제가 Wayfair의 제품을 감시할 수 있는 AI 자동화 시스템을 구축했습니다. 네 가지 자동화를 구축한 과정은 다음과 같습니다.
저는 로컬 환경을 실행하기 위해 Docker를 사용한 n8n 로컬 환경을 활용했습니다. Docker로 n8n을 로컬에 설정하는 방법에 대한 자세한 내용은 [여기]에서 확인하세요.
프로젝트 1: 무드보드 생성기(MoodBoard Generator) - n8n과 다양한 LLM 모델을 사용하여 이미지를 생성합니다. LLM에 프롬프트를 제공할 때 매우 상세하게 설명하는 방법을 이해해야 합니다.
프로젝트 2: 소비자 트렌드 발견 AI 에이전트 구축 (Consumer Trend Discovery AI Agent) - 제품이 주류가 되기 전에 제품 트렌드를 포착합니다. Amazon 및 디자인 블로그와 같은 실제 데이터 소스를 스캔하여 어떤 것이 인기를 얻고 있는지, 그리고 그 이유를 파악하는 AI 시스템을 구축합니다. 전통적인 리서치 팀보다 빠르게 떠오르는 디자인 및 제품 트렌드를 감지하는 데 도움을 주는 소비자 트렌드 발견 AI 에이전트의 기반을 마련하며, 이는 더 스마트한 머천다이징(merchandising)과 빠른 제품 결정을 이끄는 통찰력을 제공합니다.
프로젝트 3: 시장 트렌드 발견 에이전트 데모 및 HTML 보고서:
[https://www.loom.com/share/9f1010b088364d14b242afd497194d42]
프로젝트 4: 콘텐츠 전략 생성기 v4 (Premium+) - Kyle Parsotan 데모:
[https://www.loom.com/share/2768243fd9ea47d1bd086278f7b071e9]
n8n을 사용하여 여러 AI 에이전트를 구축하여 트렌드 감지, 경쟁사 추적 및 마케팅 콘텐츠 생성을 위한 자동화된 워크플로우를 구현했습니다.
홈 가구 부문 전반에 걸쳐 심층적인 트렌드 분석을 수행하여 소비자 수요, 스타일 선호도 및 디자인 내러티브의 패턴을 파악했으며, 경쟁사의 가격 책정, 출시 및 캠페인을 추적하여 구조화된 통찰력을 추출했습니다.
에이전트 출력을 실시간으로 업데이트되는 Google Sheets 대시보드에 통합하여 트렌드 신호, 경쟁사 벤치마크 및 AI 생성 통찰력을 결합함으로써 카테고리 의사결정을 지원했습니다.
Github repo:
Extern - 프로그램 매니저가 자신의 데이터를 처리하는 것을 돕기 위해 n8n과 AI 에이전트로 구축된 Wayfair AI 자동화
Wayfair 인턴십 - AI 자동화 엔지니어 - 외부 핵심 프로젝트
Project 1: 디자인 아이디어를 시각 자료와 연결하는 무드보드 에이전트 생성
- 레벨: 쉬움 (Easy)
- 기술 스택: n8n 및 AI 또는 LLM
- 설명:
Project 2: 제품, 블로그 및 소셜 미디어 전반의 시장 수요 및 트렌드 발견
- 레벨: 중간 (Medium)
- 기술 스택: n8n 및 AI 또는 LLM
- 설명:
Project 3: 경쟁사 벤치마킹을 통한 '화이트스페이스(Whitespace)' 기회 발굴
- 레벨: 중간 (Medium)
- 기술 스택: n8n 및 AI 또는 LLM
- 설명:
Project 4: AI 기반 인사이트 및 마케팅 콘텐츠 아이디어 생성
- 레벨: 중간 (Medium)
- 기술 스택: n8n 및 AI 또는 LLM
- 설명:
프로젝트 5: 모든 것을 통합하는 실시간 시장 인텔리전스 대시보드 구축
- 난이도: 어려움 (Hard)
- 기술 스택: n8n 및 AI 또는 LLM
- 설명:
요약: n8n을 사용하여 여러 AI 에이전트를 구축하여 자동화된 워크플로우를 구현함...
GitHub에서 보기
