AI 로 만든 여행 일정 서비스, 부족한 데이터로 시작한 실험

최근 여행 앱들은 MCP 등을 활용해 여행자가 손쉽게 여행 일정을 짤 수 있는 기능을 속속 도입하고 있습니다. 이제는 단순한 일정 추천을 넘어, 특정 여행 상품이 내 일정과 얼마나 잘 맞는지까지 정밀하게 판단할 수 있는 풍부한 검색 경험이 요구됩니다. 이를 위해서는 방대한 여행 데이터를 효과적으로 정제하고 축적하는 과정이 필수적입니다.

이번에는 검색추천팀 전영진님의 실험 사례를 공유하려고 합니다. 검색추천팀은 상품의 검색 색인 데이터를 책임지고 있는 팀으로, 색인 데이터를 보완하여 여행 플래너를 만드는 실험을 진행했습니다. 이 사례를 통해 여행 일정을 쉽게 짜기 위해 상품 데이터를 어떤식으로 정제하고 축적했는지 소개하고자 합니다.

여행 계획의 번거로움을 해결하기 위한 도전

여행 준비 과정은 설레임과 즐거움이기도 하지만, 너무 많은 정보를 검색하는데 시간을 소모하다 보면 어느새 지치게 되지요. 어디를 가야할지, 어떤 순서로 방문해야 효율적일지, 각 장소에서 얼마나 시간을 보내야 할지 등.. 일정 계획은 생각보다 복잡하고 시간이 많이 소요되는 일입니다.

영진님은 이런 여행자들의 고민을 해결하기 위해 ‘Oh My Planner’라는 실험을 시작했습니다. 이 프로젝트는 처음에는 개인적인 관심에서 출발했습니다. 즐겨 보던 여행 관련 예능 프로그램인 ‘텐트 밖의 유럽’ 에 나온 여행지를 따라가보고 싶다는 생각에 인터넷에서 정보를 찾기 시작했지만, 정보를 찾는 과정이 생각보다 번거로웠고, 이 문제를 해결할 방법을 고민하게 된 것이죠.

Oh My Planner라는 이름으로 개인적으로 시간을 내서 프로젝트로 진행했습니다. 제목에서 알 수 있듯이 저희 상품을 이용해서 일정 플래닝을 할 수 있지 않을까라는 생각으로 시작했던 프로젝트입니다.

다른 여행 서비스들의 사례를 살펴보니, 일부 서비스들은 이미 AI를 활용한 여행 일정 추천 기능을 제공하고 있었습니다. 반면, 마이리얼트립에는 이런 일정 데이터가 거의 없었습니다. 각각의 상품이 개별적으로 판매되고 상품 간 연계를 위한 데이터가 없었던 거죠.

일정을 위한 데이터는 무엇이며, 기존에 여행상품에서 이런 데이터를 어떻게 추출할 수 있을까? 이것이 이번 실험의 핵심 도전 과제였습니다.

상품 설명에서 여행 일정을 찾아내기

투어 상품으로 일정을 구성하기 위해서는 각 상품이 언제 시작되고 언제 끝나는지를 알아야 했습니다. 어떻게 이 데이터를 추출할까 고민하던 차에, 마리트 투어 상품의 소개글과 코스 설명 글이 힌트가 되었습니다. 이렇게 투어 상품의 상세 설명 데이터를 기반으로 정형화된 일정을 추출하는 방법을 고안했습니다.

투어 상품의 소개글과 코스 소개글에서 굉장히 유용한 데이터들이 많다는 것을 알게 됐습니다. 그래서 이 코스 소개글과 소개글을 가지고 AI를 활용하면 일정을 짤 수 있지 않을까라는 생각으로 진행했습니다.

예를 들어, 아말피 코스트 투어 상품의 코스 소개글에는 ‘호텔 픽업부터 시작해서 포지타노, MRP, 토피, 투어 종류’와 같은 정보가 있었습니다. AI는 이런 텍스트에서 시간대별 일정 정보를 추출하고 정형화된 데이터로 변환할 수 있었습니다.

하지만 문제는 전체 상품 중 19%만 코스 데이터가 있다는 점이었습니다. 그래서 영진님은 코스가 아닌 상품 소개항목에서도 일정 정보를 유추하는 방법도 시도해 보았습니다.

예를 들어, 두바이 열기구 상품의 소개글에는 “호텔에서 픽업을 하고 …(중략)… 고도 2000 피트에서 4000 피트까지 날아가서 일출과 모래언덕을 감상”한다는 내용이 있었습니다. AI는 이 텍스트에서도 시간대별 일정을 추출할 수 있었고, 심지어 “4시간 프로그램”이라는 정보를 바탕으로 오전 5시부터 9시까지의 정확한 시간대도 설정할 수 있었습니다.

Langchain 과 Claude 를 이용하여 데이터 정제 프로그램을 만들어 총 2만 4천여 건의 투어 상품들의 일정 정보를 만들었습니다.

이렇게 각 상품별로 정형화된 일정 데이터를 구축한 후, 도시별로 여행 일정을 생성하는 단계로 나아갔습니다. 예를 들어, 이탈리아 아말피에 관련된 여러 상품들의 정형화된 데이터를 바탕으로 하루 일정부터 4박 5일까지의 다양한 여행 일정을 테마별로 구성해 본 거죠.

정형화된 데이터를 통한 여행 일정 추천

이번 실험에서는 챗봇 기반의 실시간 여행일정 추천이 아닌, 미리 짜여진 여행 일정 데이터를 만들었습니다. AI 모델에 지속적으로 쿼리를 발생시키는 방식이 비용 효율적이지 않다고 판단했기 때문이었죠. 고객이 받는 응답 속도도 현저히 떨어질거고요.

이렇게 정형화된 데이터를 만들지 않으면 계속 AI 모델에 쿼리를 던지는 비용이 지속적으로 발생할 거고, AI 모델에 던지고 응답을 받는 시간까지 굉장히 오랜 시간이 걸릴 겁니다. 저희 대부분 웹이나 앱에서 응답을 받는 시간은 최소 1초 이내일 텐데, 아마 AI 모델에 질문을 던지면 2초 이상 걸릴 겁니다.

이렇게 구축된 정형화된 데이터를 바탕으로 웹 서비스를 개발했습니다. 사용자는 가고 싶은 나라와 도시를 선택하고, 여행 기간을 정하면 테마별로 추천 일정을 받아볼 수 있습니다.

예를 들어, 영국 케임브리지로 2박 3일 여행을 계획하는 경우, ‘영국 명문대 탐험’이라는 테마로 일정이 추천됩니다. 1일차에는 케임브리지 대학교 졸업생과 함께하는 투어를, 2일차에는 케임브리지의 숨겨진 비밀과 캠강의 낭만을 체험하는 콘서트를, 3일차에는 옥스포드로 이동해 관광하는 일정이 제안됩니다. 각 일정에는 관련 상품들도 함께 추천됩니다.

단일 도시 여행뿐만 아니라 멀티도시 여행 일정도 제공할 수 있었습니다. 예를 들어, 이탈리아 여행을 계획하는 경우, ‘돌로미티와 북부 이탈리아 파노라마’와 같은 테마로 베니스부터 시작해 알프스, 미슐리나, 돌로미티, 잘츠부르크, 할슈타트까지 이어지는 6박 7일 일정을 추천받을 수 있습니다.

남은 숙제 — AI 생성 콘텐츠의 검증 필요성 등

AI를 활용한 여행 일정 서비스를 개발하면서 가장 큰 고민은 AI가 생성한 일정의 정확성과 적절성을 검증하는 문제였습니다. 과연 AI 가 만들어준 여행 일정이 많은 사람들이 공감하는 일정일까? 에 대한 질문이 남은 것이죠. 처음에는 AI 에게 데이터를 주며 “이 일정이 최적의 경로야?” 라는 질문을 던지며 시작했지만, 결과적으로 일정의 적합도를 판단할 수 있는 평가 지표같은 것들이 필요하다는 결론에 도달했습니다.

이 외에도 상품의 단순 텍스트 외에도 다른 상세 정보들을 활용하는 것을 검토해볼 수 있어 보였습니다. 예를 들면 상품 설명 이미지에서 텍스트를 추출한다던가, 기존에 있던 텍스트 설명과 이미지를 기반으로 위치 정보나 소요시간등을 추출하고 상품 검색과 추천 경험에 활용하는 것이죠.

정제된 데이터의 중요성은 점점 더 커지고 있습니다. 과거에는 데이터 정제에 많은 비용과 시간이 들었지만, 최근 AI 기술의 발전으로 비정형 데이터에서도 효율적으로 정제된 데이터를 추출할 수 있게 되었습니다. 마이리얼트립과 검색추천팀은 앞으로도 AI 기반 데이터 정제 역량을 강화하여, 고객에게 더 나은 여행 경험을 제공할 수 있도록 지속적으로 노력을 기울일 예정입니다.