상품 데이터 LLM 모델링 튜토리얼

"상품 데이터 LLM" · "PIM JSON schema" — 교육 ③ · 카탈로그를 기계가 읽게 만드는 튜토리얼.

왜 모델링이 먼저인가
LLM은 없는 옵션·가격을 그럴듯하게 만듭니다. 구조화된 상품 레코드 + RAG가 유일한 안전장치입니다.

최소 상품 스키마 (JSON)

```json
{
"sku": "SKU-2024-001",
"title": "오가닉 코튼 티셔츠",
"price_krw": 39000,
"options": [{"name":"색상","values":["화이트","네이비"]}],
"materials": ["면 100%"],
"care": "찬물 단독 세탁",
"shipping": {"lead_days": 2, "fee": 3000},
"return_policy_id": "RP-14D",
"faq_ids": ["FAQ-size","FAQ-shrink"]
}
```

필드 규칙

필드	LLM용	금지
price_krw	숫자만	"약 4만원"
options	열거형	추측 색상
return_policy_id	ID→문서 join	약관 요약만

청크 전략 (RAG)

• 1 SKU = 1~3 청크 (기본정보 / 옵션·소재 / 배송·AS)
• 메타데이터: category, brand, season, margin_tier

Lab 3-1 · CSV → JSON (팀 과제)

1. ERP·스마트스토어 상품 CSV 100행 export
2. 위 스키마로 Zod·Pydantic 검증 스크립트
3. 실패 행 수동 수정 — LLM에게 맡기지 않음

다음 ④ CS RAG

프롬프트 3-2 · 상품 Q&A (temperature=0)

```
당신은 쇼핑몰 CS assistant입니다.
아래 CONTEXT만 사용해 답하세요. 없으면 "확인 후 연락드리겠습니다"라고 하세요.
CONTEXT:
{{product_json}}
{{policy_snippet}}

질문: {{user_question}}
```

핵심 키워드

· JSON
· PIM
· 청크
· 검증