LLM기반 VOC 분석 서비스

🪄 프로젝트 소개

이 프로젝트는 코스메틱 분야의 리뷰 데이터를 분석해, 사용자가 빠르게 VOC를 이해하고 의사결정에 활용할 수 있도록 만든 LLM 기반 VOC 분석 서비스입니다.

리뷰 데이터는 양이 많고 표현도 다양하기 때문에, 단순 키워드 집계만으로는 실제 사용자 의견의 흐름을 파악하기 어렵습니다.
그래서 이 서비스는 카테고리별 언급 빈도, 주요 VOC, 긍정/부정 비율, 회의록과 연결된 방향성 분석까지 제공해 정량 정보와 정성 정보를 함께 읽을 수 있도록 구성했습니다.

동국대학교 융합 소프트웨어 캡스톤 디자인 프로젝트로 진행했습니다.

🛠️ 기술 스택

✨ 주요 기능

• 카테고리별 언급 빈도 및 VOC 대시보드 제공
• 주요 키워드 도출 및 긍정/부정 비율 분석
• 사전에 등록한 회의록과 연결된 방향성 분석
• 리뷰 데이터 기반 인사이트 시각화

💼 담당한 일

저는 이 프로젝트에서 백엔드 개발을 담당했습니다.

• Nest JS 기반 서버 애플리케이션 개발
• OpenAI API를 활용한 LLM 모듈 개발
• 데이터 분석 흐름을 뒷받침하는 서버 구조 설계
• CI/CD 파이프라인 구축

🧩 해결했던 과제

이 프로젝트에서 중요했던 것은 단순히 LLM을 호출하는 것이 아니라, 리뷰 데이터와 회의 문맥을 분석 가능한 형태로 구조화하는 것이었습니다.

• 다양한 리뷰 표현을 일관된 분석 흐름으로 연결하기
• 카테고리 기반 분석과 정성적 해석을 함께 제공하기
• LLM 결과를 서비스 기능으로 안정적으로 연결하기
• 백엔드 구조와 배포 흐름을 함께 정리해 실사용 가능한 수준으로 만들기

LLM 기능은 그 자체보다도, 어떤 입력 구조와 분석 단위를 만들 것인지가 결과 품질에 더 큰 영향을 준다는 점을 많이 배웠습니다.

📝 회고

이 프로젝트를 통해 LLM 기반 서비스는 단순한 모델 호출이 아니라, 문제를 어떤 단위로 정의하고 데이터를 어떤 구조로 정리하느냐가 핵심이라는 점을 깊게 느꼈습니다.

특히 백엔드에서 분석 파이프라인과 서비스 구조를 함께 설계하면서, AI 기능을 실제 제품 기능으로 연결하려면 도메인 이해와 시스템 설계가 함께 필요하다는 점을 체감했습니다.