프로젝트 보고
프로젝트명 : G코디, 오늘 뭐 입지?
기 획 배 경 :
•
직장인들은 매일 아침 '오늘 뭐 입지?' 고민으로 15분 이상 허비하고, 잘못된 코디로 하루 컨디션까지 영향을 받는다.
•
시간 절약, 감정적 만족, 옷 활용도 향상이 필요하다.
프로젝트 시연 영상기 획 상 세 :
•
개인화된 온보딩
사용자는 초기 온보딩 과정에서 직무, 체형, 회사 드레스 코드, 선호 색상, 도시 등 개인 정보를 입력합니다.
또한 위치 정보를 활용해 현재 날씨 데이터를 실시간으로 가져옵니다.
이 정보를 통해 사용자의 스타일 취향과 생활환경을 정확히 파악하여 코디 추천의 정확도를 높입니다.
•
상황 맞춤형 오늘의 코디 추천
사용자의 기본 정보와 실시간 날씨, 일정, 기분을 반영해 상황 맞춤형 코디를 추천합니다.
추천된 룩은 AI가 생성한 전체 코디 이미지(룩북 형태)로 제공되어 직관적으로 참고할 수 있습니다.
사용자는 추천된 코디에 대해 ‘좋아요’로 선호를 표시하거나, ‘다른 제안’ 및 ‘아이템 교체’ 버튼을 통해 추가 제안을 받을 수 있어, 보다 세밀한 개인화를 경험할 수 있습니다.
•
코디 히스토리 관리
추천받은 코디는 모두 히스토리에 저장되어 언제든지 다시 확인할 수 있습니다.
이를 통해 사용자는 본인의 스타일 변화를 추적하거나, 마음에 들었던 코디를 반복적으로 참고할 수 있습니다.
•
최소한의 입력, 최대한의 추천 경험
복잡한 입력 절차 없이 초기 온보딩과 하루 한 번의 간단한 입력만으로,
다양한 상황에 최적화된 코디를 매일 제공받을 수 있도록 설계했습니다.
활 용 기 술 :
1. Frontend (UI/UX)
•
Streamlit
◦
웹 인터페이스 구성
◦
세션 상태 관리 (st.session_state)
◦
커스텀 CSS 삽입 (폰트, 색상, 애니메이션)
•
HTML + CSS
◦
YouTube BGM 버튼 & 플레이어 삽입
◦
로고 / 메뉴 이미지 삽입 및 스타일링
2. Backend (AI + Data)
•
Python 3.10+
◦
전체 서버 및 기능 로직 작성
•
OpenAI API
◦
GPT-4o-mini: 코디 추천 JSON 생성
◦
DALL·E 3: 코디 이미지 생성
•
REST API 호출
◦
open-meteo.com (날씨 API) 사용
3. Data Handling
•
Streamlit 캐싱 (st.cache_data)
◦
날씨 데이터 캐싱
•
세션 상태 관리
◦
프로필, 코디 추천 결과, 히스토리 저장
4. 외부 API
•
OpenAI (ChatGPT, DALL·E)
•
Open Meteo API (현재 기온 조회)
•
YouTube IFrame API (BGM 재생)
포인트 요약
•
이미지 업로드 및 관리
•
사용자 입력 데이터 수집
•
날씨 API 연동
•
백그라운드 뮤직 재생
•
AI 기반 코디 추천 알고리즘
•
추천 결과 이미지 시각화
기 능 설 명 :
•
온보딩
직무, 체형, 회사 드레스 코드, 선호 색상, 도시 등 개인 정보를 입력받습니다.
사용자의 위치 정보를 기반으로 현재 날씨 데이터를 가져와
상황에 맞는 코디 추천이 가능하도록 합니다.
•
오늘의 코디
온보딩 데이터와 오늘의 날씨, 일정, 기분을 반영하여
AI가 생성한 이미지로 두 가지 출근룩을 추천합니다.
사용자는 코디에 ‘좋아요’를 눌러 선호를 표현할 수 있고,
‘다른 제안’ 또는 ‘아이템 교체’ 버튼을 통해 새로운 조합도 받아볼 수 있습니다.
•
히스토리
지금까지 추천받은 출근룩 기록을 모아 확인할 수 있어
과거 스타일을 참고하거나 다시 활용할 수 있습니다.
◦
사용자 입력 데이터 수집
◦
날씨 API 연동
◦
백그라운드 뮤직 재생
◦
AI 기반 코디 추천 알고리즘
◦
추천 결과 이미지 시각화
기 대 효 과 :
•
출근 준비 시간 절약
매일 아침 15분 이상 걸리던 코디 고민 시간을 1분 이내로 단축할 수 있습니다.
•
기분 좋은 하루 시작
날씨와 스케줄에 맞는 최적의 코디를 통해 하루를 자신감 있게 시작할 수 있습니다.
•
옷장 활용도 극대화
보유한 옷을 다양한 조합으로 추천받아 옷 구매 충동을 줄이고, 효율적으로 활용할 수 있습니다.
•
개인화된 스타일링 경험
직무, 체형, 드레스 코드, 기분, 날씨까지 반영한 추천으로 기존 서비스 대비 훨씬 맞춤화된 코디 경험을 제공합니다.
•
데이터 기반 히스토리 관리
과거 코디 기록을 모아 스타일 트렌드를 파악하고, 향후 코디 선택에 참고할 수 있습니다.
느낀점 및 배운점 :
•
사용자 맞춤형 서비스의 중요성 체감
단순한 추천이 아니라 개인 상황(직무, 날씨, 기분)까지 반영해야 사용자 만족도가 높아진다는 것을 깨달았습니다.
•
실질적 문제 해결을 위한 UX 설계
'매일 아침 출근 준비 스트레스'라는 구체적인 문제를 해결하기 위해, 복잡한 과정을 최소화하고 직관적인 사용 흐름을 만드는 것이 핵심임을 경험했습니다.
•
기술과 일상의 연결 경험
위치 기반 날씨 정보, AI 이미지 생성 등 기술을 일상 스트레스 해소에 자연스럽게 연결하는 방법을 배울 수 있었습니다.
