AI 추천이 너무 일반적일 때 프로필 맥락을 붙이기

사진 분석 결과만으로 추천을 만들면 문장이 그럴듯해도 사용자에게 딱 맞는 느낌이 약하다. 같은 건조 신호라도 나이대, 피부 타입, 현재 루틴, 사용자가 직접 적은 고민에 따라 다음 행동은 달라진다.

초기 추천 API는 상품과 분석 결과를 연결하는 데 집중했지만, 어느 순간 추천이 너무 일반적인 문장으로 느껴졌다. AI가 사용자의 맥락을 충분히 받지 못하고 있었던 것이다.

추천 API는 프로필 상세, 분석 세션, AI 리포트, 루틴 정보를 함께 읽도록 확장했다. AI 리포트 프롬프트에도 profile details와 self concerns를 넣어 사용자의 실제 고민을 더 잘 반영하게 했다.

이 구조는 추천을 단순 상품 매칭에서 피부 코칭에 가깝게 만든다. 사용자의 상태를 더 많이 안다고 해서 단정하는 것이 아니라, 같은 결과를 더 조심스럽고 개인적인 문장으로 설명하는 데 쓰는 것이다.

추천은 여러 데이터가 합쳐지는 API라 어느 한 조각이 비어도 결과가 약해질 수 있다. 분석 세션은 있는데 상품 후보가 없거나, 프로필이 아직 충분하지 않은 경우도 있다.

그래서 fallback product와 기본 추천 문장을 준비했다. 완벽한 개인화가 아니더라도 사용자가 다음으로 볼 수 있는 항목은 남겨두는 편이 좋다.

AI 추천은 ‘상품을 많이 보여주는 기능’이 아니라 ‘사용자가 지금 왜 이걸 봐야 하는지 설명하는 기능’이다.

앞으로도 추천 품질을 높일 때는 모델만 바꾸기보다, AI에게 전달하는 사용자 맥락과 fallback 설계를 먼저 점검해야 한다.