> For the complete documentation index, see [llms.txt](https://help.listly.io/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.listly.io/docs/ko/about/blog/fashion-ecommerce.md).

# 누구나 이미지 데이터를 분석할 수 있다면 – 패션 이커머스편

해외 패션 플랫폼을 들여다보면, 상품 배치, 카테고리, 프로모션 등 뭔가 조금씩 미묘하게 다릅니다. 다만 그 차이를 말로 표현하기가 어려울 때가 있어요. 캡처한 사진 몇 장 가지고 슬라이드로 띄우기도 애매하고요. 관련 직종에 종사하고 계신 분들은 이런 데이터를 어떻게 분석하고 계신가요?

## 텍스트 데이터만 보고 있다면, 절반은 놓치고 있는 겁니다.

고객 문의를 처리하기 위해 SSENSE, Net-a-porter, 무신사 등과 같은 글로벌 패션 플랫폼을 들여다보니, 특히나 여러 언어로 제공되는 다국어 웹사이트는 개별 언어 페이지마다 디스플레이되는 제품도 다르더라고요. 이렇게 플랫폼마다 다른 제품들의 사진 속 정보는 어떻게 데이터화할 수 있을까요? 서로 다른 이커머스 시장의 머천다이징 전략은 어떻게 가져가야할까요?

그래서 그 물음에 대한 답을 한번 만들어보고 싶었습니다. 동일한 플랫폼의 한국 마켓 페이지와 미국 마켓 페이지 베스트셀러란에서 총 1,500점의 제품 정보와 이미지들을 펼쳐놓고요.

<div><figure><img src="/files/iCxHkOQQ76HbzU5aTxry" alt=""><figcaption></figcaption></figure> <figure><img src="/files/aNmmRlVDQuTxJpYqZL1G" alt=""><figcaption></figcaption></figure></div>

우선 데이터는 리스틀리로 간편하게 수집해두었습니다.&#x20;

{% stepper %}
{% step %}

### [리스틀리 확장프로그램](https://chromewebstore.google.com/detail/listly-web-scraping/ihljmnfgkkmoikgkdkjejbkpdpbmcgeh?hl=en\&pli=1)으로 제품 정보와 이미지 링크 (URL)을 수집해주세요.&#x20;

<figure><img src="/files/5tK3YaWI2hdRA1GzQ2B7" alt=""><figcaption></figcaption></figure>

데이터 다운로드 시, 반드시 **\[하이퍼링크]** 영역을 선택해 이미지 링크도 같이 다운받아주세요.
{% endstep %}

{% step %}

### [리스틀리 이미지 다운로더](https://www.imagedownloader.io/ko)로 이동해주세요.&#x20;

<figure><img src="/files/dXiGxbYAZhhq9BJEGCgm" alt=""><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### 다운받은 엑셀 파일을 불러와 각각 이미지 URL 링크와 다운받을 이미지 이름을 설정해주세요.

<figure><img src="/files/tQDB76EFj6b6TttDZCXE" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
이미지 다운로더 관련한 보다 자세한 안내사항은 [리스틀리 이미지 다운로더](https://www.imagedownloader.io/ko) 페이지를 확인해주세요.&#x20;
{% endhint %}
{% endstep %}
{% endstepper %}

## 이미지를 데이터로 바꿔주는 도구, VLM

1,500장의 상품 이미지를 분석하는 데에 사람이 붙어도 며칠은 걸리고, 그것도 사람마다 기준이 달라서 끝나면 여러차례 내부 컨펌이 필요합니다. 한 번이면 모를까, 시즌마다 반복할 수 있는 일은 아니에요. 시간과 비용 모두 만만치않은 작업이고요.

그런데 혹시 **시각 데이터와 텍스트 데이터를 모두 이해하고 추론할 수 있도록 설계된 비전 언어 모델 (Vision Language Model)**, 들어보셨나요? 쉽게 말해 그림을 보고 말로 설명할 수 있는 AI입니다. 사실 요즘 대부분 사용하는 챗GPT나 클로드 모델은 텍스트 데이터인 글만 이해하는 게 아니라, 사진을 보고 티키타카가 가능하기 때문에 데이터 정리만 제대로 해주고 뒷일은 맡기기만 하면 됩니다. 저는 추출한 이미지 데이터를 한국어, 영어 폴더에 나눠 담고, **클로드의 Opus 4.7** 모델을 이용해 분석해보았습니다. 프롬프트 전달 시, **제품 이미지를 아래의 기준에 기반해 분석**해달라고 요청했어요.

* 사진 스타일 (모델 전신 사진 / 디테일 클로즈업 / 평사 / 제품 단독 / 라이프스타일 등)
* 배경 (스튜디오 화이트 / 야외 / 인테리어 / 길거리 등)
* 모델 등장 여부와 성별
* 카테고리 (상의 / 하의 / 아우터 / 신발 / 가방 등)
* 실루엣 (오버사이즈 / 크롭 / 루즈핏 등)
* 주요 색상
* 디테일 (미니멀 클린 / 스트리트웨어 / Y2K / 페미닌 로맨틱 / 빈티지 워크웨어 등)
* 기타 눈에 띄는 스타일링

\
기본적으로 국내 상위 50개 제품을 보면, **25개의 제품이 플랫폼 자체 제작 브랜드**입니다. 상위 10개만 보면, 해당 제품이 **90%** 차지하고요. 한국 페이지에서 인기있는 제품들은 거의 다 자체 브랜드 제품이 차지하고 있었습니다. 반면에 미국 페이지 인기 제품은 조금 다릅니다. 1위를 차지한 브랜드(DIMITRI BLACK)도 4점뿐이고, 인기 제품 순으로 볼 때 750개의 제품 안에 **313개의 브랜드**가 섞여 있습니다. 미국 페이지에서는 특정 브랜드 제품에 치중되기 보다는 **여러 브랜드 제품이 골고루 인기가 있다는 것**을 확인할 수 있습니다.

<figure><img src="/files/ShQzvFiEogpSBgHVx9TP" alt=""><figcaption></figcaption></figure>

한국 페이지에서 상위 인기 제품은 색상이나 스타일이 어느정도 일관됩니다. 클린한 미니멀 룩, 캐주얼 베이직, 스트리트웨어, 세 카테고리를 합치면, 전체 제품의 70% 정도를 차지하고요. 특히 흰 배경, 와이드 슬랙스, 무지 티, 단정한 실루엣은 분석한 데이터를 대표하는 상징적인 키워드라고도 볼 수 있는데요. 국내에서는 색상도 무드도 마무리는 깔끔한 스타일의 제품이 더 인기가 있었습니다.&#x20;

<figure><img src="/files/YgSRYVcWGzMdHSNr2hTM" alt=""><figcaption></figcaption></figure>

이미지를 살펴보면, 제품을 보여주는 전체적인 분위기, 톤도 다릅니다. 한국 제품들은 깔끔한 배경 혹은 스튜디오에서 촬영된 컷들이 많은 반면, 미국 제품은 야외나 실제 공간에서 자연스럽게 연출된 라이프스타일 컷들이 많았어요.

<div><figure><img src="/files/kulEmbges3ELnqiuA3vX" alt=""><figcaption></figcaption></figure> <figure><img src="/files/SkglyzvFvPzTjlb3IVR1" alt=""><figcaption></figcaption></figure></div>

<div><figure><img src="/files/3FotytqKnmtX1yF4Qn0d" alt=""><figcaption></figcaption></figure> <figure><img src="/files/d4e95Xe3NW5WFBKA9hC7" alt=""><figcaption></figcaption></figure></div>

또 미국 페이지에는 미니멀한 디자인의 제품 사이사이에 페미닌하거나 로맨틱한 무드의 시어 카디건, Y2K 로우라이즈 플레어 팬츠 같은 제품이 자연스럽게 섞여 있습니다. 한국에선 비주류로 분류되던 빈티지 워크웨어나 Y2K 계열 브랜드가 오히려 미국에선 인기 상위 제품으로 노출되고 있다는 뜻이고, 비슷한 결을 가진 브랜드라면 오히려 미국 마켓에 진출을 검토해볼 수도 있을 것 같습니다.

물론 이런 차이는 이미지를 데이터로 바꿔야 비로소 보이는 것들입니다. 그리고 한 번 데이터를 분석하고 끝낼 것이 아니라, 동일한 방식으로 월간 혹은 분기별로 추적하면 시즌별 변화나 시장의 트렌드까지도 살펴볼 수 있습니다.

<figure><img src="/files/ZlBUYJN08dLD13S0SYZh" alt=""><figcaption></figcaption></figure>

이렇게 제품 이미지를 분석하는 데에 든 시간은 약 한 시간 정도인데요. 바이브 코딩보다도 중요한 건 평소 업무 단계에서 AI를 이용해 효율적으로 작업해야할 부분을 파악하고, 이를 잘 정리해 맡기는 일이라고 생각합니다. 사진은 텍스트와 마찬가지로 데이터일 뿐이고, VLM은 이제 그 데이터를 일관된 형식으로 뽑아주는 검색엔진처럼 쓸 수 있습니다.

여러분이 자주 들여다보는 웹사이트에서도 정제된 데이터만 준비되어 있다면, 비슷한 실험을 해보실 수 있어요. 무신사든, 29CM든, 지그재그든, SSF 그 어느 플랫폼이든지요.

한 번 해보세요. 의외로 재미있습니다!


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://help.listly.io/docs/ko/about/blog/fashion-ecommerce.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.