Choosey 추천 방법론과 데이터 기준
결과가 만들어지는 과정과 도구가 판단하지 않는 영역을 투명하게 설명합니다.
1. 추천 도구의 공통 원칙
Choosey의 목적은 사용자의 취향이나 능력을 대신 판단하는 것이 아니라 반복되는 일상 선택에서 비교할 후보를 빠르게 줄이는 것입니다. 각 도구는 사용자가 직접 고른 조건만 이용하고, 결과를 순위나 정답처럼 표시하지 않습니다. 무작위 선택이 포함된 도구는 같은 조건에서도 다른 결과가 나올 수 있으며, 이는 다양한 후보를 발견하게 하기 위한 의도된 동작입니다.
- 입력 조건과 맞지 않는 후보를 먼저 제외합니다.
- 조건을 만족하는 후보가 여러 개면 일부를 무작위로 선택합니다.
- 건강, 법률, 재무처럼 중요한 판단을 자동화하지 않습니다.
- 결과가 상황에 맞지 않으면 다시 선택하거나 사용자가 직접 수정할 수 있습니다.
2. 도구별 데이터와 결과 생성 방식
| 도구 | 데이터 기준 | 결과 방식 |
|---|---|---|
| 저녁 추천 | 62개 메뉴를 저녁·야식·디저트와 육류·채식·해산물·매운맛 등 조건으로 분류 | 식사 종류와 선호 태그를 모두 만족하는 후보 중 하나 선택 |
| 날씨 코디 | 남녀 코디 90개를 5개 기온 구간으로 분류 | Open-Meteo 현재 기온과 선택한 분류에 맞는 코디 3개 제시 |
| 활동 추천 | 100개 미션을 에너지 5단계와 실내·실외로 분류 | 두 조건이 일치하는 후보 중 하나 선택하고, 없으면 같은 에너지 단계에서 재탐색 |
| 결정력 테스트 | 10개 일상 취향 질문과 문항별 제한 시간 | 선택 내용이 아닌 응답 시간만 0~20점으로 변환해 총점 계산 |
| 동물상 테스트 | 브라우저 이미지 모델의 9개 외형 범주 | 상대적 분류 점수가 높은 상위 3개 후보와 비율 표시 |
3. 날씨와 이미지 데이터 처리
날씨 코디는 위치 사용에 동의한 경우 위도와 경도를 Open-Meteo 요청에 사용해 현재 기온과 일 최저·최고 기온을 가져옵니다. 위치 권한이 없거나 요청이 실패해도 기능이 멈추지 않도록 대체 흐름을 제공합니다. 현재 코디 분류는 기온을 중심으로 하며 습도, 바람, 강수량은 자동 계산에 포함하지 않으므로 사용자가 실제 상황에 맞게 겉옷과 신발을 조정해야 합니다.
동물상 테스트 사진은 브라우저의 TensorFlow.js 모델 입력으로 사용됩니다. Choosey에는 사진을 서버로 전송해 저장하는 업로드 엔드포인트가 없습니다. 모델 결과는 신원 확인이나 성격 분석이 아닌 오락용 시각 패턴 분류이며, 조명·각도·필터와 학습 자료 구성에 따라 달라질 수 있습니다.
4. 무작위 값과 통계 값의 구분
저녁과 활동 추천의 후보 선택에는 무작위성이 사용됩니다. 활동 결과 카드의 수행 확률도 실제 사용자 성공 기록을 집계한 통계가 아니라 재미를 위한 60~99% 범위의 표시입니다. 반면 결정력 테스트 점수는 브라우저에서 측정한 문항별 응답 시간을 정해진 구간으로 환산합니다. 통계가 아닌 값을 데이터 분석 결과처럼 오해하지 않도록 각 도구와 가이드에서 이 차이를 함께 안내합니다.
5. 검수와 오류 처리
- 데이터 파일의 필수 필드와 연결 이미지가 존재하는지 자동 검사합니다.
- 한·영 페이지에서 같은 기능이 작동하고 결과 언어가 섞이지 않는지 확인합니다.
- 조건에 맞는 후보가 없거나 외부 요청이 실패할 때 사용자가 돌아갈 수 있는 흐름을 둡니다.
- QnA의 오류 제보와 정정 요청은 Firestore 문의함에서 확인해 코드와 설명에 반영합니다.
6. 사용자가 최종 확인해야 하는 사항
추천은 현재 조건을 정리하는 보조 수단입니다. 알레르기, 건강 상태, 이동 안전, 복장 규정, 실제 날씨와 예산은 도구가 완전히 알 수 없습니다. 결과를 실행하기 전에 현재 상황과 맞는지 확인하고, 중요한 결정은 관련 전문가나 신뢰할 수 있는 사람의 검토를 우선하세요.
기술 참고: TensorFlow.js, Teachable Machine, Open-Meteo.