고객에게 뚜렷한 경험을: 컬리의 후기 이미지 처리 기술
후기 이미지의 흐림 탐지 정확도를 높이기 위해 CNN 학습과 데이터 증강을 실험했습니다. 라플라시안 윤곽선의 표준편차 기반 룰로 precision 약 90%를 달성했습니다.


후기 이미지의 흐림 탐지 정확도를 높이기 위해 CNN 학습과 데이터 증강을 실험했습니다. 라플라시안 윤곽선의 표준편차 기반 룰로 precision 약 90%를 달성했습니다.

컬리의 후기 이미지 흐림 판별 개선 과정을 정리했습니다. 딥러닝 실험의 한계를 확인한 뒤 라플라시안 필터와 표준편차 기반 방식으로 정확도를 높였습니다.

홈 화면 퀵메뉴를 스와이프형 구조와 솔리드 아이콘으로 설계해 신규 서비스 진입을 유도했습니다. 컬리멤버스에는 혜택을 강조한 모션 아이콘을 적용해 가입률 상승 요인을 검증했습니다.

컬리 홈 화면에 퀵메뉴를 도입해 신규 비즈니스와 이벤트 진입을 높이는 디자인 과정을 소개했습니다. 아이콘 스타일과 모션을 개선해 멤버십 가입율 상승 요인까지 검증했습니다.

TC 수용력과 배송시간을 반영한 조합 최적화로 권역 배정을 개선했습니다. OR-Tools 기반 도구화와 운영 피드백 반복으로 현실 적용성을 높였습니다.

컬리는 TC-권역 할당을 조합 최적화 문제로 정의해 배송 효율을 높이는 방법을 소개했습니다. OR-Tools의 solver와 현실 데이터를 활용해 권역 재분할까지 적용했습니다.

MySQL 조회 병목을 해결하기 위해 후기 서비스에 AWS OpenSearch를 5일 만에 도입했습니다. CQRS·이벤트 기반 구조와 모니터링으로 레이턴시를 17초에서 200ms까지 낮췄습니다.

후기 서비스의 조회 병목을 해결하기 위해 AWS Opensearch를 도입한 사례를 정리했습니다. CQRS와 이벤트 기반 구조로 전환하고 성능 테스트와 모니터링까지 함께 적용했습니다.

JPA의 건별 INSERT 한계를 JDBC 배치 INSERT로 개선한 사례를 소개했습니다. PK 추론으로 1:N 외래키를 연결해 처리 시간과 DB 부하를 줄였습니다.

BULK 처리의 Write 성능 개선을 중심으로 JPA와 JDBC의 차이를 정리했습니다. last_insert_id와 PK 연산을 활용해 FK 포함 대량 적재를 빠르게 처리하는 방법을 설명했습니다.

컬리로그팀은 푸드 페스타에서 고객 인터뷰를 진행해 실제 사용 맥락과 인지 문제를 확인했습니다. 수집한 피드백과 프로토타입 평가를 로드맵 우선순위 설정에 활용했습니다.

컬리로그팀이 컬리 푸드 페스타 현장에서 고객을 직접 만나 관찰과 인터뷰를 진행했습니다. 실제 피드백으로 페르소나와 로드맵을 재정비하며 고객 공감의 필요성을 확인했습니다.

뷰티컬리를 프리·그랜드 오픈으로 나누고 고객 여정 중심 기능을 순차적으로 론치했습니다. 전사 협업과 목표 중심 소통, 참여형 회고 방식의 경험을 공유합니다.

뷰티컬리 확장 사례를 통해 고객 여정 기준의 우선순위 설계와 순차적 론치 방식을 소개했습니다. 또한 유관 부서·프로젝트 팀과의 협업, 일정 조율, 회고 운영까지 실무 경험을 공유했습니다.

컬리 개발자들이 직접 구매한 상품을 상황별로 추천했습니다. 집들이, 다이어트, 집밥, 간식과 생활용품까지 폭넓게 소개합니다.

컬리 개발자들이 실제로 구매해 추천하는 제품들을 상황별로 큐레이션한 글입니다. 집들이 음식부터 다이어트 식단, 코딩 간식, 생활용품까지 다양하게 소개했습니다.

Spring AOP와 Redisson으로 어노테이션 기반 분산락 컴포넌트를 구성했습니다. 트랜잭션 커밋 후 락을 해제해 재고 차감과 중복 등록의 정합성을 검증했습니다.

외부 솔루션의 UX·운영·데이터 한계를 해결하기 위해 자체 웨비나 시스템을 구축했습니다. AWS IVS, Sendbird, DynamoDB 기반 서버리스 구조로 빠른 출시와 확장성을 확보했습니다.
