팝업온

무엇을 하나요

굿즈 팝업을 여는 판매자는 행사 전에 몇 명이 언제 몰릴지, 어떤 굿즈를 며칠에 몇 개 준비해야 할지 알기 어려워요. 수요조사 도구와 현장 대기 도구가 따로 놀아서 결국 경험으로 감을 잡는 경우가 많아요.

팝업온은 사전조사 링크 하나로 방문 예정 시간대와 품목별 희망 수량을 함께 모으고, 시간대별 예상 인원과 제작·날짜별 배분 참고치를 보여 줘요. 행사 당일에는 손님이 부스의 종이 QR을 찍어 대기번호를 받고, 앞 번호 손님들이 고른 수량으로 계산한 품절 예상 번호를 함께 봐요. 매일 마감 때 남은 수량을 넣으면 예측과 실제를 비교한 리포트가 나오고, 그 차이로 다음 날과 다음 행사 예측을 고쳐요. 창업동아리 3인 팀 프로젝트예요.

무엇을 만들었나요

팀에서 저는 기획 문서와 데이터 쪽을 주로 맡았어요.

• PRD와 데이터 파이프라인 문서를 쓰고, 결정이 바뀔 때마다 문서와 코드를 맞췄어요
• Python(pandas) 예측 파이프라인: 응답 전처리, 날짜·시간대별 집계, 기준선 예측, 첫날 실측으로 다음 날 예측을 다시 계산하는 보정
• 리포트 AI 해설: 판매자가 버튼을 누르면 리포트 집계만 Gemini에 보내 요약과 할 일을 받는 기능
• 판매자가 올리는 품목 사진과 방문객 화면 표시, 로그인 화면 개편
• Railway 배포와 팀 공용 Supabase 구성

기술적으로 눈여겨볼 점

• 개인정보를 받지 않아요: 방문객 식별은 링크 토큰뿐이고 이름·전화번호를 받지 않아요. 그래서 사전조사 응답과 당일 방문을 사람 단위로 잇지 않고, 응답 수 대비 대기 등록 수라는 비율 하나로 보정하도록 설계했어요.
• 숫자는 코드가, 말은 AI가: AI 해설 문장 속 숫자가 보낸 집계에 없으면 저장하지 않아요. AI가 차이나 배수를 직접 계산하거나 지어내는 것을 막는 검증이에요.
• 기록이 적은 초기 대응: 본인 지난 행사가 없으면 다른 판매자들의 보정 비율을 쓰되, 판매자마다 중앙값을 낸 뒤 다시 중앙값을 내서(한 판매자 한 표) 한 사람의 기록에 쏠리지 않게 했어요. 다른 판매자의 숫자는 화면에 보이지 않아요.
• 파이프라인은 같은 원자료로 다시 돌리면 같은 집계가 나오게 만들고 pytest로 검사해요. 사진은 브라우저에서 긴 변 800px로 줄여 올려 저장 공간과 전송량을 아껴요.