뭉치면 산다! 뭉치: 1인 가구를 위한 공동구매 플랫폼

1인 가구의 소량·소비 패턴에 맞춰 합리적인 가격과 편의성을 제공하는 지역 기반 공동구매 서비스 구축

Repositories

Front-end

GitHub Link

Back-end

GitHub Link

Data Analysis

GitHub Link

Data Engineering

GitHub Link

Machine Learning

GitHub Link

LLM Search Chatbot

GitHub Link

Overview

• 프로젝트명: 뭉치면 산다! 뭉치: 1인 가구를 위한 공동구매 플랫폼
• 목표: 1인 가구의 소량·소비 패턴에 맞춰 합리적인 가격과 편의성을 제공하는 지역 기반 공동구매 서비스 구축
• 작업기간: 2025-05-16 ~ 2025-07-02
• 총 인원: 8명
• 인력구성: PM·LLM·MLOps-1명, DE·MLOps-1명, DA·ML-2명, FE-2명, BE-2명

Background

현황

• 1인 가구수 증가
• 경제적 · 구매 효율성 한계
• '지역기반' 커뮤니티 필요성

기존 서비스 한계 및 차별화 전략

1. 불신 → 리더게이지, 팔로워게이지로 신뢰도를 측정가능하도록 수치화
2. 실제 1인 가구 만을 위한 서비스 부족 → AI, LLM을 활용한 맞춤 상품 추천

UI Preview

BE RestAPI

Domain	Method	Endpoint	Description
유저	GET	/api/users	사용자 정보 조회
	PUT	/api/users	회원 정보 수정
	POST	/api/users	사용자 정보 입력
	POST	/api/users/manner-percent	사용자의 매너 퍼센트 업데이트
	POST	/api/users/location	사용자 위치 설정
	POST	/api/users/interest-category	사용자 관심 카테고리 추가
	POST	/api/auth/token	토큰 발급
	POST	/api/auth/reissue	토큰 재발급
	POST	/api/auth/logout	소셜 로그아웃
	GET	/api/users/{userId}	특정 사용자 정보 조회
	GET	/api/users/reviews	사용자의 리뷰 키워드 조회
	GET	/api/users/manner	사용자 매너 퍼센트 조회
공동구매	GET	/api/group-boards/{id}	공동구매 게시글 상세 조회
	PUT	/api/group-boards/{id}	공동구매 게시글 수정
	DELETE	/api/group-boards/{id}	공동구매 게시글 삭제
	GET	/api/group-boards	공동구매 게시글 목록 조회
	POST	/api/group-boards	공동구매 게시글 추가
	POST	/api/group-boards/{id}/join	게시글 참여
	GET	/api/group-boards/{uid}/edit	게시글 수정 화면 조회
	GET	/api/group-boards/users/{uid}	사용자별 게시글 목록 조회
	GET	/api/group-boards/search	공동구매 게시글 검색
	GET	/api/group-boards/recommend	공동구매 게시글 추천
	GET	/api/group-boards/me	내가 올린 게시글 목록 조회
	GET	/api/group-boards/categories/{id}	카테고리별 게시글 목록 조회
채팅	POST	/api/chat/rooms/{id}/trade-complete	거래 완료 처리
	POST	/api/chat/rooms/{id}/reviews/{tid}	리뷰 작성
	POST	/api/chat/rooms/{id}/pay	공구 결제 완료
	POST	/api/chat/rooms/{id}/message	채팅 메시지 전송
	PATCH	/api/chat/rooms/{id}/status	채팅방 상태 변경
	PATCH	/api/chat/rooms/{id}/purchase-complete	리더의 구매 완료 상태 변경
	GET	/api/chat/rooms	내 채팅방 목록 조회
	GET	/api/chat/rooms/{id}	채팅방 상세 조회
	DELETE	/api/chat/rooms/{id}/leave	채팅방 나가기
관심상품	POST	/api/products/{id}/like	상품 찜(좋아요) 추가
	DELETE	/api/products/{id}/like	상품 찜(좋아요) 삭제
	POST	/api/group-boards/{id}/like	공구물품 찜 추가
	DELETE	/api/group-boards/{id}/like	공구물품 찜 삭제
	GET	/api/products/like	내가 찜한 상품 목록 조회
	GET	/api/group-boards/like	내가 찜한 공구물품 목록 조회
상품	GET	/api/products	모든 상품 조회
	GET	/api/products/{id}	단일 상품 상세 조회
	GET	/api/products/{id}/group-boards	상품별 공동구매 게시글 목록 조회
	GET	/api/products/search	상품 검색
	GET	/api/products/recommend	내 추천 상품 조회
	GET	/api/products/main	쇼핑몰 메인 화면 상품 조회
	GET	/api/products/categories/{id}/scroll	카테고리별 상품 무한 스크롤 조회

ER Diagram

System Architectures

LLM Search Chatbot Architecture

Team

	이현준 PM, LLM, MLOps		손하은 FE, UI/UX 설계
	김수미 DE, MLOps		유지원 FE, UI/UX 설계
	김준호 DA, ML Modeling		장가은 BE, ERD 설계
	이솔 DA, ML Modeling		홍주이 BE, ERD 설계

My Role

• 프로젝트 일정 관리 및 조율 (Daily Scrum Meeting, 회의록 작성 등)
• 온라인 협업 도구(Discord, Notion) 운영 및 커뮤니케이션 환경 관리
• ML 팀 개발 환경 구축 (Ubuntu, Docker, uv 기반 Python 환경 구성 등)
• 서비스 전반에서 사용할 데이터를 정의하기 위한 ERD 설계·수정 및 이에 맞춘 초기 운영 데이터 생성·구축
• 모델링 담당자가 개발한 ML 모델을 FastAPI 기반 API로 서빙
• LLM 쇼핑 검색 챗봇 API 마이크로서비스 개발(Sentence Transformers, SBERT 임베딩 OpenSearch Cosinesimil based k-NN Search, FastAPI)

느낀 점

이전까지는 2~5명 규모의 소규모 팀에서 프로젝트를 진행해 왔지만, 이번에는 8명 규모 팀의 PM으로 참여하면서 협업의 난이도가 완전히 다르다는 것을 느꼈습니다. 역할과 목표가 다른 사람들 사이에서 우선순위와 구현 방향을 맞추는 일이 생각보다 어려웠고, 감정을 배제하고 논점을 정리해 회의를 설계하는 것이 일정 관리만큼 중요하다는 점을 배웠습니다.

이번 프로젝트에서는 전체 일정을 관리하며 ML팀과 FullStack팀을 조율하는 역할을 맡았고, 동시에 ML 팀 일원으로서 ML팀의 개발 환경 구축부터 시작하여 데이터 설계와 팀원들이 제작한 모델 서빙, LLM 기반 챗봇 API 구현 및 서빙에 직접 참여했습니다. 가장 궁금했던 “AI가 어떤 형태로 서빙되고 운영되는지”를 실제로 확인하고 경험해 볼 수 있는 기회였습니다.