용되는 사이트는 한 개임.
  • 알로요가의 리뷰는 알로에 대한 글로벌 반응이다. 에서 끝나야 할 것 → 이것을 어떻게 적용할지를 생각해봐야 할 것
  • 각 나라의 "국가GDP, SNS 활성, 유행의 결, 국민성 등"이 종합되어서 알로에 대한 반응이 생성되었을 것.
    그 특징을 분석하여, 우리나라의 네 가지 피쳐 특성에 적용시키면 상품에 대한 반응을 예측해볼 수 있을 것.

• 공모전 수상작 위주로 외부 데이터 리서치 해보기(최소 70개!)
  → 커머스 도메인에서의 전략 제안 프로젝트를 어떻게 했는지 리서치 → 포인트를 찾고 공통점 발견 → 자주 나오는 기술이 있는지, 참고할 만한 포인트들이 있는지 찾아보기

---

[4/13(월) 4일차]

<진행 개요>

• 팀 포지션 설정
• 자사로 설정할 브랜드 리스트업 및 분석 방향 확정

<상세 진행 내용>

• 1차 브랜드 조사 + 각자 분석 방향 및 기획안 초안 생각해오기
  → 데이터 수집에 용이한 브랜드로 분석 진행해야 하므로, 네이버스토어에 입점된 브랜드로 리스트업 함.
  대분류: 캐주얼 / 클래식 / 스트릿
  하위분류: 저가 / 디자이너 / 하이엔드
• 팀 논의
  - 자사 브랜드를 카테고리 1위 브랜드로 선정하면 인사이트를 포착하거나 경쟁사 설정에 한계가 있을 수 있음.
  - 브랜드 제품 카테고리별 매출 볼륨 고려하여 경쟁사 설정해야 함. => 기업 재무제표로 확인
• 최종 결정 방향 = "휠라 애슬레저 브랜드 론칭 전략 기획팀"
  • 과거 휠라가 애슬레저 브랜드 '휠라 스튜디오'를 론칭한 적이 있음을 발견. 그러나 사업이 확장되지 못함. 이를 재론칭하기 위한 브랜드 포지셔닝 전략을 제안.
  • 휠라는 스포츠 의류로 시작했지만 애슬레저로 사업을 확장하는 것이기 때문에 밴치마킹과 자사 브랜드만의 차별점을 가져가는 게 핵심이라고 판단. 전통 애슬레져 브랜드인 제시믹스와 안다르를 경쟁사로 설정.(뮬라웨어는 재무상황이 좋지 않은 특수 상황을 고려하여 경쟁사에서 제외함)
  • 자사 헤리티지를 명확히 하고, 경쟁사를 밴치마킹하여 시장 진입 브랜드 포지션 전략 수립.
    자사 헤리티지: 자사 헤리티지 중 소비자 긍정 감성 분석 포인트 포착
    경쟁사 밴치마크: 기존 애슬레저 브랜드의 포지셔닝 전략을 보고 휠라의 핏에 맞게 적용.
    시장 기회 포착: 소비자가 경쟁사에 불만족한 포인트(미충족 수요)를 찾아내어, 자가가 파고들 틈으로 설정하여 전략 수립.

(14일(화) - 구체적 분석 플로우 논의 + 오후에는 데이터 수집 시작할 예정)

---

[4/14(화) 5일차]

<진행 개요>

• 튜터님 피드백
• 프로젝트 기획안 제출
• 팀명 설정(휠라델피아) & 역할 설정 (발표 파트 & 데이터 수집 파트)
• 분석 세부사항 설정 및 보완
  • 데이터 수집 기간 설정
  • 경쟁사 리스트 보완 및 추가
  • 데이터 텍소노미 설계

---

<상세 진행 내용>

• 피드백

1. 목표 및 의사결정 체계 최적화

• 보고 대상의 구체화: CEO 직행이 아닌, 실질적 지표를 필요로 하는 브랜드 전략 및 상품기획팀을 1차 타겟으로 설정. (상품 기획의 디테일인 소재, 핏, TPO 제안에 집중)
• 가설 중심의 문제 정의: 휠라의 하락을 확정 짓기보다, 신발 대비 의류 인지도 약화 및 특정 TPO 내 경쟁사 선점 가능성을 검증해야 할 가설로 설정하여 분석의 객관성 확보.

2. 데이터 수집의 3층 구조화 (Layered Data)

• 신호층(Signal): 네이버 데이터랩/쇼핑인사이트를 통해 수요의 흐름과 계절성 파악.
• 발견층(Discovery): 검색 API를 활용해 블로그, 카페, 쇼핑 영역의 소비자 발화 표본 확보.
• 증거층(Evidence): 공개 리뷰 및 DART 공시 자료를 통해 재무적 배경과 실질적 페인포인트 증명.
• 기간은 길게 모으는 것보다 최근성 중심으로 수집. 포지셔닝 프로젝트에서는 지금 시즌 니즈가 중요.

3. 기술적 분석 고도화 (NLP & Modeling)

• 정제: Kiwi 형태소 분석기에 '모터코어', 'FILA 1911' 등 사용자 사전을 등록하여 고유 명사 인식률 극대화.
• 방법론: 단순 감성 분석을 넘어 속성(소재, 핏, 가격 등)별로 감정을 분리하는 ABSA(속성 기반 감성 분석) 도입.
• 확장: BERTopic과 임베딩 검색을 활용해 브랜드 간/시기별 토픽 변화를 입체적으로 분석.

4. Taxonomy 기반의 분석 워크플로우

• 설계: 브랜드, 카테고리, 속성, 감정, TPO를 축으로 하는 분류 체계(Taxonomy) 선행 구축.
• 실행: '휠라+레깅스+비침'과 같이 설계된 Taxonomy를 쿼리화하여 수집 단계부터 비교 분석이 가능한 구조로 데이터 적재.

실전 tip

• 데이터를 정리하면?
  • DataLab/쇼핑인사이트: 수요 신호 확인
  • 검색 API: 공개 검색 결과 기반 표본/색인 수집
  • 쇼핑 API: 상품 스냅샷 테이블 구축
  • Kiwi + 사용자 사전: 패션/브랜드 용어 정제
  • ABSA: 소재/핏/가격/디자인 등 속성별 감정 분석
  • BERTopic + 임베딩 검색: 브랜드별/시기별 토픽 차이 분석
  • DART: 기업 배경과 공시 근거 보강
• 데이터 획득 우선 순위
  • 1순위: 공식 export / 합법적 구매 / 서비스 내 다운로드
  • 2순위: 공식 API
  • 3순위: 약관상 허용 범위를 확인한 뒤 제한적 수집
  • 비추천: 로그인 기반 페이지를 대량 크롤링해서 raw 데이터베이스처럼 쓰는 방식
• taxonomy 설계
  • taxonomy를 기준으로 수집 -> 정제 -> 라벨링 -> 집계 -> 해석
  • taxonomy를 기준으로 수집 쿼리 만들기
  • 모은 텍스트를 taxonomy 기준으로 분류하기
  • 집계 테이블 만들기
  • 비교 분석하기
  • 비즈니스 해석으로 연결하기

• 프로젝트 기획안 제출
• 역할 설정 (발표 파트 & 데이터 수집 파트)
  • 데이터 수집 담당
    자사(A) 2명 → 선영, 혜수
    포지셔닝(D) 1명 → 원우
    경쟁사 2명
    안다르(B) → 주하
    젝시믹스(C) →진식
    파이프라인(E): 주하
  • 최종 프로젝트 주요 역활 담당
    원우: 라이브 발표
    진식 : 녹화 발표
    혜수: ppt
    주하: 코드 정리
    선영: bi툴
• 분석 세부사항 설정 및 보완
  • 데이터 수집 기간 설정
    • 브랜드 이미지 변화 추적 → 2020년 부터~
    • 페인 포인트 도출을 위한 최신 소비자 불만 탐색→ 2024년부터~ (2개년 데이터)
      -> 소비자 니즈 파악은 최근 데이터로 확인하는 것이 현상황을 반영할 수 있기 때문에 2개년으로 설정
  • 경쟁사 리스트 보완 및 추가
    • 소비자 접근성 좋은 브랜드
      안다르, 젝시믹스
    • 고급화 전략 밴치마크
      알로요가, 룰루레몬
    • 스포츠 이미지 포지션 밴치마크
      나이키, 아디다스
  • 데이터 텍소노미 설계
    브랜드축, 카테고리축, 속성축, 감정축, TPO축 등으로 구분하여 설계.

---

[4/15(수)~21(화) 6~10일차 ]

<진행 개요>

• 데이터 수집
• 수집된 데이터값 범위 통일
• 스키마 통일 및 마스터 테이블 생성

---

<상세 진행 내용>

• 데이터 수집 사전계획
  • 검색 쿼리 설정
    브랜드: 휠라, fila(대소문자 구분 무시)
    헤리티지: 헤리티지, 아카이브, 1911, 이탈리아, 클래식, 테니스, 트랙, 모터코어, 모터스포츠
    광고: 광고, 협찬, 유료광고
  • 데이터 수집 순서
    1) 브랜드협찬글 => 브랜드 지향 포지션 & 이미지 수집
         블로그, 패션 커뮤니티, 인스타(크롤링 확인 필요)
    2) 일반 소비자 글 => 실제 인식 (긍/부정 모두)
         블로그 후기, 공홈 후기
• 데이터 수집
  • 인스타그램 협찬 게시글 크롤링 🙋🏻‍♀️
    
    • 데이터 수집 기준: 게시글 내 '휠라', '협찬' 등의 단어가 포함된 게시글
    • 이슈: 게시글을 순회하며 데이터를 가져오는 방식에 구조적 문제가 있음.
      • 방법1) 토큰 발급받아서 데이터 가져오기 → 본인 소유 계정에서만 가능함.
        → 휠라에서 협찬 받아서 게시글 작성한 인플루언서 계정에 접근 불가.
        방법2) "휠라 광고" 포함된 계정 리스트를 수기로 모아, 해당 계정들을 순회하며 피드 페이지에서 가져오기
        → 최신 피드글 최대 20개까지만 확인 가능함을 확인. 최신 20개의 계정을 고르는 필터링 작업은 불가. 의미없는 게시글 정보만 모을 수 있음.
      • 보류: 게시글 접근 불가 이슈로 모든 데이터를 수기로 모아야 함. 비효율적이고 얻을 수 있는 데이터양에 물리적 한계가 있어서 인스타그램 광고 데이터는 취급하지 않기로 함.
  • 네이버 패션 커뮤니티 🙋🏻‍♀️
    ▶︎ 디젤매니아, 나이키매니아, 브랜디드, 고아캐드, 짱구대디랑, 핏더사이즈
    • 데이터 수집 기준: 카페 특성 상 '광고 명시 규칙'이 없어서 일반글과 게시글을 분별하기에 한계가 있음. 광고성 글 가리지 않고 '휠라' 포함된 모든 게시글 데이터를 수집. / 수집 기간: 2020년 ~ 현재
    • 이슈: 신뢰도 있는 텍스트 분석을 할 수 있는 양질의 데이터 얻지 못함
      • 네이버 카페 커뮤니티 특성 상 간략하게 적은 글들이 많고, 후기가 아닌 카페 가입자들의 의견을 묻는 글의 양이 훨씬 많아서 휠라에 대한 인식을 조사할 수 없음. (ex. 여러 신발 투표, 단순 질문 등)
      • 본문 데이터가 없는 결측 데이터 제외, 총 357개로 분석을 진행하기에는 데이터양이 매우 적음.
      • 357개 데이터로 BERTopic 진행했을 때, 노이즈가 너무 많고 노이즈를 제거하면 데이터양이 약 200개로 줄어듦.
        → '-1(중립 토픽)'으로 분류된 데이터양이 전체 데이터의 약 25% 정도로 매우 높은 수치.
        → 5차 분석 시 도출된 토픽: [누구_남성_싫어하다_세상], [생각_안되다_카페_아니다] 등 주제가 매우 혼재됨.
        
  • 그 외 각 브랜드 리뷰 데이터, 상품 데이터 크롤링.
    • 휠라 리뷰 데이터 ▶︎ 자사몰, 무신사, 네이버스토어
    • 안다르, 젝시믹스, 룰루레몬 리뷰 데이터 ▶︎ 자사몰, 무신사
• 데이터 수집하며 데이터 분석 방법론 공부 (BERTopic, ABSA)

---

[4/22(수)~29일(수) 11~16일차]

<진행 개요>

• 상품 데이터, 리뷰 데이터 전처리 진행

---

<상세 진행 내용>

• 전처리 대상 데이터셋 (총 13개)
  • 휠라: 상품 데이터(자사몰 기준) / 리뷰 데이터(자사몰, 무신사, 네이버스토어) → 총 4개
  • 안다르: 상품 데이터(자사몰 기준) / 리뷰 데이터(자사몰, 무신사) → 총 3개
  • 젝시믹스: 상품 데이터(자사몰 기준) / 리뷰 데이터(자사몰, 무신사) → 총 3개
  • 룰루레몬: 상품 데이터(자사몰 기준) / 리뷰 데이터(자사몰, 무신사) → 총 3개
• 전처리
  • 상품 데이터
    • 중복 제거
      
      • product_id, product_name, option, price 등 정보량이 가장 많은 행 남기고 나머지 제외.
    • 제품 카테고리 분류 계층’ 수립(네 브랜드 공통 적용 가능)
      • 대분류(cat1): 상의, 하의, 아우터, 이너웨어, 스윔웨어 등
      • 중분류(cat2): 긴바지, 반팔티셔츠, 스커트, 레깅스 등
      • 소분류(cat3): 러닝, 골프, 수영, 일반 등
    • 제품 사이즈 표기법 통일
      • 44 (S): 85
        55 (M): 90
        66 (L): 95
        77 (XL): 100
        88 (XXL): 105
    • 결측치 처리
      • 검색키워드(search_keyword) 등 결측치 100% 이거나 분석에 사용하지 않는 컬럼 제외
    • 제품명 정제
      • <NEW>, <아울렛> 등의 태그가 있는 데이터를 검토하여 동일 이름으로 일괄 정제해 동일 상품 혼동 이슈를 해결함.
    • 데이터 스키마 통일

• 리뷰 데이터
  • 중복 제거
    • 중복 판단 기준: product_id 내 review_date + purchase_option + content 세 컬럼 모두 동일한 경우
    • 제거: 보조지표 정보량이 가장 많은 행 보존하고 나머지 행 제거
  • 텍스트 정제
    • 리뷰본문(content)
      → 결측치 및 텍스트 병합: NaN 값은 공백(' ')으로 대체하며, 리뷰 제목(title)과 본문(review_text)을 결합하여 하나의 텍스트(content)로 완전성 확보.
      → 웹 태그 및 노이즈 제거: HTML 태그(<div>, <br> 등), URL 주소, 이메일 주소 제거.
      → 특수문자 정제: 영문, 숫자, 한글(완성형 및 자모음), 공백을 제외한 모든 특수문자, 이모지, 이모티콘 제거.
      → 반복 문자 축약: 'ㅎㅎㅎ', 'ㅋㅋㅋ', '~~~' 등 3회 이상 반복되는 문자는 1개로 축약 (2번 반복은 자연스러운 구어체 표현으로 간주하여 유지).
      → 공백 및 줄바꿈 통일: 줄바꿈, 탭 문자 등을 공백으로 변환 후, 연속된 다중 공백을 1개의 공백으로 압축.
      → 대소문자 통합: 영문 텍스트는 모두 소문자로 일괄 변환.
    • 구매옵션(purchase_option)
      → 영문 소문자로 일괄 통일, 앞뒤 공백 제거
      → 색상 영문표기를 한글로 변환 (dark navy → 다크네이비)
      → 사이즈 표기를 상품데이터에서 사용된 공통 기준으로 변환
  • 결측치 처리 및 5글자 이하 초단문 데이터 삭제
    • 고객 신체 정보 컬럼(user_height, user_weight):
      → 결측치가 많아서 데이터량이 적기 때문에 최빈값에 대한 신뢰도가 낮다고 판단하여, 결측치 그대로 유지하되 철저히 보조 지표로만 사용함.
    • 구매옵션(purchase_option):
      → 제품 ID 또는 URL 기준으로 옵션이 단일하게 매칭되는 경우에는 직접 값을 보완.
      → 반면, 옵션 조합이 다양한 상품의 경우 고객의 실제 구매 옵션을 특정 값으로 일반화하기 어렵다고 판단. 특히 최빈값 기반 대체는 실제 구매 패턴을 왜곡할 가능성이 있어 적용하지 않았으며, 데이터의 신뢰성을 유지하기 위해 결측치는 Null로 유지하였다.
(데이터 왜곡 방지를 위해 결측치를 Null로 유지하였다.)
    • 5글자 이하 데이터 삭제:
      → 문맥 파악이 불가능한 초단문 및 무의미한 단순 반복 리뷰는 제외하여 데이터의 순도를 확보|
      → 휠라 네이버, 안다르 무신사 리뷰에서 짧은 리뷰의 비중이 높음
      → 특히 젝시믹스 자사몰의 경우 ‘5자 이하 단문 리뷰'가 11,450건(전체의 약 2.3%)
  • 데이터 스키마 통일

• 리뷰 데이터 브랜드별 master.csv 구축
  • product_id(제품 ID)를 기준으로 상품 데이터와 매칭
  • ‘brand’, ‘cat1’, ‘cat2’, ‘cat3’, ‘gender’, ‘original_price’, ‘discount_price’, ‘color_count’, ‘is_new’, ‘is_best’ → 상품 데이터의 10개 컬럼 결합
  • 매칭 정확도 3단계
    • exact: 완전 일치 (신뢰도 1순위)
    • prefix: 제품명의 일부가 상품 데이터의 제품명(product_name)과 일치
    • fuzzy: 리뷰 데이터와 상품 데이터의 제품명의 유사도를 판단해 매칭
  • 매칭 결과
    • prefix, fuzzy: 702건(master 리뷰 데이터 대비 약 0.059% 수준)

---

[4/30(목)~5/5(화) 17~20일차]

<진행 개요>

• 브랜드별 상품/리뷰 데이터
  • 기초 통계
  • 심화 EDA 및 저평점 리뷰 부정 키워드 분석
• 모델링 전, 사용자 사전 구축 및 형태소 분석 (분석기: Kiwi)
• 기초 통계 분석 기반 가설설정

---

<상세 진행 내용>

• 기초 통계
  • (브랜드별*카테고리별*플랫폼별) 평균 리뷰 길이, 유효 리뷰 비율(도움 수 보유), 월별 리뷰 수, 평균 평점, 평균 할인율 등 리뷰/상품 데이터셋에 대한 기초 통계 진행
  • 리뷰 길이, 리뷰 도움 수 분포, 등 전체적인 리뷰 질 측면에서 모두 룰루레몬의 수치가 압도적으로 높음. 그러나 리뷰 개수는 젝시믹스, 안다르가 전체 시장의 97%를 차지하여 압도적으로 많음.
    → 고가 프리미엄 브랜드일수록 긴 글로 브랜드 경험 후기를 공유하는 특성이 있음을 알 수 있음. 리뷰 수 점유율이 낮음에도 리뷰의 질이 가장 높다는 것은 한 건의 리뷰에서 얻을 수 있는 정보의 밀도가 높다는 것을 나타냄.
  • 자사몰, 무신사, 네이버스토어 세 플랫폼 중 자사몰에 등록된 리뷰 수는 거의 대부분이 자사몰에 몰려 있음.
  • 평균 가격이 룰루레몬은 13만 4천 원,안다르·젝시믹스·휠라는 5만 5천 원에서 7만 원 사이에 몰려 있음. 그런데 제품당 평균 색상 옵션 개수가 안다르는 평균 9.4개인 반면 휠라는 평균 1.1개로 매우 적음.
    → 중가 시장에서 고객에게 주는 '선택의 폭'은 가장 적은 상태. 비슷한 상품으로 고객에게 줄 수 있는 만족도에서 뒤쳐질 수 있음.
• 저평점 리뷰(1~3점) 부정 키워드 분석
  • 분석 파이프라인
    • 데이터 필터링
      - 전체 리뷰 중 평점(rating)이 1~3점인 데이터 필터링 후 키워드 분석 진행.
      - 리뷰 본문(content) 결측치 제외
    • 형태소 분석 및 키워드 추출(todenize) - Kiwi 형태소 분석기 사용
      - 추출 품사: 명사(NNG, NNP) + 형용사(VA)
      - 원형(lemma) 사용: '편하고', '편해서' → '편하다'로 통일
      - 불용어 제거: 조사, 부사, 제품명 고유명사 등 키워드분석에 의미없는 단어들로 설정
    • 키워드 빈도 집계(counter)
      - 전체 부정리뷰 키워드 집계 → 대분류(cat1)별 키워드 집계
    • 시각화
      - Fig1 브랜드 전체 부정리뷰 상위 20 키워드 가로 막대그래프 (x축: 등장 횟수, 막대 옆에 건수와 부정리뷰 대비 비율(%) 표시)
      - Fig2 cat1별 부정리뷰 상위 10 키워드 가로 막대그래프 (카테고리별로 subplot 구성 / 부정리뷰 5건 미만 카테고리 제외 → 이후 1건으로 완화해서 전체 카테고리 포함)
      - Fig3 키워드 × cat1 히트맵 (전체 상위 20 키워드가 각 카테고리 부정리뷰에서 차지하는 비율(%) / seaborn heatmap 사용)
  • 안다르 Insight
    • 대표 부정 키워드 그룹
      • [핏·사이즈] 전체 카테고리 공통 → 사이즈, 타이트, 길이, 기장, 작다, 크다
      • [소재·내구성] 하의/셋업 → 보풀, 세탁, 늘어나, 떨어져, 변형
      • [착용감] 상의/하의/아우터/언더웨어 → 불편, 답답, 압박, 흘러내림
    • 휠라 침투 전략
      • 체형 대응 강화 전략: “체형 맞춤형 핏 브랜드”
        - 숏/롱 기장 세분화
        - 모델 체형 다양화 및 체형별 핏 라인 운영
        - 상세 사이즈 정보 강화
      • 소재 내구성 강화 전략: “세탁/운동 후에도 변형 적은 내구성”
        - 특히 마찰이 많은 ‘하의, 셋업'의 보풀 저항 소재 강조
        - 세탁 안정성 테스트 공개
        - 운동 상황 기반 퍼포먼스 연출 강화
  • 젝시믹스 Insight
    • 대표 부정 키워드 그룹
      • [핏·사이즈] 전체 카테고리 공통 → 사이즈, 허리, 흘러내림, 착용, 길이
      • [착용감·활동성] 상의/세트상품/스윔웨어 → 운동, 착용, 불편
      • [소재·품질] 상의/세트상품/언더웨어→ 소재, 재질, 원단, 세탁
    • 휠라 침투 전략
      • 체형 대응 강화 전략: “체형 맞춤형 핏 브랜드”
        - 숏/롱 기장 세분화
        - 모델 체형 다양화 및 체형별 핏 라인 운영
        - 상세 사이즈 정보 강화
      • 실사용 기반 기능 신뢰도 강화: “스포츠 애슬레저 브랜드 신뢰 우위 확보”
        - 운동 상황 기반 퍼포먼스 연출 강화
        - 퍼포먼스 테스트 강조
        - 활동성·고정력 메시지 강화
  • 룰루레몬 Insight
    • 대표 부정 키워드 그룹
      • [핏·사이즈] 상의/하의/언더웨어/아우터 → 사이즈, 허리, 길이, 작다, 핏, 레깅스
      • [소재·내구성] 상의/하의/아우터 → 세탁, 보풀, 소재, 재질, 원단
      • [구매·사용 경험] 상의/세트상품/언더웨어 → 구매, 반품, 교환, 불편, 운동, 편하다
    • 휠라 침투 전략
      • 체형 대응 강화 전략: 프리미엄 브랜드 대비 구매 불안 감소
        - 모델 체형 다양화 및 체형별 핏 라인 운영
        - 상세 사이즈 가이드 및 실착 리뷰 강화
        - 하의 허리 안정감 및 활동성 설계 강조
      • 실사용 기반 기능 신뢰도 강화: “스포츠 애슬레저 브랜드 신뢰 우위 확보”
        - 운동 상황 기반 퍼포먼스 연출 강화
        - 퍼포먼스 테스트 강조
        - 스포츠 브랜드 전문성 활용
  • 휠라 Insight
    • 대표 부정 키워드 그룹
      • 신발: [착화감] 편하다, 불편, 발등, 쿠션, 아프다
      • 언더웨어: [패드 안정성] 패드, 재질, 라인
      • 상하의, 아우터, 용품: [사이즈·소재] 사이즈, 세탁, 보풀, 소재
    • 휠라 대응 전략
      • 신발
        - 발볼·발등 고려 핏 설계 강화
      • 언더웨어
        - 패드 고정력 및 밀착감 개선 강조
        - 실착 리뷰 및 움직임 테스트 콘텐츠 활용
      • 상의/아우터/용품
        - 상세 사이즈 가이드 및 체형별 추천 강화
        - 세탁 안정성·보풀 저항 기능 강조
• 사용자 사전 구축 및 형태소 분석 (분석기: Kiwi)
  • 분석 파이프라인
    • 사용자 사전 구축
      : 형태소 분석기가 고유명사를 제대로 인식하지 못해서 잘못 분리되는 현상을 방지하기 위한 사전 등록 과정
      
      • 워드 클라우드 활용하여 주요 키워드 추출
    • 정규화 사전 구축
      : 형태소 분석 전, 형태는 다르지만 의미는 유사한 단어를 하나의 원형으로 통합하는 과정
    • 형태소 분석
      • 토큰화 과정: 문장을 분석 가능한 단위(토큰)로 잘게 나누는 과정
      • 품사 태깅 및 필터링: 사용자 사전을 기반으로 분리한 단어들에 품사 정보를 부여하고, 분석 목적에 맞는 품사만 선택적으로 추출하는 과정
      • 불용어 제거: 분리된 단어들 중 분석에 의미가 적은 단어(예: 진짜, 너무, 그냥 등)를 제거하는 과정
    • 랜덤 샘플링 & 불량 토큰 스캐닝
      → 샘플을 직접 눈으로 확인하며 토근화가 의도대로 되었는지, 놓친 불용어나 엉뚱한 노이즈가 있는지 크로스체크하는 과정이 있어야 디테일한 작업을 할 수 있음. 매우 중요한 작업.
      1) 1차 사용자 사전 구축 후, 랜덤 샘플링 통해서 일부 데이터로 우선 분석
      2) 샘플로 뽑힌 데이터의 원본 리뷰와 토큰화 결과 비교하여 불량 토큰 스캐닝
      3) 사용자 사전 및 불용어 보완
      4) 샘플 데이터 형태소 분석 반복 진행하며 분석 성능 개선 후 전체 데이터 분석 실행.
  • 작업 관리
    • 샘플링: 원본 데이터의 브랜드별 비율을 고려하여 샘플 데이터 추출. (휠라, 룰루레몬: 20% / 안다르, 젝시믹스: 30%) → 샘플 데이터 100건, 500건, 1000건, 1만 건, 9만 건, 23만 건 각 10회씩 순차적으로 진행.
    • 이원화된 검수 환경: `.py` 모듈에서 검수 자동화 로직을 일괄 처리하고, `.ipynb` 환경에서 결괏값을 즉각 추출 및 모니터링하는 효율적인 워크플로우 구축.
    • 엄격한 등재 기준: 워드클라우드 기반 1차 키워드 추출 후, 분류 기준이 확실하게 검증된 단어만 사전에 등록하여 형태소 분석기의 사전 오염 방지.
    • 사전의 유연한 이동: 초기 불용어로 지정되었으나 데이터 볼륨이 커짐에 따라 빈도수가 급증한 단어는 주요 속성으로 판단, 불용어 사전에서 사용자 사전으로 동적 이동.
    • 의미 반전(Sentiment Inversion) 제어: 문맥에 따라 의미가 반전되는 리뷰 특화 표현들은 수동 검수를 병행하여 향후 진행될 감성 분석(ABSA)의 신뢰도 확보.
    • 잔여 예외 케이스 이관: 규칙 기반으로 분류되지 않는 난해한 토큰 및 영문 등은 별도 추출하여 리스트업한 뒤, 후속 전처리 단계나 모델링(BERTopic) 단계로 이관하여 강제 처리 및 특별 관리.
      
  • 최종 성과 및 시사점
    • 효율성 확보: 검수 및 파이프라인 최적화를 통해 23만 건 토큰화 처리 시간을 80분에서 2.1분으로 97% 단축.
    • 품질 검증: 층화추출과 점진적 스케일업 검수를 거쳐 최종 토큰 미적용률 1.75%를 달성, 목표 기준(2% 이하) 충족.
    • 모델링 기반 마련: 과적합을 방지하고 유연한 동적 사전(사용자/불용어) 관리 체계를 확보함으로써, 후속 진행될 토픽 모델링의 정확도를 극대화할 수 있는 데이터 정합성 확보.
    • BERTopic용 데이터(이름 : preprocessed_bertopic.parquet)
      ABSA용 데이터 (이름 : preprocessed_absa.parquet)

---

[5/6(수)~5/12(화) 21~25일차]

<진행 개요>

• 리뷰 데이터 모델링 분석: BERTopic, ABSA
• EDA 기반 통합 인사이트 도출
• 발표 PPT 제작
• 코드파일 정리

---

<상세 진행 내용>

• BERTopic
  : 단순 키워드 빈도와 다르게 의미 기반 군집화를 함. "사이즈가 작다"와 "타이트해서 불편하다"를 같은 토픽으로 묶을 수 있음.
  → 수기 태깅 수십 시간 → 분 단위로 단축
  → 사전에 정의 못 한 숨은 니즈도 발굴 가능
  
  • 데이터 개요 및 파이프라인
    • 데이터 규모 → 안다르 63만 건 / 젝시믹스 47만 건 / 휠라 2만 건 / 룰루레몬 1만 건 = 총 110만 건
    • 파이프라인
      • 임베딩: ko-sroberta-multitask (한국어 특화 모델)로 의미가 비슷한 문장을 벡터 공간에 배치
      • 모델링: UMAP으로 차원 축소 → HDBSCAN으로 군집화
      • 속성 매핑: 5개 비즈니스 속성(사이즈/소재/기능성/디자인/가격)으로 라벨링
  • 샘플링 전략
    • 1) 110만 전체 학습 → 메모리 한계, 학습 시간 폭증
      2) 균등 샘플링 (1.1만 × 4 = 4.4만) → 시장 대표성 손실, 데이터 75% 버림
      3) 비례 샘플링 (22만) → 채택 ✅
    • 시장에서 안다르/젝시믹스가 양적으로 우세하다는 사실 자체가 정보이기 때문에 인위적으로 균등하게 만들지 않음.
      저평점 리뷰는 일반 리뷰와 섞이면 페인포인트 시그널이 약해질 수 있기 때문에 1~2점 리뷰 9천 건만 따로 두 번째 BERTopic 모델로 분석함.
  • 모델링 전, 최종 전처리
    • 중복 제거 후 전체 111만 건 
    • BERTopic 메인 학습: 22만 건 (비례 샘플)
      저평점 BERTopic 학습: 안다르 2,682건 + 젝시믹스 6,766건 = 9,448건
      저평점 키워드 분석: 휠라 50건 + 룰루레몬 163건 = 213건 (휠라/룰루레몬 저평점이 200건대인데 노이즈 발생을 피하기 위해 BERTopic을 무리하게 돌리지 않고, 데이터 양에 맞춰 방법론을 분리한 결정 / 1~3점으로 늘려도 400건대로 BERTopic 무의미)
  • 하이퍼파라미터 튜닝
    : 모델이 학습하기 전에 사람이 직접 설정해줘야 하는 값 (ex. 군집을 얼마나 크게 만들지", "노이즈를 얼마나 허용할지" 등)
    
    • 최종 채택 파라미터
      1. min_cluster_size (최소 군집 크기)
         : 하나의 토픽(군집)으로 인정받으려면 최소 몇 개의 리뷰가 있어야 하는지 설정
         • min_cluster_size = 150으로 설정
           → 150개 미만 리뷰로 구성된 군집은 토픽으로 인정 안 함 → 처음 191개였던 토픽이 48개로 줄어듦.
           
      2. min_samples (최소 샘플 수)
         : 하나의 군집(Cluster)을 형성하기 위해 특정 데이터(포인트) 주변 반경(eps) 내에 포함되어야 하는 최소 데이터(샘플)의 수
         → 너무 크게 설정하면, 군집으로 인정받을 수 있는 기준이 까다로워져서 노이즈가 늘어남.
         → 너무 작게 설정하면, 군집으로 인정받는 수가 너무 많아져서 자잘한 군집이 많이 생기는 대신 노이즈가 줄어듦.
         • min_samples = 10으로 설정
           → 처음에 37.6%였던 노이즈를 0%까지 줄임
           → 임베딩 기반 재배정으로 노이즈 리뷰도 가장 가까운 토픽에 할당
      3. min_df (최소 문서 빈도)
         : 단어가 최소 몇 개의 리뷰에서 등장해야 키워드로 사용할지 결정
         → 값이 너무 크면, 도메인 특화 단어들이 잘려나가 분석 품질이 떨어짐
         • min_df = 5으로 설정
           → 5개 이상의 리뷰에서 등장한 단어만 키워드로 사용
           → "와이드핏", "쿨링" 같이 자주 쓰이진 않지만 의미 있는 단어를 살려줌
    • 2만 건 서브샘플로 그리드 서치* 시험해보고, 22만 건에 적용
      *그리드 서치: 여러 파라미터 조합을 모두 시도해보고 가장 좋은 조합을 찾는 방법
      • 평가 점수 공식
        score = diversity − outlier_ratio − |n_topics − 40| × 0.01
        
        • diversity: 토픽끼리 키워드가 얼마나 안 겹치는지, 토픽의 다양성
        • outlier_ratio: 노이즈 비율
        • |n_topics − 40| × 0.01 (토픽 수 페널티): 토픽이 40개에서 멀어질수록 점수를 깎음. 너무 많으면 해석이 어렵고, 너무 적으면 정보가 뭉개지기 때문에 40개 근처로 유도한 것.
      • |  조합  |  min_cluster_size  |  min_samples  |  min_df  |   점수  |
        -------------------------------------------------------------
        |    1    |              100              |            5            |       3       |   0.71  |
        |    2    |              100              |           10           |       5       |  0.74  |
        |    3    |              150              |           10           |       5       |  0.76  |  ✅
        |    4    |              200             |           15           |       5       |  0.68  |
      • 품질 검증
        → 다양성: 0.678 (기준 0.7에 0.022 미달)
        → 노이즈 비율: 23.6%
  • 토픽-속성 매핑 결과
    • |    브랜드   |          1위 속성         |       2위 속성        |
      -----------------------------------------------
      |     휠라     |    사이즈(44.2%)    |    소재(22.8%)    |
      |  젝시믹스  |    기능성(33.9%)    |    소재(25.3%)    |
      |    안다르   |    사이즈(55.6%)    |   기능성(27.2%)   |
      |  룰루레몬  |    기능성(46.7%)    |             -              |
    • 안정성 검증
      • 균등 샘플(4.4만) vs 비례 샘플(22만): 1위 속성 대체로 유지
      • 22만 학습 vs 110만 전수 transform: 평균 차이 1.86%p, 최대 9.1%p
  • 브랜드별 특징 요약
    • 휠라: "슈즈/양말/삭스" 37.8% → 신발 카테고리에 리뷰 집중, 의류 확장 필요 시그널
    • 안다르: 사이즈/핏 50% 이상 → 레깅스 핏이 브랜드 정체성과 직결
    • 젝시믹스: 운동/러닝 + 착용감 균등 분포 → 퍼포먼스 브랜드 이미지
    • 룰루레몬: 부드러운 소재 + 운동 기능성 → 프리미엄 기능성 브랜드
• ABSA(Aspect-Based Sentiment Analysis)
  : 리뷰에서 특정 속성(Aspect)에 대한 감성(Sentiment)을 분석하는 기법
  • 분석하는 항목 8가지
    → BERTopic에서 정의한 5개 속성에 추가 항목을 더함.
    
    1. 사이즈/핏: 옷의 크기, 핏감
    2. 소재: 원단 질감, 촉감
    3. 기능성: 운동 성능, 통기성, 쿨링 등
    4. 디자인: 색상, 스타일
    5. 가격: 가성비, 비용
    6. 품질: 내구성, 불량, 보풀 등
    7. 착용감: 입었을 때 편안함
    8. 브랜드: 브랜드 이미지, 충성도
  • 분석에 AI(LLM) 사용 이유?
    → 전통적인 감성 분석은 사전 정의된 키워드 매칭 방식이라 문맥을 이해 못 함.
    → LLM(대형 언어 모델)은 문맥을 이해하기 때문에 더 정확한 속성별 감성 추출이 가능.
  • 단계별 진행사항
    1. 데이터 수집 및 준비
       → AI 모델 학습 전 골든셋(정답 데이터) 1,000건을 구축.
       • 4개 브랜드 리뷰 수집 및 전처리 완료
       • 브랜드 균형: 젝시믹스/안다르/FILA/룰루레몬 각 250건
       • 별점 편향 보정: 1~3점(부정) 50%, 4~5점(긍정) 50%로 맞춤
       • 리뷰 길이: 20자 미만 제외, 평균 73자
       • 카테고리 분포: 하의(233건) > 신발(216건) > 상의(175건) > 세트상품(141건)
    2. 라벨링 품질 검증 [Cohen's Kappa(κ)]
       : 두 사람이 같은 리뷰를 독립적으로 분류했을 때, 골든셋의 라벨링 일관성을 수치화한 것.
       
       • 판단 기준
         0.0: 완전 무작위
         0.65 이상: "믿을 수 있다" 기준
         1.0: 완전 일치
       • 3차례의 라벨링 개선작업 거치며 통과 기준 도달.
         → IAA κ 0.95, 86.1% (IAA: 작업자 간 일치도)
         |             속성            |         κ        |          해석        |    건수  |
         -------------------------------------------------------
         |         핏/사이즈        |    0.7407    |   Substantial  |   48건  |
         |        소재/내구성      |    0.5965   |    Moderate    |   35건  |
         |           기능성           |    0.6573   |    Moderate    |   44건  |
         |           디자인           |    0.4569   |    Moderate    |   42건  |
         |    브랜드/헤리티지    |    0.4587   |    Moderate    |   33건  |
         |         가격/가치         |    0.3043   |         Fair         |    8건   |
         |       Macro 평균       |    0.5580   |     Moderate   |      -     |
    3. Few-shot 구성 및 골든셋 분할 (골든셋 1,000건을 두 가지 용도로 분할)
       • Few-shot용 27건: LLM 프롬프트 예시로 사용
         → LLM에게 정답 예시를 미리 보여주어, LLM이 판단 기준을 더 잘 이해하도록 하는 것.
         → Few-shot으로 쓴 27건을 검증셋에도 포함하면 데이터 누수(data leakage)가 발생. 
       • 검증셋 973건: 모델 성능 측정용 (정답 모르는 상태로 예측)
    4. Gate 2: 모델 성능 검증 (Macro F1)
       : 973건의 검증 데이터로 AI 모델의 정확도를 측정
       → 목표: Macro F1 ≥ 0.70 (100점 만점에 70점 이상)
       → 프롬프트(AI한테 주는 지시문)를 계속 수정
       
       • v9 최종 속성별 F1 점수
         |         속성          |        F1      |
         ---------------------------
         |     핏/사이즈      |   0.6107    |
         |    소재/내구성    |   0.7831    |
         |        기능성        |   0.7322   |
         |        디자인        |   0.7432   |
         | 브랜드/헤리티지 |   0.6019   |
         |      가격/가치      |   0.7478   |
         |     Macro 평균   |   0.7032   |
    5. v9 모델로 분석 진행
       • 전체 117만 건에 대하여 v9 ABSA 적용하여 분석.
       • 이후 결과를 확인하기 위해 브랜드별 비율 동일하게 추출하여 결과 비교.
         → 브랜드별 부정리뷰 약 274건, 긍정리뷰 약 2,700건, 총 3,000건 추출.
         → 휠라, 룰루레몬은 리뷰 개수가 적어서 그대로 사용, 나머지 브랜드 샘플 추출 시 두 브랜드의 리뷰 개수와 비슷하게 추출하여 편향되지 않도록 함.
         • FILA: 긍정 리뷰에서 디자인(42%), 브랜드(41%) 언급이 많고, 부정에서도 브랜드(41%) 언급이 높음. 브랜드 이미지에 대한 반응이 극명하게 갈리는 구조
         • 룰루레몬: 긍정에서 브랜드(51%) 언급이 압도적이고, 부정에서는 소재(43%)가 가장 높음. 프리미엄 브랜드인 만큼 소재 품질에 대한 기대치가 높다는 신호.
         • 안다르/젝시믹스: 부정에서 브랜드 언급(31~32%)이 높은데, 이는 재구매 의사 철회나 실망감 표현이 많다는 의미.

• <FILA 애슬레저 시장 진입 전략 대시보드> 구축 [Streamlit]
  • 페이지 설명
    1. Main
       • 전체 시장 요약(전체 리뷰 수, 데이터 가간, 휠라 리뷰 비중, 브랜드별 매출 현황 등)
       • 브랜드별 기초통계 자료(연도별 매출액, 리뷰 추이, 카테고리별 리뷰 분포, 리뷰 주요 키워드(Kiwi 형태소 분석) 등)
    2. 상품 및 고객 전략
       • 제품 항목에 따른 고객 만족도 분석(체형별 만족도, SKU 복잡도에 따른 고객 반응 등)
       • 고관여 고객 인게이지먼트(포토 리뷰 비율(has_image), '도움이 돼요' 수(helpful_count) 등 고객 관여 관련 컬럼 분석으로 브랜드별 팬덤 화력 및 UGC(User Generated Conten)질 비교)
       • 할인율별 평점 분포
    3. BERTopic
       
       • 분석 스코프: 분석에 사용할 데이터 범위(scope)를 설정하여 분석 결과를 확인할 수 있도록 함.
       • 속성 그룹별 토픽 분포: 리뷰가 어느 속성에 많이 있는지 확인하여 고객의 주요 관심 속성을 파악함.
         → 막대그래프, 트리맵, 도넛그래프, TopN 시각화로 다양하게 확인 가능하도록 함.
       • 토픽 선택 + 평점 필터 설정하여, 해당 필터에 어떤 리뷰가 있는지 실제 데이터 확인 가능하도록 함.
    4. ABSA
       • 맨 상단에 지표 의미를 파악할 수 있도록 설명란 추가. 가독성 높임.
       • 감성점수 계산 (+0.5점: 강한 긍정 우세 ~ -0.5: 강한 부정 우세)하여 '브랜드별 속성 감성 점수'를 히트맵으로 시각화.
         → 브랜드별 어떤 속성에서 긍부정  비율이 높게 나오는지 한눈에 확인 가능함.
       • 시계열 부정 트렌드 등 다양한 시각화.
    5. 전략 포지셔닝
       
       • 휠라 권장 포지셔닝 시뮬레이터
         • 축설정: x축: '기능성' / y축: 헤리티지
           → ABSA 분석 결과 '휠라'의 속성 중 '헤리티지, 브랜드'에 대한 점수가 가장 높았고 '기능성'에 대한 점수가 낮았음. 휠라만의 헤리티지를 유지하면서 기능성 퍼포먼스를 끌어올린다면 경쟁사가 점유하지 못한 White Space를 발견할 수 있을 것으로 기대함.
         • FILA 신발 → 의류 연결 분석 (PMI 기반 키워드 네트워크)
           → FILA는 신발 브랜드 이미지가 강한데, 의류로 확장하려면 어떤 키워드가 연결고리가 될 수 있는지 찾는 분석
           → FILA 토큰 풀에서 신발 시드 누적 빈도 10,946건 vs 의류 시드 누적 빈도 1,946건 = 5.6 : 1
           신발에 대한 언급량이 약 5배 이상 많음. 
                (토큰 풀 = 형태소 분석 > tokenizing 과정에서 추출된 단어 목록)
           • PMI(점별 상호정보량) 는 두 단어가 얼마나 자주 같이 등장하는지를 측정하는 지표
             (ex. '좋다'는 어느 리뷰에서나 나올 수 있으므로 단독 출현 빈도는 무의미하지만, "운동화 + 쿠션" 이 자주 함께 나온다면 의미 있는 연관성이 있다고 볼 수 있음.)
           • 인사이트
             신발에서 쌓은 강점: 편하다, 예쁘다, 디자인, 잘맞다
             ↓
             이 키워드들이 의류에서도 통할 수 있는 연결고리
             ↓
             마케팅 메시지, 콜라보, PDP 디자인에서
             신발 키워드 자산을 의류로 연결하는 게 핵심 과제
    6. 🤖 AI 기반 실시간 트렌드 통합 전략 리포트
       : 내부 리뷰 데이터의 팩트와 외부 인스타그램 실시간 트렌드를 입체적으로 비교·분석
       ▶︎ 17만 건의 데이터 학습을 마친 AI가 휠라의 다음 스텝을 제안해 주는 것
       
       1. 내부 리뷰 데이터를 분석해 '고객의 진짜 불만'을 포착
       2. 동시에 인스타그램 같은 외부 소셜 트렌드를 크로스체크
       3. AI가 이 두데이터를 통합해서 마케팅 혹은 제품 기획팀이 즉시 실행해야 하는 액션 플랜을 도출함.
• 통합 인사이트 도출
  • 휠라는 '품질 신뢰 + 신발 카테고리에서 스포츠 헤리티지'를 이미 보유한 브랜드
  • 위 강점을 '기능성'으로 연결하는 순간, 휠라는 화이트스페이스를 우선 점유하여 독보적 포지션을 가질 수 있음.
  • '검증된 디자인 위에 퍼포먼스를 얹은 중간 가격대 브랜드' 공략
  • 협업팀 액션 플랜
    • 상품기획팀: "보풀 저항 소재와 체형별 핏 라인 강화"
    • MD팀: "신발과 연계한 애슬레저 룩 구성"
    • 브랜드/마케팅팀: "감성 중심에서 기능성 증명 중심으로 커뮤니케이션 전환"