Dec 17

[데이터 관리/분석] PriceMate: 실시간 중고가격 분석 에이전트

기업, 연구소, 대학 등에서 사용되는 연구 장비, 사무기기, 실험 비품 등 다양한 자산은 지속적으로 구매, 교체, 처분된다. 그러나 현재 이러한 장비 자산 관리에는 구조적·반복적 문제가 존재한다.

1. 중고 거래 시세 정보의 분산과 반복적 수작업

중고 거래 시세 정보가 개별 게시글에 흩어져 있어 한눈에 보기 어렵다. 동일 상품이라도 기간, 지역, 관심수(찜), 채팅수 등에 따라 “적정 가격” 판단이 어렵다. 담당자는 LabX, BioSurplus, eBay, 국내 중고 플랫폼 등 여러 사이트를 일일이 검색하며, 수작업으로 가격을 비교·정리해야 한다. 이 과정은 매번 반복적으로 수행되며, 장비 종류가 많을수록 담당자의 업무 부담은 증가한다.

2. 상태·조건에 따른 가격 변동으로 인한 판단 난이도

실험 장비는 상태, 유지보수 이력, 교정 여부, 구매 연도, 옵션 등 조건에 따라 가격이 크게 달라, 자동화된 적정가 계산이 필요하다. 담당자는 단순 통계가 아닌, 조건별 차이를 고려한 가격 판단까지 수작업으로 수행해야 한다.

3. 내부 데이터 관리 부재로 인한 추가 업무

연구소 내부에는 장비 가치, 활용률, 시장 가격을 통합 관리할 중앙 시스템이 부족하다. 많은 조직이 장비 상태, 유지보수, 교정 기록을 스프레드시트 등 수작업 기반으로 관리하고 있으며, 체계적 기록 부재로 인해 자산 가치 평가가 어렵고, 불필요한 구매·폐기·낮은 활용률이 발생한다. 이로 인해 담당자는 반복적 확인, 수집, 비교, 보고 작업에 상당한 시간을 투자해야 한다.

결과적으로, 시세 정보 부족 + 장비 상태 정보 부족 + 데이터 파편화가 결합하여, 적정가 판단과 장비 자산 의사결정이 대부분 수작업과 경험에 의존하게 된다. 이러한 반복적·시간 소모적 업무를 자동화하는 것이 현업 효율성을 크게 개선할 수 있는 핵심 과제이다.

n8n 워크플로로 일정 주기마다 중고 거래 API/페이지를 호출하여 XML → JSON → 가공된 레코드로 정리한다.
정제된 데이터(crawlDate, price, title, keyword, wishCount, chatCount 등)를 Google Sheets에 저장해 시계열·통계 분석의 기반으로 사용한다.
Upstage Solar LLM으로 상품별 시세 특징·요약을 생성하고, 이를 임베딩 후 Qdrant Vector Store에 저장해 의미 기반 검색(RAG)용 지식 베이스를 만든다.
두 번째 워크플로에서 AI Agent가 Qdrant(시세 해설)와 Google Sheets(원시 시세 데이터)를 “툴”로 호출해, 사용자의 질문에 맞는 통계 + 해설을 생성한다.

대화형 시세 상담 에이전트이다. 크게 3가지 구조를 통해 사용자에게 해당 서비스를 제공한다.

첫번째. 데이터 수집·정제 파이프라인

(1) HTTP Request 노드로 중고 게시글 데이터 수집
(2) XML → JSON 변환 후 JavaScript 노드에서 필드 정리·형 변환
(3) crawlDate, productDate, keyword, price, title, url 등을 Append or update row in sheet 노드로 Google Sheets에 적재

두번째. LLM 기반 시세 분석 및 벡터화

(1) Solar LLM 노드에서 각 상품군/기간에 대해 “시세 요약·특징 3줄” 등 설명 텍스트 생성
(2) Character Text Splitter + Upstage Embeddings Model로 임베딩 생성
(3) 분석 텍스트와 메타데이터를 Qdrant Vector Store 컬렉션(n8n_samples)에 저장

세번째. 대화형 시세 상담 에이전트

“When chat message received” 트리거로 사용자의 질문(예: “가장 싼 장비 중고가 어느 정도야?”) 수신

AI Agent는 다음과 같은 기능을 한다.

(1) Qdrant Vector Store 툴: 질문 임베딩으로 유사 분석 문서를 검색
(2) Google Sheets 툴: 해당 키워드의 실제 가격 목록/평균/최댓값·최솟값 등 조회
(3) Simple Memory: 이전 대화 맥락 유지

그리고 Solar Chat Model이 검색 결과와 시트 통계를 종합해, 최근 시세 범위, 평균·중간값, 거래 활발도(찜/채팅 수), 사용자가 제시한 가격이 비싼지/싼지에 대한 코멘트등을 자연어로 답변하는 구조이다.

[데이터 관리/분석] PriceMate: 실시간 중고가격 분석 에이전트

📌 프로젝트 소개

🧐 문제 정의

💡 문제 해결

⚙️ 핵심 기능

🎬 데모 영상

👥 팀원 소개

💾 참고 자료