project-plan.md

doc_type	shared
source_of_truth	AIBE5_FinalProject_Team4_BE
last_updated	2026-06-14

기획서

1. 서비스 소개

명칭	옷장난감
정의	개인 디지털 옷장 기반 의류 및 코디 추천 서비스
소개	사용자가 보유한 옷을 디지털 옷장에 등록하면, 옷장 데이터를 기반으로 어울리는 상품과 코디를 추천받고, 관심 상품도 저장하여 관리할 수 있는 개인 맞춤형 패션 추천 서비스입니다.

서비스 소개 상세

옷장난감은 사용자가 구매했거나 이미 보유하고 있는 옷을 디지털 옷장에 등록하고, 등록된 옷장 데이터를 기반으로 어울리는 옷과 코디를 추천받을 수 있는 개인 맞춤형 패션 추천 서비스입니다.

사용자는 온라인에서 구매한 내역을 기반으로 옷을 등록할 수도 있고, 이미 가지고 있는 옷을 직접 사진으로 등록할 수도 있습니다. 이렇게 등록된 옷들은 사용자의 디지털 옷장에 저장되며, 서비스는 사용자의 옷장 정보를 바탕으로 보유한 옷과 잘 어울리는 상품, 코디 조합, 유사한 스타일의 옷을 추천합니다.

또한 사용자는 추천받은 옷이나 코디에 대해 긍정 또는 부정 피드백을 남길 수 있습니다. 이러한 피드백과 옷장 데이터가 누적될수록 서비스는 사용자의 취향과 스타일을 더 잘 반영하여 점점 더 개인화된 옷과 코디를 추천할 수 있습니다.

보유하지 않았지만 관심 있는 옷도 ‘미보유’로 옷장에 저장해 관리할 수 있습니다. 이를 통해 사용자는 실제로 가지고 있는 옷과 관심 있는 옷을 함께 비교하고 관리할 수 있으며, 추후 외부 구매 링크와 연동하여 추천받은 옷을 구매까지 이어갈 수 있습니다.

즉, 옷장난감은 단순히 옷을 추천하는 서비스를 넘어, 사용자의 옷장과 취향 데이터를 기반으로 오늘 입을 옷 고민, 중복 구매 문제, 코디 조합의 어려움을 줄여주는 개인 맞춤형 디지털 옷장 서비스입니다.

2. 기획 배경

옷 구매는 쉬워졌지만, 사용자는 여전히 “입을 옷이 없다”고 느끼거나 무엇을 입을지 고민합니다. 또한 기존에 어떤 옷을 가지고 있는지 잊어버려 비슷한 옷을 반복 구매하고, 새로 구매할 옷이 기존 옷과 어울리는지 판단하기 어렵습니다. ‘옷장난감’은 사용자의 옷장 데이터를 기반으로 보유 옷과 관심 상품을 함께 관리하고, 개인 맞춤형 상품 추천과 코디를 추천하는 디지털 옷장 기반 패션 추천 서비스를 기획했습니다.

기획 배경 상세

오프라인 쇼핑, 편집샵, 온라인 쇼핑몰, 브랜드 자사몰, 패션 플랫폼 등 의류를 구매하는 경로가 다양해지면서 사용자는 이전보다 더 쉽고 빠르게 옷을 탐색하고 구매할 수 있게 되었습니다. 특히 모바일 쇼핑과 패션 플랫폼이 활성화되면서 사용자는 다양한 브랜드와 상품을 비교하고, 마음에 드는 상품을 찜하거나 장바구니에 담아둘 수 있게 되었습니다.

하지만 옷을 구매하는 방식이 편리해졌다고 해서 옷 선택과 코디 고민까지 함께 줄어드는 것은 아닙니다. 사용자는 옷을 충분히 보유하고 있어도 자신이 어떤 옷을 가지고 있는지 모두 기억하기 어렵고, 기존 옷들을 어떻게 조합해야 할지 고민하는 경우가 많습니다. 이로 인해 옷장은 채워져 있지만 막상 외출을 준비할 때는 “입을 옷이 없다”고 느끼는 상황이 반복됩니다.

또한 새 옷을 구매할 때 해당 상품이 기존 옷장 속 옷들과 잘 어울릴지 판단하기 어렵다는 문제도 있습니다. 관심 있는 상품은 각 쇼핑몰이나 패션 플랫폼의 찜 목록, 장바구니, 구매내역 등에 흩어져 관리되는 경우가 많아 실제 보유한 옷과 함께 비교하기 어렵습니다. 그 결과 이미 비슷한 옷을 가지고 있음에도 반복 구매하거나, 구매 후 기존 옷과 어울리지 않아 활용도가 낮아지는 문제가 발생할 수 있습니다.

스마트 가상 옷장 연구에서는 사용자가 디지털 옷장을 통해 보유 의복을 쉽게 확인하고, 활용 습관을 객관적으로 파악하며, 잊고 있던 옷을 다시 인식하고 비슷한 제품 구매를 피하는 등 보유 의류 활용과 합리적 구매에 긍정적인 변화를 보인 것으로 나타났습니다. 해외 옷장 관리 앱 연구에서도 디지털 옷장 앱이 옷장 정리, 의사결정 피로 감소, 의류 활용 증가, 불필요한 구매 감소에 도움을 줄 수 있음을 보여줍니다. 또한 디지털로 옷을 기록하고 착용 빈도나 소비 습관을 확인하려는 흐름도 나타나고 있어, 개인 옷장 데이터를 기반으로 한 서비스의 필요성이 커지고 있습니다.

기존 패션 커머스는 주로 상품 탐색과 구매 전환에 초점이 맞춰져 있습니다. 사용자는 다양한 상품을 쉽게 찾고 구매할 수 있지만, 해당 상품이 자신의 실제 옷장 속 옷들과 잘 어울리는지까지 확인하기는 어렵습니다. 패션 콘텐츠나 SNS 역시 코디 참고에는 도움이 되지만, 사용자의 보유 옷과 관심 상품을 함께 관리하거나 실제 옷장 데이터를 기반으로 개인화된 추천을 제공하는 데에는 한계가 있습니다.

이에 ‘옷장난감’은 사용자의 실제 옷장 데이터를 중심으로 의류 관리와 코디 추천을 연결하는 개인 디지털 옷장 서비스를 기획하였습니다. 사용자는 보유한 옷을 디지털 옷장에 등록하고, 추천받은 상품이나 관심 상품은 미보유 옷으로 저장해 함께 관리할 수 있습니다. 이를 통해 사용자는 본인이 가진 옷을 더 쉽게 파악하고, 기존 옷과 어울리는 상품과 코디를 추천받으며, 새 옷을 구매하기 전 기존 옷과의 조합 가능성을 고려할 수 있습니다.

디지털 옷장에 사용자의 보유 옷, 관심 상품, 스타일 취향, 추천 피드백 데이터가 축적될수록 서비스는 더 정교한 개인 맞춤형 추천으로 확장될 수 있으며, 코디 저장 및 공유, 커뮤니티 피드 기능으로도 확장할 수 있고, 날씨와 일정 기반 OOTD 추천, AI 스타일링 기능 등으로 확장할 수 있습니다. 사용자의 옷장 데이터와 추천 반응이 쌓이면 단순히 상품을 보여주는 수준을 넘어, 사용자의 취향과 보유 옷 조합을 고려한 추천 경험을 제공할 수 있습니다.

장기적으로는 외부 쇼핑몰 및 브랜드몰 제휴를 통해 상품 API를 연동하고, 사용자가 추천 상품을 실제 구매로 연결할 수 있는 커머스 구조로 확장할 수 있습니다. 또한 등록 가능한 옷 개수, 고도화된 추천 기능, AI 스타일링 기능 등을 기준으로 멤버십 요금제를 도입하거나, 사용자가 더 이상 입지 않는 보유 옷을 중고거래로 연결하는 방식도 고려할 수 있습니다. 브랜드나 커머스 입장에서는 사용자의 옷장 데이터와 관심 상품 데이터를 바탕으로 더 정교한 상품 추천과 마케팅이 가능하므로, 향후 제휴형 수익 모델로도 확장할 수 있습니다.

‘옷장난감’은 단순한 옷장 관리 서비스를 넘어, 사용자의 실제 옷장 데이터를 기반으로 의류 관리, 코디 추천, 관심 상품 관리, 패션 커머스 연동, 멤버십 기반 수익 모델, 중고거래 플랫폼까지 확장 가능한 디지털 옷장 기반 패션 추천 서비스로 성장할 수 있습니다.

[참조]

• [논문] 스마트 가상 옷장 앱의 사용 경험과 지속가능소비
• [논문] Wardrobe Management Apps and Their Unintended Benefits for Fashion Sustainability and Well-Being: Insights from User Reviews

참조

• [논문] 스마트 가상 옷장 앱의 사용 경험과 지속가능소비
• [논문] Wardrobe Management Apps and Their Unintended Benefits for Fashion Sustainability and Well-Being: Insights from User Reviews

3. 문제 정의

문제	설명
옷은 있는데 입을 옷이 없음	옷장에 옷은 가득하지만 어떤 조합으로 입어야 할지 떠오르지 않음
“오늘 뭐 입지?” 고민 반복	출근, 등교, 약속, 여행 등 상황별 코디 고민 반복
비슷한 옷 반복 구매	이미 가진 옷과 유사한 옷을 또 구매함
새 옷 구매 판단 어려움	새 상품이 기존 옷과 어울릴지 판단하기 어려움
관심 상품과 보유 옷 관리 어려움	관심 상품이 여러 쇼핑몰에 흩어져 있고, 보유 옷과 함께 비교하기 어려움

옷은 있는데 입을 옷이 없음

사용자는 이미 여러 벌의 옷을 가지고 있어도 실제 외출 준비 과정에서는 “입을 옷이 없다” 고 느끼는 경우가 많습니다.

이는 보유한 옷이 부족해서라기보다, 자신이 어떤 옷을 가지고 있는지 한눈에 파악하기 어렵고, 가지고 있는 옷들을 어떻게 조합해야 할지 바로 떠올리기 어렵기 때문에 발생합니다.

예를 들어 사용자는 셔츠, 니트, 청바지, 슬랙스, 아우터 등을 이미 가지고 있어도 특정 상황에 어떤 조합이 적절한지 쉽게 결정하지 못할 수 있습니다. 결과적으로 이미 가진 옷을 충분히 활용하지 못하고, 새로운 옷이 더 필요하다고 느끼게 됩니다.

“오늘 뭐 입지?” 고민 반복

옷 선택은 매일 반복되는 일상적인 문제입니다. 사용자는 출근, 등교, 약속, 여행, 면접, 모임 등 다양한 상황에 맞춰 옷을 선택해야 합니다.

여기에 날씨, 계절, 장소, 분위기, 일정, 개인 취향까지 고려해야 하므로 코디 선택은 생각보다 복잡한 의사결정이 됩니다. 특히 바쁜 아침 시간에는 옷을 고르는 데 많은 시간을 쓰기 어렵기 때문에, 빠르고 상황에 맞는 코디 추천이 필요합니다.

비슷한 옷 반복 구매

사용자는 자신이 이미 어떤 옷을 가지고 있는지 정확히 기억하지 못해 비슷한 색상, 비슷한 디자인, 비슷한 카테고리의 옷을 반복해서 구매할 수 있습니다.

이로 인해 옷장은 늘어나지만 실제 코디 선택지는 크게 늘어나지 않고, 활용도가 낮은 옷이 쌓이는 문제가 발생합니다. 사용자가 자신의 옷장을 체계적으로 확인할 수 있다면 이러한 중복 구매를 줄일 수 있습니다.

새 옷 구매 판단 어려움 (기존 옷과 어울릴지 판단하기 어려운 문제)

새 옷을 구매할 때 사용자는 상품 이미지, 모델 착용 사진, 상세 설명을 보고 구매를 결정합니다. 하지만 “이 옷이 예쁜가?”가 뿐만 아니라 “이 옷이 내가 가지고 있는 옷과 잘 어울리는가?”도 중요한 문제입니다.

마음에 드는 상품을 발견해도 기존 옷과의 조합을 직접 상상해야 하며, 색상, 스타일, 계절감, 활용도 등을 사용자가 스스로 판단해야 합니다. 이 판단이 어려울수록 구매 결정은 늦어지거나, 구매 후 활용도가 낮아지는 문제가 발생합니다.

관심 상품과 보유 옷 관리 어려움

사용자는 실제로 가지고 있는 옷 뿐만 아니라, 아직 구매하지 않았지만 관심 있는 옷도 많이 있습니다.

하지만 현재 관심 상품은 각 쇼핑몰 장바구니, 찜 목록, 메모, 링크 등에 흩어져 있는 경우가 많습니다. 이렇게 흩어진 정보는 실제 보유한 옷과 비교하기 어렵고, 시간이 지나면 다시 찾기도 어렵습니다.

따라서 실제 가지고 있는 옷과 아직 보유하지 않았지만 관심 있는 옷을 함께 관리할 수 있는 구조가 필요합니다.

참조

• [논문] 스마트 가상 옷장 앱의 사용 경험과 지속가능소비
• [논문] Wardrobe Management Apps and Their Unintended Benefits for Fashion Sustainability and Well-Being: Insights from User Reviews
• [기사] Would you let AI choose your outfits?

4. 해결 방향

문제	해결 방향
옷은 있는데 입을 옷이 없음	보유한 옷을 디지털 옷장에 등록하고, 조합 가능한 코디를 추천해 보유 옷 활용도 향상
“오늘 뭐 입지?” 고민 반복	날씨, 일정, 상황, 스타일을 고려한 OOTD 코디 추천
비슷한 옷 반복 구매	보유 옷과 미보유 옷을 구분해 관리
새 옷 구매 판단 어려움	보유 옷과 어울리는 상품 및 코디를 추천해 구매 판단 보조
관심 상품과 보유 옷 관리 어려움	추천 상품과 관심 상품을 미보유 옷으로 저장해 보유 옷과 함께 관리
추천 개인화 부족	선호 스타일, 옷장 데이터, 추천 피드백을 반영한 개인화 추천 제공

보유한 옷을 디지털 옷장에 등록하고, 조합 가능한 코디를 추천해 보유 옷 활용도 향상

사용자가 “옷은 있는데 입을 옷이 없다”고 느끼는 이유는 단순히 옷이 부족해서가 아니라, 자신이 어떤 옷을 가지고 있는지 한눈에 파악하기 어렵고, 가지고 있는 옷들을 어떻게 조합해야 할지 바로 떠올리기 어렵기 때문입니다.

이를 해결하기 위해 옷장난감은 사용자가 실제로 보유한 옷을 디지털 옷장에 등록하고 관리할 수 있도록 합니다. 등록된 옷은 카테고리, 색상, 스타일 등의 정보와 함께 저장되며, 사용자는 자신의 옷장을 한눈에 확인할 수 있습니다.

또한 단순히 옷 목록을 보여주는 데 그치지 않고, 보유한 옷을 기반으로 조합 가능한 코디를 추천합니다. 예를 들어 사용자가 가지고 있는 셔츠, 니트, 청바지, 슬랙스, 아우터 등을 바탕으로 함께 입기 좋은 조합을 제안하여 기존 옷의 활용도를 높일 수 있습니다.

이를 통해 사용자는 새로운 옷을 구매하지 않아도 이미 가지고 있는 옷으로 다양한 코디를 구성할 수 있으며, “옷은 있지만 입을 옷이 없다”는 고민을 줄일 수 있습니다.

날씨, 일정, 상황, 스타일을 고려한 OOTD 코디 추천

사용자는 출근, 등교, 약속, 여행, 면접, 모임 등 다양한 상황에 맞춰 옷을 선택해야 합니다. 여기에 날씨, 계절, 장소 분위기, 일정, 개인 취향까지 고려해야 하므로 코디 선택은 생각보다 복잡한 의사결정이 됩니다.

옷장난감은 사용자의 보유 옷과 스타일을 기반으로 OOTD 코디를 추천합니다. 사용자는 직접 모든 옷 조합을 고민하지 않아도, 현재 상황에 어울리는 코디를 빠르게 참고할 수 있습니다.

이를 통해 바쁜 아침이나 외출 준비 시간에 반복되는 “오늘 뭐 입지?” 고민을 줄이고, 사용자가 더 빠르게 옷을 선택할 수 있도록 돕습니다.

보유 옷과 미보유 옷을 구분해 관리

사용자는 자신이 어떤 옷을 가지고 있는지 전부 기억하지 못합니다. 비슷한 디자인이나 색상의 옷을 반복해서 구매할 수 있습니다. 이로 인해 옷은 늘어나지만 실제 코디 선택지는 크게 늘어나지 않고, 활용도가 낮은 옷이 쌓이는 문제가 발생합니다.

옷장난감은 실제로 가지고 있는 보유 옷과 아직 가지고 있지는 않지만 관심 있는 미보유 옷을 구분해 관리할 수 있도록 합니다.

사용자는 새로운 상품을 구매하거나 확인할 때 자신의 보유 옷과 코디를 비교할 수 있으며, 이를 통해 이미 가지고 있는 옷과 비슷한 상품을 반복 구매하는 문제를 줄일 수 있습니다.

보유 옷과 어울리는 상품 및 코디를 추천해 구매 판단 보조

온라인에서 새 옷을 구매할 때 사용자는 상품 이미지, 모델 착용 사진, 상세 설명을 보고 구매를 결정합니다. 하지만 실제로 중요한 것은 “이 옷이 예쁜가?”뿐만 아니라 “이 옷이 내가 이미 가지고 있는 옷과 잘 어울리는가?”입니다.

옷장난감은 사용자를 기준으로 어울리는 상품과 코디를 추천합니다. 예를 들어 사용자가 보유한 상의에 어울리는 하의를 추천하거나, 기존 옷과 함께 활용할 수 있는 아우터, 신발 등을 제안할 수 있습니다.

이를 통해 사용자는 새 옷을 구매하기 전 기존 옷과의 조합 가능성을 미리 판단할 수 있으며, 구매 후 활용도가 낮아지는 문제를 줄일 수 있습니다.

추천 상품과 관심 상품을 미보유 옷으로 저장해 보유 옷과 함께 관리

사용자는 실제로 가지고 있는 옷뿐만 아니라, 아직 구매하지 않았지만 관심 있는 상품도 함께 관리하고 싶어합니다. 하지만 관심 상품은 각각의 쇼핑몰 장바구니, 찜 목록, 메모, 링크 등에 흩어져 있는 경우가 많습니다.

옷장난감은 추천받은 상품이나 사용자가 관심 있는 상품을 미보유 옷으로 저장할 수 있도록 합니다. 미보유 옷은 실제 보유 옷과 구분되지만, 같은 디지털 옷장 안에서 함께 확인할 수 있습니다.

이를 통해 사용자는 관심 상품을 한 곳에서 관리하고, 실제 보유한 옷과 비교하며 구매 여부를 판단할 수 있습니다.

선호 스타일, 옷장 데이터, 추천 피드백을 반영한 개인화 추천 제공

기존의 일반적인 상품 추천은 광고 상품, 인기 상품, 최근 본 상품 중심으로 제공되는 경우가 많아 사용자의 실제 취향이나 옷장 구성과 맞지 않을 수 있습니다.

옷장난감은 사용자 선호 스타일과 디지털 옷장에 등록한 보유 옷 데이터를 추천에 반영합니다. 또한 추천 결과에 대한 긍정 또는 부정 피드백을 활용해 사용자가 선호하는 스타일과 원하지 않는 추천을 구분할 수 있도록 합니다.

이를 통해 단순히 많은 상품을 보여주는 것이 아니라, 사용자의 취향과 옷장 상황에 더 적합한 개인화 추천을 제공하는 방향으로 확장할 수 있습니다.

참조

• [논문] 인공지능 기반 개인 맞춤형 의류 추천 서비스 개발
• [논문] Fashion Recommendation Systems: From Single Items to Complete Outfits
• [논문] Personalizing Similar Product Recommendations in Fashion E-commerce

5. 주요 사용자 타겟

사용자 유형	설명
코디가 어려운 사용자	옷은 있지만 어떻게 조합해야 할지 고민하는 사용자
상황별 추천을 원하는 사용자	날씨, 일정, 외출 목적에 맞는 코디 추천을 받고 싶은 사용자
쇼핑 전 고민이 많은 사용자	새 옷이 기존 옷과 어울릴지 확인하고 싶은 사용자
옷장 정리가 필요한 사용자	본인이 어떤 옷을 가지고 있는지 체계적으로 관리하고 싶은 사용자
중복 구매를 줄이고 싶은 사용자	비슷한 옷을 반복 구매하지 않고 효율적으로 소비하고 싶은 사용자

6. MVP 범위 및 기능

구분	기능	설명
회원	회원가입 및 로그인	카카오, 구글, 네이버 소셜 로그인과 OAuth 성공 후 JWT 저장, 최초/기존 사용자 분기, 로그인 유지
회원	온보딩 기본 정보	최초 로그인 시 닉네임, 생년월일, 성별, 지역, 선호 스타일을 입력하고 회원가입 완료 시 사용자별 단일 옷장과 단일 코디북을 자동 생성
회원	첫 옷 등록 안내	최초 로그인 후 첫 옷 등록을 유도하고 사용자가 등록 또는 건너뛰기를 선택
회원	프로필 및 마이페이지	닉네임, 생년월일, 성별, 지역, 스타일 조회/수정, 소셜 계정 확인, 외부 링크 관리, 로그아웃, 회원 탈퇴 제공
스타일	사용자 스타일 점수 관리	온보딩/마이페이지 선택 스타일, 옷장 스타일, 추천 피드백을 종합해 추천 점수에 반영
옷장	사용자별 단일 옷장	사용자마다 1개의 디지털 옷장을 제공하고 보유/미보유 옷을 함께 관리
옷장	옷장 통계	보유 옷과 미보유 옷 수를 함께 집계하고 옷 종류별 통계 조회
옷장	보유 및 미보유 옷 목록	사용자 보유 옷과 추천/관심 상품으로 저장한 미보유 옷 목록 조회
옷장	옷 상세 조회	옷 이미지, 이름, 브랜드, 카테고리, 타입, 색상, 스타일 등 상세 정보 조회
옷장	옷 수정	정확한 공통 옷 정보는 유지하고 사용자 옷장에 등록된 사이즈, 즐겨찾기 등 개인화 정보 수정
옷장	옷 삭제	사용자 옷장 연결만 제거하고 공통 옷 정보는 유지
옷장	미보유 옷 → 보유 옷 전환	미보유로 저장한 옷을 보유 옷으로 변경
옷장	즐겨찾기	사용자가 자주 입거나 좋아하는 옷을 보유/미보유 구분 없이 즐겨찾기로 등록
옷 등록	구매내역 기반 등록	구매내역 캡처 이미지를 업로드하고 상품명, 이미지, 옵션, 계절, 성별 code 등을 추출한 뒤 확인/수정 후 보유 옷으로 저장
옷 등록	사진 기반 등록	옷 사진 업로드, 파일 검증, 미리보기, AI 판별 결과 편집, 최종 저장 제공
옷	공통 옷 정보 관리	브랜드, 상품명, 품번, 이미지, 카테고리, 타입, 계절, 성별 code, 외부 상품 ID 등 옷 자체의 공통 정보 관리
옷	옷 스타일/색상 관리	옷 하나에 여러 스타일과 색상을 연결하고 대표/보조 값을 구분
추천	추천 메인	메인 페이지를 추천 중심 화면으로 사용하고 로그인/옷장 데이터 상태에 따라 추천 목록, 제한 사유, 빈 상태를 표시
추천	추천 라벨 선택	OOTD, 스타일 기반, 유사 상품, 어울리는 옷, AI MD 등 추천 유형 선택
추천	OOTD 추천	사용자 기준으로 코디를 추천하고 날씨, 계절, 체감온도를 보조 조건으로 반영
추천	스타일 기반 추천	사용자 취향, 옷장, 지역, 날씨 등 데이터를 분석해 상품 및 코디 추천 근거로 활용
추천	유사 상품 추천	선택한 상품이나 옷과 유사한 상품을 이미지, 카테고리, 색상, 스타일 기준으로 탐색
추천	어울리는 옷 추천	사용자 옷장 데이터를 기준으로 함께 입기 좋은 상의, 하의, 아우터, 신발 추천
추천	AI MD 추천	AI가 스타일리스트처럼 TPO/드레스코드 코디를 추천하고 이유와 스타일링 설명 제공
추천	추천 상세 조회	추천 상품 또는 코디의 이미지, 이름, 브랜드, 코디 구성을 확인
추천	추천 액션	추천 코디 저장, 추천 상품 보유/미보유 옷 저장, 네이버쇼핑 등 구매 링크 이동 제공
추천	추천 피드백	추천 결과에 대한 저장/싫어요 피드백과 추천 제외를 사용자별로 저장하고 추천 정책에 반영
코디북	사용자별 단일 코디북	사용자마다 1개의 디지털 코디북을 제공하고 저장된 코디 목록과 상세 정보 조회
코디	코디 저장/조회	사용자가 직접 생성하거나 추천받은 코디를 코디북에 저장하고 목록/상세 조회
코디	코디 수정	저장한 코디를 편집할 때 기존 코디를 복제해 새로운 코디로 저장하고 이미 등록된 코디 데이터가 있으면 코디북에는 연결만 추가
코디	코디 삭제	사용자 코디북 연결만 제거하고 공통 코디 정보는 유지
코디	코디 스타일 관리	코디 구성 옷을 기준으로 대표/보조 스타일과 순서를 표시
외부 연동	네이버쇼핑 상품 연동	네이버쇼핑 등 외부 상품을 검색하고 상품명, 이미지 등을 조회해 옷 테이블 및 옷장에 등록
외부 연동	날씨 API 연동	사용자 지역 기반 현재 날씨와 체감온도를 조회해 OOTD/스타일 추천의 보조 정보로 활용
외부 연동	AI 의류 판별	옷 사진에서 카테고리, 타입, 성별 code, 색상, 스타일 등을 분석
외부 연동	AI 추천 설명	스타일링 설명 또는 추천 이유 생성
카탈로그	공통 카탈로그	카테고리, 타입, 색상, 스타일, 외부 쇼핑몰 출처 code와 표시값 제공
공통 시스템	로딩/에러/빈 상태	페이지, 데이터, 이미지, AI 분석, 외부 연동 로딩과 404/500/네트워크 오류, 빈 상태 안내 제공
공통 시스템	필터/도움말/약관	카탈로그 기반 필터, 서비스 소개, 도움말, 이용약관/개인정보/마케팅 동의 제공
커뮤니티	룩피드 업로드	피드 사진과 저장한 코디를 연결해 룩피드에 업로드
커뮤니티	룩피드 조회	연결한 코디 목록과 코디 공유 상세 정보를 조회하고 데이터가 없을 때 빈 상태 안내
커뮤니티	룩피드 반응	피드 좋아요, 저장, 댓글, 대댓글, 팔로우를 사용자별 상호작용으로 반영

6-1. MVP 이후 확장 및 제외 범위

구분	기능	설명	비고
앱	모바일 앱	추후 사이드 프로젝트로 진행	제외
피팅	AI 가상 피팅	구현 난이도 및 외부 API 비용	제외
외부 연동	쇼핑몰 크롤링	법적 리스크와 무신사 미답변	보류
관리자	관리자 페이지	구현 시간 부족	보류
커뮤니티	룩피드	구현 시간 부족	MVP 이후 확장

무신사 문의 메일 내용 (초안)

• 무신사 문의 채널 https://www.musinsa.com/app/company/partner?type=4
• 브랜드명, 회사명, 사업장주소, 담당자명, 연락처, 이메일 - 임의 입력
• 문의내용

안녕하세요. 현재 그렙의 부트캠프 브랜드인 프로그래머스에서 '생성형 AI 활용 백엔드 개발' 5기 교육 과정을 수강 중인 교육생 팀입니다.

저희는 5명으로 구성된 팀으로, 최종 프로젝트로 '개인 디지털 옷장 기반 의류 추천 서비스'를 기획하고 있습니다. 해당 서비스는 사용자가 보유한 의류를 디지털 옷장에 등록하면, 기존 옷장과 어울리는 코디 조합이나 유사 의류를 추천받을 수 있도록 돕는 서비스입니다.

프로젝트 기획 및 개발 과정에서 의류 상품명, 브랜드, 카테고리, 제품 이미지, 사이즈 정보, 상품 설명, 리뷰/평점 등 실제 패션 커머스 데이터가 필요하지만, 고품질의 의류 데이터를 확보하는 데 어려움이 있어 문의드립니다.

프로젝트는 비상업 프로젝트이며, 무신사의 데이터를 무단으로 수집하거나 상업적으로 활용할 의도는 전혀 없습니다. 혹시 저희 프로젝트 범위 내에서 활용 가능한 샘플 데이터, 공개 API, 제휴 가능 채널, 데이터 활용 가이드라인 또는 허용 가능한 사용 범위가 있는지 안내받을 수 있을지 문의드립니다.

저희는 단순히 데이터를 활용하는 데 그치지 않고, 향후 서비스가 고도화될 경우 무신사 상품 정보와 자연스럽게 연결되어 사용자에게는 더 나은 상품 탐색 경험을 제공하고, 무신사에는 상품 노출 및 구매 전환 측면에서 도움이 될 수 있는 방향도 함께 고민하고 있습니다. 실제 제품 또는 서비스 출시로 이어질 경우에는 무신사와의 정식 제휴 가능성을 별도 절차를 통해 문의드리고 싶습니다.

무신사 측에서 제공 가능한 샘플 데이터나 협의 가능한 방식이 있다면, 안내해주시는 조건과 범위를 철저히 준수하여 프로젝트에 활용하고자 합니다. 또한 제공이 어려운 경우에도, 프로젝트에서 어떤 방식으로 데이터를 준비하거나 대체하는 것이 적절할지 조언을 받을 수 있다면 큰 도움이 될 것 같습니다.

감사합니다.

7. 주요 사용자 흐름

흐름	사용자 흐름
신규 사용자 가입	메인 추천 페이지 → 로그인 필요 안내 → 소셜 로그인 → 온보딩 기본 정보 입력 → 단일 옷장 및 코디북 자동 생성 → 첫 옷 등록 안내 → 옷 등록 또는 건너뛰기
기존 사용자 진입	메인 추천 페이지 → 로그인 상태 확인 → 옷 또는 코디 추천 → 옷장 데이터가 부족한 경우 추천 제한 사유와 옷 등록 유도
옷 등록	옷장 → 옷 등록 → 구매내역 캡처 또는 사진 등록 선택 → 이미지 업로드/검증 → AI 판별 결과 확인 → 정보 편집 → 최종 저장
추천 탐색	메인 추천 페이지 → 추천 선택 (OOTD/스타일/유사 상품/어울리는 옷/AI MD 추천) → 추천 상품 또는 코디 상세 조회
추천 액션	추천 → 제품 상세 → 미보유 옷 저장 또는 추천 코디 저장 → 저장/싫어요 피드백 또는 추천 제외 → 구매 링크 이동
옷장 관리	옷장 → 보유/미보유 목록 및 통계 확인 → 옷 상세 조회 → 즐겨찾기/수정/삭제 → 미보유 옷 보유 전환
코디북 관리	코디북 → 저장 코디 목록 조회 → 코디 상세 조회 → 코디 수정 → 코디 삭제
마이페이지 관리	마이페이지 → 내 정보 조회/수정 → 소셜 계정 확인 → 외부 링크 관리 → 로그아웃 또는 회원 탈퇴
룩피드 사용	룩피드 → 피드 사진과 저장 코디 연결 업로드 → 좋아요/저장/댓글/대댓글/팔로우 반응 → 코디 공유 상세 조회

8. 화면 구조

main
├ 로그인 모달
│  └ 카카오/구글/네이버 로그인
│
├ 온보딩
│  ├ 기본 정보 입력
│  ├ 스타일 선택
│  └ 첫 옷 등록 안내
│
├ 추천 메인
│  ├ OOTD 추천
│  ├ 스타일 기반 추천
│  ├ 유사 상품 추천
│  ├ 어울리는 옷 추천
│  ├ AI MD 추천
│  └ 추천 상세
│     ├ 상품 상세
│     ├ 코디 상세
│     ├ 코디 저장
│     ├ 추천 피드백/추천 제외
│     └ 구매 링크
│
├ 옷장
│  ├ 보유 옷 목록
│  ├ 미보유 옷 목록
│  ├ 즐겨찾기
│  ├ 옷장 통계
│  ├ 옷 상세
│  ├ 옷 등록
│  │  ├ 구매내역 등록
│  │  ├ 사진 등록
│  │  ├ AI 판별/추출
│  │  └ 정보 편집/최종 저장
│  ├ 옷 수정
│  └ 미보유 옷 보유 전환
│
├ 코디북
│  ├ 저장 코디 목록
│  ├ 코디 상세
│  ├ 코디 수정
│  └ 코디 삭제
│
├ 프로필/마이페이지
│  ├ 내 정보 조회/수정
│  ├ 로그아웃
│  └ 회원탈퇴
│
├ 룩피드
│  ├ 룩피드 업로드
│  ├ 룩피드 프로필
│  ├ 공유 코디 목록
│  ├ 코디 공유 상세
│  ├ 좋아요/저장
│  └ 댓글/대댓글
│
└ 공통
   ├ 로딩
   ├ 404/500/네트워크 오류
   └ 서비스 소개/도움말

9. 기술 스택

구분	기술 / 도구	기술 선택 근거
Frontend	React 18.3.1	반복 UI의 컴포넌트 단위 구성과 상태 기반 화면 렌더링
Frontend	Vite 8.0.14	FE 개발 서버 실행과 React SPA 빌드
Frontend	TypeScript 6.0.3	TS/TSX 코드 작성, API DTO와 props 타입 검증
Frontend	React Router 7.15.1	화면 이동, 에러 페이지 진입, 라우팅 관리
Frontend	Axios 1.16.1	API 요청, 인증 토큰 헤더, 공통 에러 처리
Frontend	Tailwind CSS 4.3.0	모바일 웹 UI와 유틸리티 클래스 기반 스타일 구성
Frontend	Node.js 24+	FE 개발 서버 실행과 빌드 실행
Backend	Java 21 LTS	Spring Boot 기반 서버 개발
Backend	Spring Boot 3.5.14	REST API 서버 구성
Backend	Gradle	BE 의존성 관리, 빌드, 테스트 실행
Backend	Spring Data JPA	객체와 테이블 매핑, CRUD 구현
Backend	Spring Security / OAuth2 / JWT	소셜 로그인, 사용자 인증, 사용자별 접근 제어
Backend	Spring Data Redis / Redis 7	Refresh Token 저장
Backend	SpringDoc OpenAPI / Swagger	API 명세 확인
Database	MySQL 8.4	관계형 서비스 데이터 저장
Infra	Docker Compose	MySQL 8.4, Redis 7 컨테이너 실행
Infra	AWS EC2 · RDS · S3	서버 배포, 운영 DB, 목표 이미지 저장소 기준
테스트	Swagger	API 요청·응답 형식 확인, FE/BE 연동 오류 감소
External	Naver Shopping API	외부 상품 검색
External	Gemini API	사진/구매내역 분석과 AI 응답 생성
External	기상청 API	지역 기반 날씨 정보 조회

10. WBS 요약 / 주차별 스프린트

기간	목표	주요 작업
05/19 ~ 05/25	기획서 제출	기획서, 메뉴 구조, WBS, 와이어 프레임, ERD 정리
05/26 ~ 05/31	개발 환경 구축	FE/BE 초기 세팅, DB 연결, Git 규칙, API 초안
06/01 ~ 06/08	1차 핵심 기능 개발	로그인, 온보딩, 옷장 등록/조회, 중간 결과물 제출
06/09 ~ 06/16	추천/저장 기능 개발	추천 목록, 추천 상세, 미보유 옷 저장, FE/BE 통합, 배포 테스트
06/17 ~ 06/20	기능 마감 및 QA	기능 테스트 QA, 오류 수정, 배포 안정화
06/21 ~ 06/24	최종 정리	발표자료, 결과 보고서, README, 시연 영상
06/25	최종 제출	최종 산출물 링크 점검 및 제출
06/26	최종 발표	발표 및 서비스 시연