상품 URL과 신체 정보로 맞는 의류 사이즈를 추천하는 서비스를 만들었다
온라인 쇼핑 사이즈 불안을 줄이는 AI 추천 MVP
'왜 이 사이즈인지'까지 보여주는 사이즈 추천 상품을 설계했다
사이즈 불확실성 → 적합도·여유도 산출 → 추천 근거 제시
서비스를 만든 뒤, 알리는 방법까지 직접 설계했다
서비스 배포 → 블로그·인스타그램 콘텐츠 운영 → 홍보 설계
문제
살미달라를 운영하며 사이즈 문의와 교환 요청을 반복적으로 겪었다.
역할
서비스 기획 · 콘텐츠 운영 (2인 프로젝트)
결과
신체 정보 + 상품 URL → 추천 → 근거 확인으로 이어지는 4단계 플로우를 실서비스(pullsize.kr)로 구현·운영 중입니다.
문제
살미달라를 운영하며 사이즈 문의와 교환 요청을 반복적으로 겪었다.
역할
서비스 기획 · 콘텐츠 운영 (2인 프로젝트)
결과
신체 정보 + 상품 URL → 적합도·여유도 산출 → 추천 근거 제시로 이어지는 4단계 플로우를 실서비스(pullsize.kr)로 구현·운영 중입니다.
문제
살미달라를 운영하며 사이즈 문의와 교환 요청을 반복적으로 겪었던 경험에서 Pullsize를 기획·배포했다.
역할
서비스 기획 · 콘텐츠 운영 (2인 프로젝트)
결과
블로그·인스타그램(@pullsize.official) 운영과 홍보 설계를 맡았습니다. 이 경험이 AI 콘텐츠 자동화 파이프라인 프로젝트로 이어졌습니다.
Evidence
추천 판단까지 이어지는 MVP 흐름
기능 수보다 사용자가 사이즈 선택 근거를 이해하는 순서를 우선했습니다.
- 01 정보 입력
- 02 데이터 추출
- 03 AI 추천
- 04 근거 제시
산출물
01 · Results
제작 성과
신체 정보 + 상품 URL → 추천 → 근거 확인으로 이어지는 4단계 플로우를 실서비스(pullsize.kr)로 구현·운영 중입니다.
검증 단계
'추천 근거 제시가 구매 판단 속도를 높인다'는 가설을 사용자 피드백으로 검증하는 단계입니다.
기술 구현
Claude Code 기반으로 2인이 함께 개발·배포했습니다. 초기 개발은 협업자 주도로 진행했고, 저는 문제 정의·입력 플로우·추천 결과 UX와 콘텐츠 운영을 맡았습니다.
검증 지표
추천 실행 수 · 제휴 링크 클릭 · 정확도 피드백을 GA 이벤트로 계측 설계 완료했습니다. 사용자 수·전환율 등 절대 지표는 추가 검증이 필요합니다.
상품 설계 성과
신체 정보 + 상품 URL → 적합도·여유도 산출 → 추천 근거 제시로 이어지는 4단계 플로우를 실서비스(pullsize.kr)로 구현·운영 중입니다.
검증 단계
'추천 근거 제시가 구매 판단 속도를 높인다'는 가설을 사용자 피드백으로 검증하는 단계입니다.
기술 구현
Claude Code 기반으로 2인이 함께 개발·배포했습니다. 초기 개발은 협업자 주도로 진행했고, 저는 문제 정의·입력 플로우·추천 결과 UX와 콘텐츠 운영을 맡았습니다.
검증 지표
추천 실행 수 · 제휴 링크 클릭 · 정확도 피드백을 GA 이벤트로 계측 설계 완료했습니다. 사용자 수·전환율 등 절대 지표는 추가 검증이 필요합니다.
콘텐츠·채널 운영
블로그·인스타그램(@pullsize.official) 운영과 홍보 설계를 맡았습니다. 이 경험이 AI 콘텐츠 자동화 파이프라인 프로젝트로 이어졌습니다.
제작 성과
신체 정보 + 상품 URL → 추천 → 근거 확인으로 이어지는 4단계 플로우를 실서비스(pullsize.kr)로 구현·운영 중입니다.
기술 구현
Claude Code 기반으로 2인이 함께 개발·배포했습니다. 초기 개발은 협업자 주도로 진행했고, 저는 문제 정의·입력 플로우·추천 결과 UX와 콘텐츠 운영을 맡았습니다.
검증 지표
추천 실행 수 · 제휴 링크 클릭 · 정확도 피드백을 GA 이벤트로 계측 설계 완료했습니다. 사용자 수·전환율 등 절대 지표는 추가 검증이 필요합니다.
02 · Problem
살미달라를 운영하며 사이즈 문의와 교환 요청을 반복적으로 겪었다. 온라인 의류 구매자는 브랜드마다 다른 실측 기준과 착용감 때문에 사이즈 선택을 확신하기 어렵다. 상품 상세페이지의 치수표만으로는 내 체형에 맞는 사이즈와 여유도를 판단하기 어렵고, 이는 구매 망설임과 교환·반품으로 이어질 수 있다.
살미달라를 운영하며 사이즈 문의와 교환 요청을 반복적으로 겪었다. 브랜드마다 다른 실측 기준과 착용감 때문에 구매자는 사이즈 선택을 확신하지 못했고, 치수표만으로는 내 체형에 맞는 사이즈와 여유도를 판단하기 어려웠다. 그 경험에서 "추천"이라는 상품 자체를 설계해야 한다고 판단했다.
살미달라를 운영하며 사이즈 문의와 교환 요청을 반복적으로 겪었던 경험에서 Pullsize를 기획·배포했다. 서비스를 만드는 것과 별개로, 아무도 모르는 서비스를 어떻게 알릴지가 그다음 문제였다.
03 · Approach
- 01
입력 흐름 설계
상품 URL과 키·몸무게·평소 착용 사이즈 등 최소 입력만으로 추천을 시작하는 폼 구성
- 02
상품 정보 해석
상품 페이지의 실측 치수와 사용자의 신체 정보를 비교할 수 있도록 데이터 구조 정의
- 03
추천 기준 설계
사이즈 후보별 적합도와 여유도를 계산하고 추천 이유까지 보여주는 기준 설계
- 04
결과 UI 구현
추천 사이즈, 여유도, 신체 부위별 핏 정보를 한 화면에서 이해할 수 있도록 시각화
- 05
MVP 검증
실제 쇼핑 상황에서 사용자가 입력 → 추천 → 판단까지 이어질 수 있는 최소 기능 제품으로 구현
서비스 플로우
사이즈명이 아니라 판단 근거까지 주는 4단계 추천 흐름.
- 01
정보 입력
키·몸무게·평소 사이즈 등 신체 정보와 상품 URL을 최소 입력으로 받는다.
- 02
데이터 추출
cheerio로 상품 페이지의 실측 치수를 파싱하고 비교 가능한 기준으로 정규화한다.
- 03
AI 추천
신체 정보와 상품 치수를 매칭해 사이즈 후보별 적합도·여유도를 산출한다.
- 04
근거 제시
추천 사이즈와 부위별 핏·여유도, 추천 이유를 한 화면에서 보여준다.
04 · Key Insight
사이즈표는 있는데, 내 치수와 연결할 길이 없었다
대부분의 쇼핑몰이 사이즈표를 제공하지만, 내 치수와 상품 치수를 연결하는 방법은 부족했다. 사용자는 숫자를 보고도 여전히 불확실함을 느꼈다. 문제는 정보의 부재가 아니라 정보를 잇는 흐름의 부재였다.
AI 추천은 검증 기준이 있어야 안정됐다
AI가 빠르게 결과를 만들더라도, 무엇이 맞는지 판단하는 기준은 사람이 세워야 했다. 한 번은 파서가 국제 사이즈 환산표를 실제 치수로 착각해 어깨 44, 가슴 5 같은 값을 추천으로 내보냈고, 이후 검증 장치를 붙여 같은 오류가 반복되지 않게 했다.
배포는 끝이 아니라 계측의 시작이다
배포 직후 가장 먼저 한 일은 기능 추가가 아니라 GA 이벤트 설계였다. 추천 실행(recommend_submit/success)과 제휴 클릭(cta_click)을 이벤트로 심어, 어느 단계에서 사용자가 이탈하는지 보이는 상태를 먼저 만들었다.
'왜 M인지'를 보여줘야 추천을 믿을 수 있었다
"그냥 M 추천"보다 "어깨 너비 기준으로 M을 추천하는 이유"가 있을 때 판단이 빨라졌다. 사이즈 하나를 던지는 게 아니라 적합도·여유도·추천 근거를 한 화면에서 보여주는 것 자체가 상품의 핵심이었다.
사이즈표는 있는데, 내 치수와 연결할 길이 없었다
대부분의 쇼핑몰이 사이즈표를 제공하지만, 내 치수와 상품 치수를 연결하는 방법은 부족했다. 살미달라를 운영하며 반복해서 받던 사이즈 문의가, 이 서비스가 채워야 할 빈틈이 어디인지를 알려줬다.
AI 추천은 검증 기준이 있어야 안정됐다
AI가 빠르게 결과를 만들더라도, 추천값이 맞는지 판단하는 기준은 사람이 세워야 했다. 파서가 국제 사이즈 환산표를 실제 치수로 착각해 이상값을 추천으로 내보낸 적이 있어, 이후 검증 장치를 붙여 같은 오류가 반복되지 않게 했다.
배포는 끝이 아니라 계측의 시작이다
배포 직후 가장 먼저 한 일은 기능 추가가 아니라 GA 이벤트 설계였다. 추천 실행과 제휴 클릭을 이벤트로 심어, 콘텐츠로 유입된 사람이 실제로 추천까지 쓰는지 보이는 상태를 먼저 만들었다.
홍보 고민이 콘텐츠 자동화 파이프라인으로 이어졌다
블로그·인스타그램(@pullsize.official) 운영과 홍보 설계를 맡으면서, 브랜드 콘텐츠를 꾸준히 만들어야 하는 숙제가 생겼다. 그 고민이 이후 AI 콘텐츠 제작 자동화 파이프라인 프로젝트로 직접 이어졌다.
'왜 M인지'를 보여줘야 추천을 믿을 수 있었다
콘텐츠로 사람을 데려와도, 서비스 자체가 신뢰를 주지 못하면 이탈한다. "어깨 너비 기준으로 M을 추천하는 이유"처럼 설명 가능한 근거 구조를 먼저 만든 뒤에 콘텐츠로 알리는 순서를 지켰다.
서비스 구조
Claude Code 기반으로 2인이 함께 개발·배포한 서비스 구조. 초기 개발은 협업자 주도로 진행했습니다.
05 · Contribution
- Role
- 서비스 기획 · 콘텐츠 운영 (2인 프로젝트)
- Scope
- 아이디어 발제·문제 정의·입력 플로우·추천 결과 UX·MVP 화면 설계·개발 및 배포 공동 진행·블로그/인스타 운영
- Output
- 2인 프로젝트 · 아이디어 발제 및 기획 · 콘텐츠 운영 · 개발·배포 공동 진행