창업 사업 기획서 챗봇 (사업아이템 및 투자전략 지원)
📌 프로젝트 소개
창업 아이디어 및 사업계획서 작성 과정을 지원하는 AI 기반 챗봇입니다.
사용자가 입력한 데이터를 기반으로 투자 전략, 시장 분석, 고객 페르소나 등 사업계획서 작성의 핵심 섹션을 자동화합니다.
🎯 프로젝트 핵심 목표
- 창업 과정의 효율성 향상
- 사업계획서 작성 및 분석 과정을 자동화하여 시간과 비용 절감.
- 사용자 중심의 대화형 인터페이스 제공
- 창업 아이디어, 타겟 고객, 시장 분석 등 대화형으로 필요한 정보를 제공.
- 결과물 저장 및 활용 기능 강화
- 생성된 분석 데이터를 텍스트(CSV, PDF) 파일로 다운로드 가능.
🌟 Key Summary
✅ 가장 돋보이는 성과
- Streamlit 기반 UI 설계: 사용자 친화적인 인터페이스 제공.
- FastAPI와 LLM 통합: 실시간으로 창업 아이디어에 대해 맞춤형 분석 결과를 제공.
- 임베딩 기반 데이터 검색: 대규모 창업 데이터를 효율적으로 활용한 결과 생성.
- sqlite로 DB 운용: 대화 기록을 담은 chat_history.db를 사용해 기록 확인 및 검색 기능 제공
🏗️ 인프라 아키텍처 & 적용 기술
시스템 개요

⚙️ 주요기능
1.대화형 인터페이스
- 사용자가 창업 아이디어를 입력하면 실시간으로 피드백 제공.
- 예시 질문:
- "고객 타켓팅을 어떻게 설정하면 좋을까?"
- "내 시장 규모를 분석해줘."
2.섹션별 결과 생성
- 고객 현황 분석, 시장 규모 평가 등 창업에 필요한 주요 데이터를 분석
🛠️ 기술적 고도화
**[성과 및 기술적 깊이: 고객 페르소나 분석]**
[구현한 기능]
- 고객 데이터를 분석하고 타겟 고객의 특징을 도출하는 기능.
[주요 로직]
- LangChain 기반의 LLM과 데이터 임베딩 기술을 사용하여 입력된 데이터를 분석.
- 데이터를 토큰화하고 주요 패턴을 시각화하여 사용자에게 제공.
[배경 및 요구사항]
- 배경: 창업 초기 단계에서 타겟 고객을 명확히 설정하는 것이 성공의 핵심.
- 요구사항: 입력 데이터를 분석하여 연령, 관심사, 주요 니즈 등의 고객들을 파악
[의사결정 및 성과]
- 기술 도입: Langchain을 사용하여 빠르고 정확한 데이터 처리.
- 결과: 고객 맞춤 텍스트가 생성 정확도가 개선됨
**[성과 및 기술적 깊이: 시장 규모 분석]**
[문제 정의]
- 시장 규모를 추정할 떄 데이터를 체계적으로 정리하고 제공하는 기능이 부족.
[해결 과정]
- 임베딩 기반 데이터 검색: 관련 데이터베이스에서 정확한 시장 데이터를 추출.
- FastAPI와 통합: 실시간 응답 속도를 유지하면서 대량 데이터를 처리.
[결과]
- 분석 결과 응답 시간 단축
- 시장 규모 추정 정확도 상승
**[성과 및 기술적 깊이: 이전 대화의 일부를 포함해 응답 생성]**
[문제 정의]
- 이전에 나눴던 대화 내용을 기억하지 못해, 대화 주제에 대한 점진적인 응답 생성이 어려움
[해결 과정]
- sqlite를 사용하여 모든 대화 내역을 chat_history.db로 저장
- DB에서 가장 최근의 대화 내역 20개를 가져와 사용자의 질문과 함께 응답 생성
[결과]
- 이전의 대화 내역을 기억하여, 과거의 대화를 바탕으로 하는 답변 생성이 가능
- 점진적인 문답이 가능해, 보다 더 깊고 정확한 내용의 대화가 가능
🤝역할 분담 및 협업 방식
역할 | 담당자 | 주요 업무 |
---|
팀장 | 윤수용 | 자료 크롤링, FastAPI 설계 및 시스템 통합 |
데이터 처리 | 이형민, 정석훈 | 자료 임베딩, 데이터 전처리, RAG 모델 설계 |
UI 개발 | 이지훈 | Streamlit UI 설계, 발표자료 제작 |
📈성과 및 회고
성과
- 창업 관련 챗봇으로서 데이터 기반 분석 결과 제공.
- 시장 분석 및 고객 분석 기능으로 사용자 신뢰도 향상.
회고 및 향후 계획
- 잘된 점: FastAPI와 Streamlit의 통합으로 빠르고 직관적인 시스템 완성.
- 아쉬운 점: 초기 데이터셋 부족으로 일부 분석 결과의 신뢰도가 낮음.
- 향후 계획: 시장 매출분석 데이터를 확장, 모델 정교화를 통해 성능 개선.
🔧기술 스택
기술 | 상세 내용 |
---|
언어 | Python |
라이브러리 | Streamlit, Pandas |
프레임워크 | LangChain, FastAPI |
버전 관리 | Git, GitHub |
DB | SQLite |
📂결과물
- 사용자 인터페이스: Streamlit 기반 대화형 챗봇.