30분 시연 스크립트
6분 읽기
목표: 30분 안에 PoC가 "컨셉이 아닌 동작"임을 입증 + 5 부서 시각·3 BU 통합·외부 4종 시그널 결합·거버넌스 4가지 가치 전달.
0. 시연 전 준비 (5분, 시연 시간 외)
| 체크 | 내용 |
|---|---|
| ✅ | Top-5 (S1·S2·S3·S5·S7) 모두 1분 내 응답 |
| ✅ | 페르소나 5개 모두 사이드바 정렬 확인 |
| ✅ | cohort_tag 배지 (🟢/🟡/🔵) |
| ✅ | 챗봇 SSE 트레이스 패널 정상 |
| ✅ | 백업 시나리오 (S4·S6·S8) 1회 사전 검증 |
| ✅ | 외부 데이터 라이브 (소셜·기상·경제·경쟁사) |
1. 오프닝 (3분)
"이 PoC는 LG생활건강 마케팅 혁신 본부가 부서별 데이터를 연결하고, 각 업무에 맞게 활용하는 방식을 시연합니다. 설계에는 LG 멤버스 N=500~5,000건, 합성 회원 49.5K, 외부 시그널 4종이 포함됩니다. 실데이터 코호트는 데이터 소스 명세에서 설정한 가정입니다."
결과를 발표하기 전에 실제 사용할 수 있는 데모 코호트와 실시간 외부 연동을 확인하세요. 시뮬레이션한 입력과 출력은 시연 화면에 표시합니다.
핵심 메시지 4개:
- 컨셉이 아닌 동작 시연 — 챗봇·그래프·시뮬 모두 작동
- 5 부서 페르소나 스위처 — 브랜드 마케터 / 인사이트 / D&A / CRM·LG 멤버스 / MD
- 3 BU 통합 — Beauty + HDB + Refreshment를 단일 KG로 — 회원이 BU·채널 가로지르는 행동 시각화
- 외부 4종 시그널 결합 — 소셜·기상·경제·경쟁사 — 자사 데이터만으로 보이지 않던 신호
2. Top-5 시연 (20분)
Step 1 ─ S1. 자연어 시맨틱 검색 (4분)
"먼저 자연어 검색입니다. 브랜드 마케터로 들어가보겠습니다."
- 페르소나: P1 (브랜드 마케터)
- 입력: "30대 여성 민감성 두피, 오가닉 선호, 최근 90일 미구매 + 올영 별점 4.5↑"
- 결과: SKU 카드 + 회원 카드 + 자사·올영 리뷰 통합 카드
- 강조: "BM25 + 임베딩 KNN + Reranker가 RRF로 융합되고, 자사 리뷰뿐 아니라 올영·X 외부 리뷰까지 함께 보여줍니다. Neptune 1-hop 그래프로 의미 + 관계도 동시에."
Step 2 ─ S2. 페르소나 챗봇 (5분, 시연 하이라이트)
"이번엔 챗봇입니다. MD 페르소나로 시작."
- 페르소나: P5 (MD·채널 영업)
- 입력: "이번 달 페리오 매출 떨어진 채널 TOP 5와 원인은?"
- 우측 트레이스: "channel_metrics_push → weather_join → social_trend_join 자율 호출"
- 답변 후 페르소나 스위처 P1 (브랜드 마케터)로
- 동일 질의 재입력
- "같은 데이터인데 답변 톤·KPI(채널→캠페인)·다음 액션 모두 변경. 이게 부서 페르소나 차별점입니다."
Step 3 ─ S3. 인사이트 카드 (4분)
"보고서 자동화 + 외부 시그널 결합."
- 페르소나: P3 (D&A)
- 카드: "Beauty BU 월별 GMV + 검색 트렌드 + 기상"
- 클릭 → AgentCore Code Interpreter가 matplotlib PNG + LLM 코멘트
- 페르소나 P5(MD)로 스위치 → 같은 카드, 다른 코멘트 (GMV·재고)
- 강조: "외부 4종 시그널을 이미 결합한 자동 카드 — 매주 만들던 보고서를 한 클릭으로."
Step 4 ─ S5. 캠페인 ROAS 시뮬 (4분)
"마케팅 ROI 시뮬도 동작합니다."
- 페르소나: P1 (브랜드 마케터)
- 입력: 예산 1억 / 숨37 신상 / VIP 5만
- 결과: 추천 채널 믹스 donut + ROAS 분포 violin
- 가설 변경(SNS +20%) → ROAS 즉시 변화
- 강조: "검색 트렌드·SNS 반응 결합으로 캠페인 효과 vs 트렌드 효과 분리 — 점추정이 아닌 신뢰구간 분포."
Step 5 ─ S7. 옴니채널 회원 여정 (3분)
"마지막은 3 BU 통합."
- 페르소나: P4 (CRM·LG 멤버스)
- 입력: 고가치 회원 ID 1명 / 90일
- 결과: 자사몰(Beauty) → SNS 광고(HDB) → 올영(Beauty) → CU(Refreshment) → VIP 진입 Swimlane 타임라인
- 강조: "Beauty·HDB·Refreshment가 분리된 데이터를 하나의 KG로 연결 — 회원이 BU·채널 가로지르는 행동을 단일 타임라인."
3. 거버넌스·데이터 신뢰성 (3분)
3.1 cohort_tag 분리 (30초)
- 결과 카드 🟢🟡🔵 배지 시연
- "실데이터 / 합성 / 외부 4종이 모든 카드에 명시"
3.2 가드레일 (S8) (1분)
- "동의 미수신 5만명 SMS 시뮬" → 도구 차단 + 사유
- "회원 cust_001234 연락처" → PII 마스킹
- "미성년 추정 회원에게 화장품 캠페인" → 자동 차단
3.3 AWS Stack 1장 (1분 30초)
- 단일 아키텍처 다이어그램
- "Bedrock + Neptune + OpenSearch + AgentCore + Cohere — 8주 PoC 가능"
4. 클로징 (4분)
4.1 정리 (2분)
"오늘 보신 5개는 8개 시나리오 중 일부입니다. S4(페르소나 매칭+클러스터링), S6(외부 시그널 융합), S8(가드레일)도 동일 패턴으로 동작합니다."
4.2 다음 단계 (2분)
| 단계 | 기간 | 산출물 |
|---|---|---|
| Discovery | 2주 | 자사 데이터 인벤토리 + 외부 4종 접근성 검토 |
| PoC 8주 | 8주 | Top-5 (실데이터 N=500~5K) |
| 확장 | +4주 | 8 시나리오 풀세트 + 가드레일·감사 |
| 운영 전환 | +8주 | LLMOps + ECS 안정화 |
"8주 안에 LG생활건강 실데이터로 오늘과 같은 시연이 가능합니다."
5. Q&A 자주 나오는 질문
| 질문 | 답변 핵심 |
|---|---|
| 왜 RAG가 아니고 KG? | 단순 RAG는 의미만, KG RAG는 의미+관계. S5(어트리뷰션), S7(여정)은 KG 없이 불가 |
| 한국어 형태소? | OpenSearch Nori + Cohere embed-v4 |
| 비용은? | PoC 8주 약 $4K~$6K/월 |
| 자사가 Snowflake 보유 시? | Glue로 Snowflake → S3 동기. 본 아키텍처 그대로 적용 |
| 외부 데이터 라이선스? | 공개 API 위주 + PDPA·약관 준수 검토 필요 |
| BU 일부만 PoC 가능? | 가능. Beauty 단독으로 시작해도 동일 패턴 |
| 운영 전환 시 차이? | 인프라 동일 + 모니터링·LLMOps·가드 강화 |
6. 시연 실패 시 백업
| 실패 | 대응 |
|---|---|
| 챗봇(S2) 응답 지연 | 캡쳐 스크린샷 → 다음 시나리오 |
| Neptune 쿼리 실패 | S1·S3·S5로 우회 |
| 외부 API(KMA·소셜) 끊김 | 사전 캐시 fallback |
| 페르소나 스위처 버그 | URL 직접 (?persona=p1) |
7. 시연 후 자료 패키지
- 시연 녹화 (15분 편집본)
- 8 시나리오 디자인 명세 (
06-design-spec/) - AWS 단일 아키텍처 다이어그램
- 8주 PoC 마일스톤 + 비용 추정
- KG 25 클래스 모델 (
02-ontology.md) - 데이터 적재 가이드 (
04-data-sources.md)