debug-log
Claude Opus 4.6
feat: Insight Repository β€” GitLab μ΄ˆκΈ°ν™” + HF μžλ™ 배포
501bc8c
|
Raw History Blame Contribute Delete
6.61 kB

PRD: μ—¬κΈ°μ–΄λ•Œ UX/Research Agent (Slackbot)

1. λ°°κ²½ 및 λͺ©μ  (Background & Objectives)

'μ—¬κΈ°μ–΄λ•Œ' μ„œλΉ„μŠ€μ˜ 지속적인 μ„±μž₯에 따라 λ°©λŒ€ν•œ λ‚΄λΆ€ λ¦¬μ„œμΉ˜ μžλ£Œμ™€ μ™ΈλΆ€ UX κ°€μ΄λ“œλΌμΈ(Baymard λ“±)이 μΆ•μ λ˜κ³  μžˆμŠ΅λ‹ˆλ‹€. κ·ΈλŸ¬λ‚˜ μ‹€λ¬΄μž(PO, ν”„λ‘œλ•νŠΈ λ””μžμ΄λ„ˆ, λ¦¬μ„œμ²˜)듀이 업무 κ³Όμ •μ—μ„œ ν•„μš”ν•œ 자료λ₯Ό μ¦‰μ‹œ μ°Ύκ±°λ‚˜, 기획/λ””μžμΈ μ΄ˆμ•ˆμ΄ κΈ°μ‘΄ 데이터 및 κ°€μ΄λ“œλΌμΈμ— λΆ€ν•©ν•˜λŠ”μ§€ ν™•μΈν•˜λŠ” λ°μ—λŠ” λ§Žμ€ λ¦¬μ†ŒμŠ€κ°€ μ†Œμš”λ©λ‹ˆλ‹€.

이에, μŠ¬λž™(Slack) λ‚΄μ—μ„œ μžμ—°μ–΄ λŒ€ν™”λ₯Ό 톡해 1) ν•„μš”ν•œ λ¦¬μ„œμΉ˜/UX 자료λ₯Ό μ¦‰μ‹œ κ²€μƒ‰ν•˜κ³ , 2) 상세 데이터λ₯Ό μ§ˆμ˜μ‘λ‹΅(RAG) ν˜•νƒœλ‘œ ν™•μΈν•˜λ©°, 3) λ””μžμΈ μ΄ˆμ•ˆ(이미지/μ˜μƒ)에 λŒ€ν•œ 데이터 기반의 ν”Όλ“œλ°±μ„ μ œκ³΅ν•˜λŠ” AI μ—μ΄μ „νŠΈλ₯Ό κ΅¬μΆ•ν•˜κ³ μž ν•©λ‹ˆλ‹€.

핡심 λͺ©ν‘œ

  1. μ ‘κ·Όμ„± ν–₯상: μŠ¬λž™λ΄‡μ„ 톡해 λˆ„κ΅¬λ‚˜ 쉽고 λΉ λ₯΄κ²Œ λ¦¬μ„œμΉ˜ μžμ‚°μ— μ ‘κ·Ό.
  2. 데이터 기반 μ˜μ‚¬κ²°μ • κ°•ν™”: 기획/λ””μžμΈ λ‹¨κ³„μ—μ„œ 직관이 μ•„λ‹Œ 데이터(λ‚΄λΆ€ λ¦¬μ„œμΉ˜, μ™ΈλΆ€ μ „λ¬Έκ°€ κ°€μ΄λ“œ)에 κ·Όκ±°ν•œ μ˜μ‚¬κ²°μ • 지원.
  3. 업무 νš¨μœ¨ν™”: 자료 검색 및 λ‹¨μˆœ κ°€μ΄λ“œ 확인 μ‹œκ°„ 단좕.

2. νƒ€κ²Ÿ μœ μ € (Target Audience)

  • PO/기획자: μ‹ κ·œ κΈ°λŠ₯ 기획 μ‹œ κ΄€λ ¨ λ¦¬μ„œμΉ˜ κ²°κ³Ό 및 타사/일반적인 UX κ°€μ΄λ“œλΌμΈ 탐색.
  • ν”„λ‘œλ•νŠΈ λ””μžμ΄λ„ˆ: λ””μžμΈ μ‹œμ•ˆμ΄ UX 원칙에 μœ„λ°°λ˜μ§€ μ•ŠλŠ”μ§€ κ²€ν† , 레퍼런슀 탐색.
  • λ¦¬μ„œμ²˜: κ³Όκ±° μˆ˜ν–‰λœ λ¦¬μ„œμΉ˜ λ‚΄μ—­ 확인 및 쀑볡 쑰사 λ°©μ§€.

3. 데이터 μ†ŒμŠ€ (Data Source)

3.1. λ‚΄λΆ€ λ¦¬μ„œμΉ˜ 데이터 (research_repository)

  • ν˜•μ‹: JSON (research_report.json)
  • μ£Όμš” 포함 λ‚΄μš©:
    • 메타데이터: 제λͺ©, λ‚ μ§œ, 도메인(ꡐ차ꡬ맀, 지도 λ“±), 방법둠, λ‹΄λ‹Ήμž, νƒœκ·Έ, κ²°κ³Ό 링크(Confluence/Wiki)
    • 파일 경둜 (file_path): 원본 λ§ˆν¬λ‹€μš΄ 파일의 μƒλŒ€ 경둜 (예: /research_pages/filename.md) λ˜λŠ” "파일 μ—†μŒ".
    • 상세 정보: 연ꡬ λͺ©μ , μ£Όμš” λ‚΄μš© μš”μ•½(Summary), 상세 κ²°κ³Ό λ“±
  • μ–Έμ–΄: ν•œκ΅­μ–΄

3.2. μ™ΈλΆ€ UX κ°€μ΄λ“œλΌμΈ (Baymard)

  • ν˜•μ‹: JSON (baymard_unified_database_v2.json)
  • μ£Όμš” 포함 λ‚΄μš©:
    • Guideline ID, Title, Description
    • Category/Theme (Homepage, Navigation, Checkout λ“±)
    • Issue (문제점) & Advice (μ‘°μ–Έ/ν•΄κ²°μ±…)
    • Importance, Platform (Desktop/Mobile)
  • μ–Έμ–΄: μ˜μ–΄ (ν•œκ΅­μ–΄ 질의 μ‹œ λ²ˆμ—­/λ§€ν•‘ 처리 ν•„μš”)

4. 핡심 κΈ°λŠ₯ μš”κ΅¬μ‚¬ν•­ (Key Features)

4.1. 톡합 자료 검색 (Unified Search)

μœ μ €κ°€ μžμ—°μ–΄λ‘œ μ§ˆλ¬Έν•˜λ©΄ κ΄€λ ¨μ„± 높은 λ‚΄λΆ€ λ¦¬μ„œμΉ˜μ™€ μ™ΈλΆ€ κ°€μ΄λ“œλ₯Ό μ°Ύμ•„ μš”μ•½κ³Ό 링크λ₯Ό μ œκ³΅ν•©λ‹ˆλ‹€.

  • User Story: "졜근 λͺ¨ν…” μœ μ € λ¦¬μ„œμΉ˜ κ²°κ³Ό μ’€ μ•Œλ €μ€˜" λ˜λŠ” "μΊλŸ¬μ…€ UI λ””μžμΈν•  λ•Œ μ£Όμ˜ν•  점 μ°Ύμ•„μ€˜"라고 물으면 κ΄€λ ¨ λ¦¬ν¬νŠΈλ‚˜ κ°€μ΄λ“œλ₯Ό 보여쀀닀.
  • κΈ°λŠ₯ 상세:
    • Keyword & Semantic Search: 벑터 검색(Vector Search)κ³Ό ν‚€μ›Œλ“œ 검색을 ν˜Όν•©ν•˜μ—¬ 정확도 ν–₯상.
    • 좜처 ꡬ뢄: λ‹΅λ³€ μ‹œ [Internal Research] 와 [Baymard Guideline]을 κ΅¬λΆ„ν•˜μ—¬ μ œμ‹œ.
    • Link Landing: 상세 λ‚΄μš©μ„ λ³Ό 수 μžˆλŠ” 원문 링크(Atlassian, Google Drive, Baymard URL λ“±) 제곡.

4.2. 상세 데이터 μ§ˆμ˜μ‘λ‹΅ (Deep Q&A / RAG)

λ‹¨μˆœ 검색을 λ„˜μ–΄, λ¬Έμ„œ λ‚΄μš©μ„ λ°”νƒ•μœΌλ‘œ ꡬ체적인 μ§ˆλ¬Έμ— λ‹΅λ³€ν•©λ‹ˆλ‹€.

  • User Story: "μ§€λ‚œλ‹¬ ν™ˆμ‡Όν•‘ νŒ¨ν‚€μ§€ μ‘°μ‚¬μ—μ„œ 4050 μ„ΈλŒ€ λΆˆλ§Œμ‚¬ν•­μ΄ λ­μ˜€μ–΄?"라고 물으면 μš”μ•½λœ λ‚΄μš©μ„ λ°”νƒ•μœΌλ‘œ ꡬ체적인 닡변을 μƒμ„±ν•œλ‹€.
  • κΈ°λŠ₯ 상세:
    • Context-Aware: μ—¬λŸ¬ λ¬Έμ„œλ₯Ό μ’…ν•©ν•˜μ—¬ λ‹΅λ³€ (예: "λ‚΄λΆ€ λ¦¬μ„œμΉ˜μ™€ Baymard μ–‘μͺ½ κ΄€μ μ—μ„œ '결제 ν”„λ‘œμ„ΈμŠ€' μ΄νƒˆμœ¨ μ€„μ΄λŠ” 팁 μ•Œλ €μ€˜").
    • λ‹€κ΅­μ–΄ 지원: Baymard(μ˜μ–΄) λ‚΄μš©μ„ ν•œκ΅­μ–΄λ‘œ μš”μ•½/μ„€λͺ…ν•˜μ—¬ 전달.

4.3. 기획/λ””μžμΈ μ΄ˆμ•ˆ 뢄석 및 μ‘°μ–Έ (Design Review Agent)

μ΄λ―Έμ§€λ‚˜ μ˜μƒμ„ μ—…λ‘œλ“œν•˜λ©΄, μΆ•μ λœ 데이터λ₯Ό κΈ°μ€€μœΌλ‘œ λΆ„μ„ν•˜κ³  κ°œμ„ μ μ„ μ œμ•ˆν•©λ‹ˆλ‹€.

  • User Story: λ””μžμ΄λ„ˆκ°€ μž‘μ—… 쀑인 'μˆ™μ†Œ 상세 νŽ˜μ΄μ§€(PDP)' μ‹œμ•ˆ 이미지λ₯Ό 올리고 "이거 UX κ°€μ΄λ“œ μœ„λ°˜ν•˜λŠ” κ±° μ—†μ„κΉŒ?"라고 λ¬»λŠ”λ‹€.
  • κΈ°λŠ₯ 상세:
    • Multimodal Input: 이미지(PNG, JPG) 및 μ˜μƒ(MP4, GIF) 파일 인식.
    • Visual Analysis: 이미지λ₯Ό λΆ„μ„ν•˜μ—¬ UI μš”μ†Œ(λ²„νŠΌ, λ ˆμ΄μ•„μ›ƒ, ν…μŠ€νŠΈ 가독성) 식별.
    • Rule-based Matching: μ‹λ³„λœ μš”μ†Œμ™€ κ΄€λ ¨λœ Baymard κ°€μ΄λ“œλΌμΈ(예: "λͺ¨λ°”μΌμ—μ„œ μΊλŸ¬μ…€ μžλ™μ‹€ν–‰ μ§€μ–‘") 및 λ‚΄λΆ€ λ¦¬μ„œμΉ˜ κ²°κ³Ό(예: "λͺ¨ν…” μœ μ €λŠ” 가격 정보λ₯Ό μ΅œμƒλ‹¨μ—μ„œ 보길 원함")λ₯Ό λ§€μΉ­.
    • Actionable Advice: "ν˜„μž¬ μ‹œμ•ˆμ˜ μΊλŸ¬μ…€μ€ μžλ™ 둀링되고 μžˆλŠ”λ°, Baymard κ°€μ΄λ“œ #957에 λ”°λ₯΄λ©΄ λͺ¨λ°”μΌμ—μ„œλŠ” μžλ™ 둀링을 ν”Όν•˜λŠ” 것이 μ’‹μŠ΅λ‹ˆλ‹€." ν˜•νƒœμ˜ ꡬ체적 μ‘°μ–Έ 제곡.

5. 기술 μ•„ν‚€ν…μ²˜ (Technical Architecture Draft)

  • Platform: Slack App (Bolt for Python)
  • LLM Engine: Google Gemini Pro 1.5 (Multimodal capability ν™œμš© - ν…μŠ€νŠΈ, μ½”λ“œ, 이미지, λΉ„λ””μ˜€ 처리 우수)
  • RAG System:
    • RAG: Agentic Retriever (LangGraph ReAct μ—μ΄μ „νŠΈ 기반 κ²€μƒ‰β†’μ½κΈ°β†’νŒλ‹¨ 루프)
    • Embedding: Multilingual Embedding Model (ν•œκ΅­μ–΄/μ˜μ–΄ λͺ¨λ‘ 지원) λ˜λŠ” Hybrid Search
  • Pipeline:
    1. Data Ingestion: JSON 파일 νŒŒμ‹± -> 청크(Chunking) -> μž„λ² λ”© -> Vector DB μ €μž₯.
    2. Query Processing: μ‚¬μš©μž 질문 -> Query Rewriting (if needed) -> Retrieval -> Generation.
    3. Image Processing: 이미지 -> VLM(Vision-Language Model) 뢄석 -> ν‚€μ›Œλ“œ μΆ”μΆœ -> Retrieval -> Review Generation.

6. ν–₯ν›„ ν™•μž₯ κ³„νš (Future Scope)

  • 데이터 μ†ŒμŠ€ ν™•μž₯: κ²½μŸμ‚¬ 뢄석 리포트, VOC 데이터, GA 둜그 데이터 연동.
  • λ§žμΆ€ν˜• μ•Œλ¦Ό: νŠΉμ • 도메인(예: '결제') λ‹΄λ‹Ήμžμ—κ²Œ κ΄€λ ¨ μ‹ κ·œ λ¦¬μ„œμΉ˜ μ—…λ°μ΄νŠΈ μ‹œ μŠ¬λž™ μ•Œλ¦Ό λ°œμ†‘.
  • μ΄ˆμ•ˆ 생성 보쑰: "λͺ¨ν…” 리슀트 UI μ™€μ΄μ–΄ν”„λ ˆμž„ 그렀쀘" (Generative UI - μž₯κΈ° 과제).

7. 성곡 μ§€ν‘œ (Metrics)

  • DAU/MAU: μŠ¬λž™λ΄‡ ν™œμ„± μ‚¬μš©μž 수.
  • Query Count: 일간/μ£Όκ°„ 질의 수.
  • User Feedback: λ‹΅λ³€ λ§Œμ‘±λ„(μ’‹μ•„μš”/μ‹«μ–΄μš”) 및 "도움이 λ˜μ—ˆμŠ΅λ‹ˆλ‹€" ν”Όλ“œλ°± λΉ„μœ¨.