약 13만 개 상품의 의미와 고객의 쇼핑 맥락을 이해해 탐색·추천·대화·구매를 seamless하게 연결합니다.
상품 하나가 등록되면
다섯 개의 AI가 차례로 일합니다.
읽고, 정리하고, 요약하고, 연결하고, 먼저 말을 겁니다.
상품 상세페이지의 여러 이미지를 OCR로 읽어 흩어진 텍스트를 하나로 통합하고, 길이를 최적화하며 불필요한 노이즈를 제거합니다. 상품명·설명·옵션·스펙을 분절된 키워드가 아니라 하나의 상품 문맥으로 이해하고, 형태·소재·컬러 같은 시각 정보와 이미지 속 표기 문구까지 Vision과 OCR이 함께 읽어냅니다.
패션·식품·가전은 구매를 결정하는 문법이 다릅니다. 카테고리별 속성 정의 템플릿을 적용하고, 멀티모달 LLM으로 검색·필터·추천에 바로 쓸 수 있는 Attribute 체계로 구조화합니다. 추출된 결과는 Evidence 기반으로 검증·보완한 뒤 벡터 DB로 변환되어, 한 번 정리된 속성을 모든 기능이 공통으로 사용합니다.
동국대학교 산학협력으로 539,532개 상품을 정량 검증 — Attribute 추출률 90%+, 평균 품질 4.5/5.0
SKU 단위로 리뷰를 중앙에서 관리하고, AI가 핵심 장점·단점·반복 이슈와 구매 전 확인 사항을 정리합니다. 고객은 리뷰를 다 읽지 않아도 결정에 필요한 정보를 얻습니다.
쿠션이 부드럽고 발볼이 편하다는 평가가 많습니다. 사이즈는 반 치수 크게 신는다는 의견이 있어 구매 전 확인이 필요합니다.
찜·장바구니·최근 탐색 신호와 상품 Attribute, DMP 데이터를 결합해 지금 이 고객에게 맞는 상품인지 판단합니다. 조건이 아니라 맥락으로 Next Best Product를 결정합니다.
쇼핑 에이전트가 맥락을 근거로 대화를 시작하고, Attribute와 리뷰 요약을 바탕으로 비교부터 구매 결정까지 돕습니다. 대화의 결과는 다시 학습되어 다음 추천이 더 정확해집니다.
밝은 컬러 · 발볼 여유 · 입문용 쿠션 — 최근 탐색 조건과 장바구니 상품의 연관성이 높습니다.
다섯 단계는 각각의 기능이 아니라 하나의 엔진입니다. 상품이 가진 구매 의미와 고객의 현재 상황이 만나 다음 행동이 결정됩니다.
UNDERSTAND→STRUCTURE→PERSONALIZE→CONVERSE→LEARN↺
SDK·위젯·API 등 다양한 개발 툴을 제공해, 각 매체에 알맞은 방식으로 커머스를 빠르게 연동할 수 있도록 기술 지원합니다. 세 가지 연동 방식 중 무엇으로 시작하든 동일한 커머스 엔진이 동작합니다.
Android·iOS·Web 앱에 사용자 식별, 행동 이벤트, 추천 슬롯과 AI Agent UI를 연결합니다.
GenieworksAI.initialize(config)
리뷰 요약, 추천 캐러셀, 컬러 필터, 쇼핑 에이전트를 화면 단위로 골라 적용합니다.
<gw-ai-review sku="..." />
상품 데이터만 연동해 Attribute, 리뷰 요약, 색상·추천 결과를 그대로 받아 씁니다.
GET /v1/products/{sku}/intelligence
연동 가이드와 예제는 Developers 문서 에서 확인할 수 있습니다.