두어AI Product Engineer
2.0 (4)두어스
경력근거: 수천만 원 매출 달성하는 복수의 크리에이터 발생시키며 PMF 확인
어제 확인채용 공고 보기
※ 실제 산출물이 아닌 AI 예측 시안입니다.
두어스 ZVZO는 크리에이터별 매출·성과 데이터로 PMF를 확인한 커머스라, 크리에이터 성과 인사이트와 상품 추천 도구는 ZVZO의 실제 크리에이터 성과 데이터가 있어야 추천을 검증합니다.
'수천만 원 매출 크리에이터 발생, PMF 확인'. 성과 인사이트가 크리에이터 성장의 핵심.
'MAU 30만, 브랜드 100여곳'. 데이터로 성과 인사이트를 자동화할 규모.
'초기 멤버'. 인사이트+추천이 혼자 E2E 로 만들 만한 문제.
크리에이터 판매·콘텐츠 데이터를 받아 잘 팔릴 상품·콘텐츠를 근거와 함께 짚고 성과 인사이트를 생성하는 1주 포트폴리오입니다.
두어스 PE. 크리에이터가 무엇을 팔지 감으로 고르던 일을, 성과 인사이트 + 상품 추천 도구로 옮기고 싶은 사람입니다.
판매·콘텐츠에 성과 지표를 붙이면, 도구가 (a) 잘 팔릴 상품을 근거와 함께 추천하고 (b) 성과 인사이트를 제시합니다.
판매·콘텐츠 데이터를 받아 잘 팔릴 상품을 근거와 함께 추천하고 성과 인사이트를 내는 동작하는 도구입니다.
추천 상품의 실제 판매·전환으로 적합도를 재고, 인사이트 정확도를 보여주는 대시보드입니다.
크리에이터별 주간 성과 리포트를 자동 생성하는 단계입니다.
판매·콘텐츠를 넣으면 추천 상품과 성과 인사이트가 근거와 함께 나오는 걸 시연합니다.
추천 근거로 인용한 성과 지표가 실제 데이터와 일치하는 비율 100%
측정: 근거 일치 규칙, 표본: 추천 200건
일부러 만든 결측·경계·미등록 크리에이터 30종을 넣어도 추천이 멈추지 않고 처리되는 걸 시연합니다.
위 수치는 더미데이터 자가채점이며, 실제 추천 적합도는 두어스 실데이터 + 실 검수자가 있어야 측정 가능합니다. 이 포트폴리오는 그 검증을 바로 돌릴 수 있는 상태까지 만듭니다.
수치는 합성 데이터 자가채점이라 성능 증명이 아닙니다. 면접에서는 데모 동작과 실검증 준비 상태로 솔직히 설명합니다.
정답을 작성자가 만들었으니 잘 맞는 것이 당연합니다. 결측·경계·미등록·표기 흔들림 케이스를 더미에 일부러 섞어 쉬운 문제만 푸는 게 아님을 보여줍니다.
인기 편향: 잘 팔린 상품이 과대 추천될 수 있어 노출 보정·신상품 규칙을 둡니다.
실제 도입 시 달라지는 것: 실 크리에이터 판매 분포가 더미와 다르므로 추천 기준을 실데이터로 맞춰야 한다(도입 단계 과제)
① 인라인 샘플 · ② seed.json 다운로드 · ③ 증강 프롬프트. 세 층 모두 동일한 schema 에서 파생.
크리에이터 판매·콘텐츠를 묶어 성과·추천 입력으로 쓴다
| post_id | creator_raw | creator_id | product | views | sales | conv |
|---|---|---|---|---|---|---|
| PO900 | OO크리(구) | — | 상품0 | 0 | — | — |
| PO901 | 크리에이터0 | cr0 | 상품1 | 100,000 | 0 | 0 |
| PO902 | 대박상품 | cr2 | 상품2 | 500 | 500 | 1 |
| PO903 | 미등록크리 | — | 상품3 | 2,000 | 5 | — |
| PO000 | 크리에이터0 | cr0 | 상품0 | 1,000 | 10 | 0.01 |
{"type":"object","properties":{"post_id":{"type":"string"},"creator_raw":{"type":"string"},"creator_id":{"type":["string","null"]},"product":{"type":"string"},"views":{"type":"number"},"sales":{"type":["number","null"]},"conv":{"type":["number","null"]}},"required":["post_id","creator_raw","creator_id","product","views","sales","conv"]}. 쉬운 데이터만 만들지 말 것. 다음 하드 케이스를 의도적으로 섞어라: sales/conv null(미집계), views 0·conv 0/1 극단, creator_id null 미등록, creator_raw 표기 흔들림. 형식 깨뜨리기 시도 3건도 별도로.{"type":"object","properties":{"post_id":{"type":"string"},"creator_raw":{"type":"string"},"creator_id":{"type":["string","null"]},"product":{"type":"string"},"views":{"type":"number"},"sales":{"type":["number","null"]},"conv":{"type":["number","null"]}},"required":["post_id","creator_raw","creator_id","product","views","sales","conv"]}| Python | 판매·콘텐츠 ingest + 추천 + eval(공고 스택 미명시 → 도메인 기반 추론) |
| TypeScript | 추천 렌더 + Zod 검증 |
| React | 성과 대시보드 |
| Next.js | 앱 셸 |
| Node.js | 추천 API |
| LLM | 성과 인사이트 + 추천 설명 |
✓ pass → 그대로 멈춰도 완성품입니다. 더 키우려면 2주차(추천 검증)로 갑니다.
✓ pass → 여기서 멈춰도 완결입니다. 더 키우려면 3주차(자동 성과 리포트)로 갑니다.
성과 인사이트 + 추천
{"type":"object","properties":{"creator_id":{"type":"string"},"top_products":{"type":"array","items":{"type":"object","properties":{"product":{"type":"string"},"score":{"type":"number"}},"required":["product","score"]}},"insight":{"type":"string"}},"required":["creator_id","top_products","insight"]}[
{
"creator_id": "cr0",
"top_products": [
{
"product": "상품1",
"score": 0.8
}
],
"insight": "전환 높은 카테고리 집중 추천"
},
{
"creator_id": "cr9",
"top_products": [],
"insight": "데이터 부족. 확인 필요"
}
]top_products 근거 정합성은 자동 검증, insight 타당성은 사람/judge 검증.