# PRD: 여기어때 UX/Research Agent (Slackbot) ## 1. 배경 및 목적 (Background & Objectives) **'여기어때'** 서비스의 지속적인 성장에 따라 방대한 내부 리서치 자료와 외부 UX 가이드라인(Baymard 등)이 축적되고 있습니다. 그러나 실무자(PO, 프로덕트 디자이너, 리서처)들이 업무 과정에서 필요한 자료를 즉시 찾거나, 기획/디자인 초안이 기존 데이터 및 가이드라인에 부합하는지 확인하는 데에는 많은 리소스가 소요됩니다. 이에, **슬랙(Slack)** 내에서 자연어 대화를 통해 1) 필요한 리서치/UX 자료를 즉시 검색하고, 2) 상세 데이터를 질의응답(RAG) 형태로 확인하며, 3) 디자인 초안(이미지/영상)에 대한 데이터 기반의 피드백을 제공하는 **AI 에이전트**를 구축하고자 합니다. ### 핵심 목표 1. **접근성 향상**: 슬랙봇을 통해 누구나 쉽고 빠르게 리서치 자산에 접근. 2. **데이터 기반 의사결정 강화**: 기획/디자인 단계에서 직관이 아닌 데이터(내부 리서치, 외부 전문가 가이드)에 근거한 의사결정 지원. 3. **업무 효율화**: 자료 검색 및 단순 가이드 확인 시간 단축. --- ## 2. 타겟 유저 (Target Audience) * **PO/기획자**: 신규 기능 기획 시 관련 리서치 결과 및 타사/일반적인 UX 가이드라인 탐색. * **프로덕트 디자이너**: 디자인 시안이 UX 원칙에 위배되지 않는지 검토, 레퍼런스 탐색. * **리서처**: 과거 수행된 리서치 내역 확인 및 중복 조사 방지. --- ## 3. 데이터 소스 (Data Source) ### 3.1. 내부 리서치 데이터 (`research_repository`) * **형식**: JSON (`research_report.json`) * **주요 포함 내용**: * 메타데이터: 제목, 날짜, 도메인(교차구매, 지도 등), 방법론, 담당자, 태그, 결과 링크(Confluence/Wiki) * **파일 경로 (`file_path`)**: 원본 마크다운 파일의 상대 경로 (예: `/research_pages/filename.md`) 또는 "파일 없음". * 상세 정보: 연구 목적, 주요 내용 요약(Summary), 상세 결과 등 * **언어**: 한국어 ### 3.2. 외부 UX 가이드라인 (`Baymard`) * **형식**: JSON (`baymard_unified_database_v2.json`) * **주요 포함 내용**: * Guideline ID, Title, Description * Category/Theme (Homepage, Navigation, Checkout 등) * Issue (문제점) & Advice (조언/해결책) * Importance, Platform (Desktop/Mobile) * **언어**: 영어 (한국어 질의 시 번역/매핑 처리 필요) --- ## 4. 핵심 기능 요구사항 (Key Features) ### 4.1. 통합 자료 검색 (Unified Search) 유저가 자연어로 질문하면 관련성 높은 내부 리서치와 외부 가이드를 찾아 요약과 링크를 제공합니다. * **User Story**: "최근 모텔 유저 리서치 결과 좀 알려줘" 또는 "캐러셀 UI 디자인할 때 주의할 점 찾아줘"라고 물으면 관련 리포트나 가이드를 보여준다. * **기능 상세**: * **Keyword & Semantic Search**: 벡터 검색(Vector Search)과 키워드 검색을 혼합하여 정확도 향상. * **출처 구분**: 답변 시 [Internal Research] 와 [Baymard Guideline]을 구분하여 제시. * **Link Landing**: 상세 내용을 볼 수 있는 원문 링크(Atlassian, Google Drive, Baymard URL 등) 제공. ### 4.2. 상세 데이터 질의응답 (Deep Q&A / RAG) 단순 검색을 넘어, 문서 내용을 바탕으로 구체적인 질문에 답변합니다. * **User Story**: "지난달 홈쇼핑 패키지 조사에서 4050 세대 불만사항이 뭐였어?"라고 물으면 요약된 내용을 바탕으로 구체적인 답변을 생성한다. * **기능 상세**: * **Context-Aware**: 여러 문서를 종합하여 답변 (예: "내부 리서치와 Baymard 양쪽 관점에서 '결제 프로세스' 이탈율 줄이는 팁 알려줘"). * **다국어 지원**: Baymard(영어) 내용을 한국어로 요약/설명하여 전달. ### 4.3. 기획/디자인 초안 분석 및 조언 (Design Review Agent) 이미지나 영상을 업로드하면, 축적된 데이터를 기준으로 분석하고 개선점을 제안합니다. * **User Story**: 디자이너가 작업 중인 '숙소 상세 페이지(PDP)' 시안 이미지를 올리고 "이거 UX 가이드 위반하는 거 없을까?"라고 묻는다. * **기능 상세**: * **Multimodal Input**: 이미지(PNG, JPG) 및 영상(MP4, GIF) 파일 인식. * **Visual Analysis**: 이미지를 분석하여 UI 요소(버튼, 레이아웃, 텍스트 가독성) 식별. * **Rule-based Matching**: 식별된 요소와 관련된 Baymard 가이드라인(예: "모바일에서 캐러셀 자동실행 지양") 및 내부 리서치 결과(예: "모텔 유저는 가격 정보를 최상단에서 보길 원함")를 매칭. * **Actionable Advice**: "현재 시안의 캐러셀은 자동 롤링되고 있는데, Baymard 가이드 #957에 따르면 모바일에서는 자동 롤링을 피하는 것이 좋습니다." 형태의 구체적 조언 제공. --- ## 5. 기술 아키텍처 (Technical Architecture Draft) * **Platform**: Slack App (Bolt for Python) * **LLM Engine**: Google Gemini Pro 1.5 (Multimodal capability 활용 - 텍스트, 코드, 이미지, 비디오 처리 우수) * **RAG System**: * **RAG**: Agentic Retriever (LangGraph ReAct 에이전트 기반 검색→읽기→판단 루프) * **Embedding**: Multilingual Embedding Model (한국어/영어 모두 지원) 또는 Hybrid Search * **Pipeline**: 1. **Data Ingestion**: JSON 파일 파싱 -> 청크(Chunking) -> 임베딩 -> Vector DB 저장. 2. **Query Processing**: 사용자 질문 -> Query Rewriting (if needed) -> Retrieval -> Generation. 3. **Image Processing**: 이미지 -> VLM(Vision-Language Model) 분석 -> 키워드 추출 -> Retrieval -> Review Generation. --- ## 6. 향후 확장 계획 (Future Scope) * **데이터 소스 확장**: 경쟁사 분석 리포트, VOC 데이터, GA 로그 데이터 연동. * **맞춤형 알림**: 특정 도메인(예: '결제') 담당자에게 관련 신규 리서치 업데이트 시 슬랙 알림 발송. * **초안 생성 보조**: "모텔 리스트 UI 와이어프레임 그려줘" (Generative UI - 장기 과제). ## 7. 성공 지표 (Metrics) * **DAU/MAU**: 슬랙봇 활성 사용자 수. * **Query Count**: 일간/주간 질의 수. * **User Feedback**: 답변 만족도(좋아요/싫어요) 및 "도움이 되었습니다" 피드백 비율.