Show 3 real Korean Base vs Best examples and concise metrics

README.md

@@ -18,13 +18,16 @@ tags:
 - **창업·브랜드 전략:** 사업 목표와 조직 조건에 맞춘 대안 검토와 우선순위 설정
 - **디자인 지원사업:** 수행 단계별 대응 방안, 산출물 검토, 리스크 관리
 
-## 답변 예시
+## 디자인 업무에서의 활용
 
-Llama 기반 모델의 응답 예시입니다. **Base**는 기본 모델, **Best**는 튜닝 모델이며, 두 답변 모두 같은 입력에 대한 실제 출력의 발췌입니다.
+문제를 정리하고, 디자인 대안을 비교하고, 실행 기준을 맞추는 과정에 활용할 수 있습니다.
+아래는 Llama 기반 모델의 답변 예시입니다. **Base**는 기본 모델, **Best**는 튜닝 모델입니다.
 
-### 1. 전자상거래: 추천 이유를 납득하고 싶은 소비자
+### 1. 상품 탐색 경험을 개선할 때
 
-**입력**
+전자상거래에서 이미 구매한 상품과 비슷한 제품만 반복 추천됩니다. 사용자는 필요한 연관 상품을 찾기 어렵고, 왜 이 제품을 추천하는지도 알고 싶어 합니다. 디자인팀은 추천 목록과 탐색 화면을 어떻게 바꿀지 검토합니다.
+
+**모델에 전달한 내용**
 
 ```text
 [RAG 데이터 주입]
@@ -38,13 +41,17 @@ Llama 기반 모델의 응답 예시입니다. **Base**는 기본 모델, **Best
 
 | Base | Best |
 |---|---|
-| Based on the provided RAG data, I will propose two design strategies to address the pain point of &quot;algorithmic isolation&quot; for a 30-year-old male consumer who prioritizes time-efficient and data-driven decision-making. | [핵심 문제 정의]<br>핵심 문제 정의: 정보 과잉 상태에서 타겟의 논리적 판단을 방해하고 탐색 효율을 저하시키는 추천 알고리즘의 단순성 및 정보 밀도 문제.<br><br>[중간 구간 생략]<br><br>[전략 3]<br>[페인포인트 극복 핵심 문제 정의]<br>&quot;비선형 탐색의 복잡성을 보완하고, &#x27;왜 이 제품이 내게 필요한지&#x27;를 논리적으로 증명해야 함.&quot;<br>[대립 가치 디자인 전략]<br>&quot;논리적 연관성 증명 카드 (Opposing Value: 비인туитив적 탐색의 인지적 보완)&quot;<br>[실행 방안]<br>&quot;1. 유사성 기반 추천 결과 옆에 &#x27;이 제품을 고른 이유&#x27;를 요약한 논리적 카드 슬라이드를 배치함. 2. &#x27;이 제품과 비슷한 이유로 30대 타겟이 많이 구매함&#x27;이라는 통계 데이터를 결합함.&quot; |
+| Based on the provided RAG data, I will propose two design strategies to address the pain point of &quot;algorithmic isolation&quot; for a 30-year-old male consumer who prioritizes time-efficient and data-driven decision-making. | [핵심 문제 정의]<br>핵심 문제 정의: 정보 과잉 상태에서 타겟의 논리적 판단을 방해하고 탐색 효율을 저하시키는 추천 알고리즘의 단순성 및 정보 밀도 문제.<br><br>...<br><br>[전략 3]<br>[페인포인트 극복 핵심 문제 정의]<br>&quot;비선형 탐색의 복잡성을 보완하고, &#x27;왜 이 제품이 내게 필요한지&#x27;를 논리적으로 증명해야 함.&quot;<br>[대립 가치 디자인 전략]<br>&quot;논리적 연관성 증명 카드 (Opposing Value: 비인туитив적 탐색의 인지적 보완)&quot;<br>[실행 방안]<br>&quot;1. 유사성 기반 추천 결과 옆에 &#x27;이 제품을 고른 이유&#x27;를 요약한 논리적 카드 슬라이드를 배치함. 2. &#x27;이 제품과 비슷한 이유로 30대 타겟이 많이 구매함&#x27;이라는 통계 데이터를 결합함.&quot; |
+
+**업무에 적용하기**
+
+이 답변은 추천 화면의 설계 방향을 논의할 때 사용할 수 있습니다. 추천 카드에 선택 이유를 보여주는 방식을 시안으로 만들고, 사용자가 추천 근거를 이해하는지 확인합니다. 유사상품을 더 보여주는 것과 필요한 연관 상품을 발견하게 하는 것은 다르므로, 탐색 결과가 다양해지는지도 함께 검토합니다.
 
-추천 이유를 설명하는 카드 UI와 탐색 화면의 구성까지 제안합니다.
+### 2. 가구 AR 서비스의 개선 방향을 정할 때
 
-### 2. 가구 AR 커머스: 화면 품질과 구매 확신의 구분
+가구 AR 서비스의 체험 시작률은 44%지만 장바구니 전환율은 3.2%입니다. 반품 사유는 크기감 불일치와 공간 어울림에 대한 불확실성입니다. 4명으로 구성된 팀은 6주 안에 3D 모델의 정밀도를 높일지, 구매 판단에 필요한 정보를 보강할지 결정해야 합니다.
 
-**입력**
+**모델에 전달한 내용**
 
 ```text
 [역할]
@@ -84,15 +91,19 @@ Beginner
 
 | Base | Best |
 |---|---|
-| * 제휴 브랜드의 요구를 80% 이상 충족하는가?<br>* 고객의 구매 확신을 90% 이상 확보하는가?<br>* 가구의 크기감 불일치가 10% 이하인가?<br>* 공간 어울림 불확실성이 20% 이하인가?<br>* 3D 모델의 품질이 90% 이상의 정밀도와 정합도를 갖는가? | [핵심 문제]<br>표���문제: AR 화면의 정밀도와 구매 확신이 분리됨 / 근본원인: AR 화면 품질을 시각적 정밀도만으로 평가하고 실제 구매 확신을 별도 지표로 보지 않음<br><br>[분석]<br>AR 화면의 품질은 보기 좋다는 평가가 아니라 구매 확신을 만드는 정확도와 공간 이해도에 연결되어야 한다. 3D 모델을 늘리면 체험 시작률은 높아질 수 있지만 반품과 장바구니 이탈을 줄이지 못할 수 있다. 구매 확신 지표를 먼저 정의해야 제휴사와 품질 기준을 합의할 수 있다.<br><br>[중간 구간 생략]<br><br>Recommended: A<br> RecommendReason: 현재 문제는 화면 정밀도보다 구매 확신이 낮은 구조이므로 품질 기준을 구매 지표와 연결해야 한다. |
+| * 제휴 브랜드의 요구를 80% 이상 충족하는가?<br>* 고객의 구매 확신을 90% 이상 확보하는가?<br>* 가구의 크기감 불일치가 10% 이하인가?<br>* 공간 어울림 불확실성이 20% 이하인가?<br>* 3D 모델의 품질이 90% 이상의 정밀도와 정합도를 갖는가? | [핵심 문제]<br>표면문제: AR 화면의 정밀도와 구매 확신이 분리됨 / 근본원인: AR 화면 품질을 시각적 정밀도만으로 평가하고 실제 구매 확신을 별도 지표로 보지 않음<br><br>[분석]<br>AR 화면의 품질은 보기 좋다는 평가가 아니라 구매 확신을 만드는 정확도와 공간 이해도에 연결되어야 한다. 3D 모델을 늘리면 체험 시작률은 높아질 수 있지만 반품과 장바구니 이탈을 줄이지 못할 수 있다. 구매 확신 지표를 먼저 정의해야 제휴사와 품질 기준을 합의할 수 있다.<br><br>...<br><br>Recommended: A<br> RecommendReason: 현재 문제는 화면 정밀도보다 구매 확신이 낮은 구조이므로 품질 기준을 구매 지표와 연결해야 한다. |
 
-구매 전환과 반품 사유에 맞춰 품질 기준을 정리하고, 우선 적용할 전략을 제안합니다.
+**업무에 적용하기**
+
+디자인 리뷰에서는 'AR 화면이 더 정교한가'뿐 아니라 '이 가구를 구매해도 되는지 판단할 수 있는가'를 함께 질문하게 됩니다. 답변에 나온 크기감·공간 어울림·구매 확신을 사용자 테스트 항목으로 정리하고, 3D 모델 개선과 구매 정보 개선의 우선순위를 검토할 수 있습니다. 전환율이나 반품이 실제로 개선되는지는 이후 테스트로 확인합니다.
 
 *이 답변은 생성 길이 제한에 도달했습니다.*
 
-### 3. 수출 패키지: 재작업을 줄이는 수행 기준
+### 3. 패키지 프로젝트의 재작업을 줄일 때
+
+한방·뷰티 브랜드의 디자인을 약령시 매장과 수출용 패키지에 단계적으로 적용하려고 합니다. 수출 패키지와 표기를 검토하는 과정에서 일정 지연과 반복 수정을 줄일 방법이 필요합니다.
 
-**입력**
+**모델에 전달한 내용**
 
 ```text
 [기관명]
@@ -109,9 +120,11 @@ Beginner
 
 | Base | Best |
 |---|---|
-| **대응 순서**<br><br>1. 일정지연: 패키지·표기 검토의 일정에 대한 지연이 발생할 경우, 브랜드 팀과 함께 재작업을 계획하여, 지연을 최소화합니다.<br>2. 재작업: 패키지·표기 검토의 재작업을 계획하여, 브랜드 팀과 함께 확인합니다. | [핵심 노하우]<br>1. 수출 패키지·표기 검토 전 재작업 기준 확정<br>수출 패키지·표기 검토의 기준일·비용·성과지표를 사전에 확정한다. 수출 패키지·표기 검토문서와 실제 현장값이 일치하는지 점검한다.<br><br>2. 수출 패키지·표기 검토의 승인자를 지정<br>수출 패키지·표기 검토에서 예외결정을 한 명의 담당자에게 집중한다. 고객·운영·품질 담당자에게 같은 기준으로 설명할 수 있도록 문서를 보완한다.<br><br>3. 수출 패키지·표기 검토의 변경내용 기록<br>수출 패키지·표기 검토 변경사항은 버전·일자·승인자를 남긴다. 변경 전·후 산출물을 함께 보관한다.<br><br>[중간 구간 생략]<br><br>[기관별 특이사항]<br>수출 패키지·표기 검토의 공식 서식·비용·증빙요건은 최신 운영지침을 확인한다. 특정 회계·운영 기준은 최신 공식 기준을 우선한다. |
+| **대응 순서**<br><br>1. 일정지연: 패키지·표기 검토의 일정에 대한 지연이 발생할 경우, 브랜드 팀과 함께 재작업을 계획하여, 지연을 최소화합니다.<br>2. 재작업: 패키지·표기 검토의 재작업을 계획하여, 브랜드 팀과 함께 확인합니다. | [핵심 노하우]<br>1. 수출 패키지·표기 검토 전 재작업 기준 확정<br>수출 패키지·표기 검토의 기준일·비용·성과지표를 사전에 확정한다. 수출 패키지·표기 검토문서와 실제 현장값이 일치하는지 점검한다.<br><br>2. 수출 패키지·표기 검토의 승인자를 지정<br>수출 패키지·표기 검토에서 예외결정을 한 명의 담당자에게 집중한다. 고객·운영·품질 담당자에게 같은 기준으로 설명할 수 있도록 문서를 보완한다.<br><br>3. 수출 패키지·표기 검토의 변경내용 기록<br>수출 패키지·표기 검토 변경사항은 버전·일자·승인자를 남긴다. 변경 전·후 산출물을 함께 보관한다.<br><br>...<br><br>[기관별 특이사항]<br>수출 패키지·표기 검토의 공식 서식·비용·증빙요건은 최신 운영지침을 확인한다. 특정 회계·운영 기준은 최신 공식 기준을 우선한다. |
+
+**업무에 적용하기**
 
-재작업을 줄이기 위한 사전 기준, 승인 담당자, 변경 이력 관리 방법을 제안합니다.
+프로젝트 담당자는 이 답변을 바탕으로 검토 기준과 승인 담당자를 먼저 정리할 수 있습니다. 디자인 변경마다 버전·일자·승인자를 남기고 변경 전후 산출물을 함께 보관하는 방식으로, 팀이 같은 기준에서 수정 여부를 판단하도록 업무 절차를 맞춥니다. 수출 국가의 표기 규정은 별도로 확인합니다.
 
 ## 성능
 
@@ -129,7 +142,7 @@ ROUGE-L과 글자 3-gram F1은 참고 답변과의 표현 유사성을 측정합
 <details>
 <summary>평가 기준 및 사용 시 참고 사항</summary>
 
-Base와 Best는 동일 입력과 생성 설정으로 비교했습니다. ROUGE-L에는 한글을 보존하는 토크나이저를 사용했습니다. 예시의 `[중간 구간 생략]`은 발췌 구간 사이의 생략을 뜻합니다. 예시는 설명용이며 전체 성능을 대표하는 표본은 아닙니다.
+Base와 Best는 동일 입력과 생성 설정으로 비교했습니다. ROUGE-L에는 한글을 보존하는 토크나이저를 사용했습니다. 가독성을 위해 답변의 일부만 표시했으며 `...`는 생략된 부분을 뜻합니다. 표시한 답변 문장은 실제 생성 결과 그대로입니다. 각 상황 설명과 업무 적용 방법은 답변의 활용 방향을 설명하며, 실제 도입 성과를 뜻하지 않습니다. 예시는 설명용이며 전체 성능을 대표하는 표본은 아닙니다.
 
 1,024토큰 설정에서 Llama Best의 길이 제한 도달률은 시트 평균 **72.4%**입니다. 긴 답변의 완결성은 별도 확인이 필요합니다. 평가는 내부 데이터 기준이며 독립 외부 평가 및 전문가 평가는 포함하지 않습니다. 추천 전략의 적합성과 국가별 수출 표기 요건 등은 실무 검토가 필요합니다.