표를 넘어 관계를 보다: 여행 패키지상품 데이터로 만든 온톨로지 Atlas PoC
2026.08.04

소개
지난 사례글에서 설명드렸듯이, 1주차 과제에서는 여러 홈쇼핑 채널의 편성표를 수집하고, 이를 채널x시간 형태의 타임테이블로 정리하는 작업을 진행했습니다.
편성 정보를 자동으로 가져오고 표로 정리할 수 있게 되자, 다음과 같은 질문이 생겼습니다.
“편성표를 쌓아두는 것에서 한 단계 더 나아가, 상품 사이의 관계와 비어 있는 시장을 발견할 수는 없을까?”
표는 특정 시간에 어떤 상품이 방송되는지 확인하는 데는 효과적입니다. 하지만 데이터가 누적될수록 표만으로는 다음과 같은 질문에 답하기 어려웠습니다.
표로 확인하기 쉬운 것 | 표로 확인하기 어려운 것 |
|---|---|
특정 날짜와 시간에 방송된 상품 | 어떤 권역에 상품이 과도하게 집중되어 있는가 |
상품별 방송 일자와 시간 | 비슷한 상품들이 어떤 관계로 묶이는가 |
상품의 가격과 실적 | 아직 충분히 다뤄지지 않은 상품 조합은 무엇인가 |
기간별 편성 횟수 | 여행사·목적지·가격대 사이의 구조는 어떠한가 |
이번에는 2025년 1월부터 2026년 7월까지 축적된 여행 패키지상품 데이터를 활용해, 상품을 단순한 행이 아니라 노드와 관계로 표현하는 지식그래프 PoC를 만들어보고자 했습니다.
처음부터 완성도 높은 서비스나 대시보드를 만드는 것이 목표는 아니었습니다.
제가 확인하고 싶었던 것은 한 가지였습니다.
여행상품 데이터를 그래프로 표현했을 때, 기존 표에서는 보이지 않던 상품 집중도와 새로운 기획 기회가 실제로 보이는가?
이를 검증하기 위해 Quartz에서 활용할 수 있는 마크다운 노드와, 웹브라우저에서 직접 실행할 수 있는 간단한 Atlas 형태의 그래프를 만들어보았습니다.
진행 방법
1. 시작 전 데이터 확인
처음에는 수집한 데이터가 당사와 경쟁 홈쇼핑사의 여행상품 편성을 모두 포함하고 있을 것으로 생각했습니다.
하지만 데이터를 확인해보니, 이번에 활용할 수 있었던 자료는 경쟁사 편성 데이터가 아니라 당사에서 방송한 여행 패키지상품의 이력과 실적 데이터였습니다.
따라서 당초 구상했던 아래 구조는 바로 구현하기 어려웠습니다.
당사 상품과 경쟁사 상품 비교
동일 목적지 상품 간
competes_with관계 생성경쟁사가 운영하지만 당사에는 없는 상품 조합 탐색
채널별 편성 공백인 white space 탐색
대신 현재 데이터에 맞게 PoC의 목적을 수정했습니다.
초기 구상
당사 상품 ↔ 경쟁사 상품
↓
목적지·시즌·가격대별 경쟁 관계
↓
경쟁사가 운영하지만 당사에는 없는 영역 발견수정한 구상
여행 패키지상품
├─ 여행사
├─ 여행 권역
├─ 방송 시점
├─ 가격대
└─ 성과 데이터
↓
당사 상품 포트폴리오의 집중도와 공백 탐색경쟁사 자료를 아직 포함하지 못하고 당사 데이터만으로 그래프를 구성한 점은 이번 PoC에서 가장 아쉬운 부분입니다.
다만 제한된 데이터 안에서도 특정 권역과 여행사에 상품이 얼마나 집중되어 있는지, 여러 상품이 어떤 허브를 중심으로 연결되는지를 확인할 수 있었습니다.
다음은 온톨로지에 해당합니다.
TravelProduct는 하나의 클래스다.
Vendor는 하나의 클래스다.
Region은 하나의 클래스다.
TravelProduct는 Vendor가 판매한다.
TravelProduct는 Region에 속한다.
TravelProduct는 Broadcast에 편성된다.실제 상품 데이터가 들어가면 다음과 같은 지식그래프가 됩니다.
[여행상품 A]
├─ sold_by → [여행사 A]
├─ belongs_to → [유럽]
├─ aired_in → [방송 일자]
└─ has_price_band → [중고가]이렇게 정리하고 나니 온톨로지화가 거창한 별도 시스템을 만드는 일이 아니라는 점이 보였습니다.
기존 데이터의 컬럼을 정해진 클래스와 관계에 맞춰 변환하면, 그 결과물 자체가 지식그래프의 기반이 됩니다.
3. 원본 데이터를 그래프용 구조로 정규화
원본 데이터에는 다음과 같은 정보가 포함되어 있었습니다.
방송일자
방송시작시간
상품 식별값
상품명
최소 가격
최대 가격
주문 관련 성과이를 그래프에서 활용하기 위해 아래와 같이 정규화했습니다.
원본 데이터 | 그래프 구조 |
상품명 | TravelProduct 노드 |
상품명에 포함된 여행사 | Vendor 노드 |
상품명에 포함된 목적지 | Region 또는 Destination 속성 |
최소·최대 가격 | PriceBand 속성 |
방송일자·시간 | Broadcast 관계 |
주문 관련 수치 | Performance 속성 |
목적지와 여행사는 별도 표준 코드가 존재하지 않았기 때문에, 상품명에 포함된 단어를 기준으로 규칙 기반 분류를 적용했습니다.
예시는 다음과 같습니다.
REGION_RULES = {
"일본": ["도쿄", "오사카", "홋카이도", "규슈", "후쿠오카"],
"유럽": ["스페인", "이탈리아", "프랑스", "동유럽", "발칸"],
"동남아": ["베트남", "태국", "필리핀", "다낭", "방콕"],
"중동": ["두바이", "아부다비"],
"대양주": ["호주", "뉴질랜드"],
}이 방식은 빠르게 PoC를 만들기에는 적합했지만, 상품명 표현이 일정하지 않으면 분류 오류가 발생할 수 있습니다.
예를 들어 동일한 지역도 상품명에서는 국가명, 도시명, 관광지명 등 여러 방식으로 표현될 수 있습니다.
따라서 이후에는 다음과 같은 정규화 테이블이 필요하다고 판단했습니다.
오사카 → 일본 → 동북아
후쿠오카 → 일본 → 동북아
다낭 → 베트남 → 동남아
두바이 → 아랍에미리트 → 중동
이스탄불 → 튀르키예 → 유럽 또는 중동추후 단순한 키워드 분류보다 도시 → 국가 → 권역 형태의 계층 구조를 적용해야 온톨로지의 정확도가 높아질 것으로 보입니다.
4. Quartz용 마크다운 노드 생성
Quartz는 마크다운 파일 사이의 링크를 기반으로 그래프를 구성할 수 있습니다.
따라서 상품, 여행사, 권역을 각각 하나의 마크다운 노드로 생성했습니다.
상품 노드는 아래와 같은 구조로 만들었습니다.
---
type: travel_product
vendor: 여행사-A
region: 일본
price_band: 중가
broadcast_count: 3
performance_level: high
---
# 일본 패키지상품 A
## 관계
- 여행사: [[여행사-A]]
- 권역: [[일본]]
- 분류: [[중가-상품]]여기서 주의할 점은 frontmatter에 관계 정보를 넣는 것만으로는 Quartz 그래프에 연결선이 표시되지 않을 수 있다는 점입니다.
그래프에서 실제 엣지를 그리려면 본문에 다음과 같은 위키링크를 함께 넣어주는 것이 중요했습니다.
[[여행사-A]]
[[일본]]
[[중가-상품]]이 부분은 직접 구성해보지 않았다면 놓치기 쉬운 지점이었습니다.
온톨로지의 관계 정보와 그래프 시각화 도구가 인식하는 링크 구조가 반드시 일치하는 것은 아니다.
따라서 데이터 모델과 시각화 도구의 동작 방식을 모두 고려해야 했습니다.
5. 웹에서 확인할 수 있는 Atlas PoC 제작
Quartz용 노드를 만드는 것과 별도로, 그래프를 더 직관적으로 확인하기 위해 독립 실행형 HTML Atlas도 구성했습니다.
전체 구조는 다음과 같습니다.
travel-atlas-poc/
├─ atlas.html
├─ graph.json
├─ README.md
└─ content/
├─ products/
├─ vendors/
├─ regions/
└─ index.mdgraph.json은 다음과 같은 노드와 엣지 구조를 가집니다.
{
"nodes": [
{
"id": "product-001",
"type": "travel_product",
"name": "일본 패키지상품 A",
"region": "일본",
"size": 12
},
{
"id": "vendor-001",
"type": "vendor",
"name": "여행사-A",
"size": 25
}
],
"links": [
{
"source": "product-001",
"target": "vendor-001",
"type": "sold_by"
}
]
}Atlas 화면에서는 다음과 같이 표현했습니다.
상품: 개별 노드
여행사: 여러 상품을 연결하는 허브 노드
권역: 상품의 색상 또는 연결 노드
성과: 노드 크기
관계선: 상품과 여행사·권역의 관계
성과가 높은 상품은 상대적으로 크게 표현하고, 동일 권역의 상품은 같은 색으로 묶어 전체 포트폴리오의 집중도를 확인할 수 있도록 했습니다.
(너무 작고 촘촘하게 표현됐는데... ㅠㅠ 대외비라 이름을 가리려고 하다보니까 저렇게 축소하게 되었습니다 ㅠㅠ)
6. 사용한 프롬프트
아래 프롬프트를 사용해 데이터의 성격을 확인하고, Quartz용 노드와 Atlas PoC 구조를 설계했습니다.
2025년 1월 1일부터 2026년 7월 12일까지의 여행 패키지상품 데이터입니다.
이 데이터를 활용해 여행상품 온톨로지와 지식그래프 PoC를 만들고 싶습니다.
목표는 단순히 편성표를 시각화하는 것이 아니라,
여행상품을 여행사, 여행 권역, 방송일, 가격대, 실적의 관계로 연결하여
상품 포트폴리오의 집중도와 비어 있는 조합을 확인하는 것입니다.
다음 순서로 진행해주세요.
1. 데이터의 컬럼과 행 구조를 확인해주세요.
2. 데이터가 당사와 경쟁사 중 어떤 범위를 포함하는지 구분해주세요.
3. 여행상품, 여행사, 권역, 방송, 가격대, 실적을 기준으로
온톨로지의 클래스와 관계를 정의해주세요.
4. 상품명에서 여행사와 목적지를 추출할 수 있는 정규화 규칙을 만들어주세요.
5. 상품, 여행사, 권역을 Quartz에서 사용할 수 있는
마크다운 노드로 생성해주세요.
6. 관계가 Quartz 그래프에 표시되도록
frontmatter뿐 아니라 본문 위키링크도 포함해주세요.
7. 전체 데이터를 nodes와 links 형태의 graph.json으로 변환해주세요.
8. graph.json을 활용해 브라우저에서 바로 열 수 있는
force-directed graph 형태의 atlas.html을 만들어주세요.
9. 노드 색상은 여행 권역, 노드 크기는 실적 또는 방송 횟수를 기준으로 표현해주세요.
10. 데이터 누락, 분류 실패, 확인되지 않은 항목은 임의로 추정하지 말고
unknown 또는 not_checked 상태로 남겨주세요.
결과물은 다음 구조로 만들어주세요.
travel-atlas-poc/
├─ atlas.html
├─ graph.json
├─ README.md
└─ content/
├─ products/
├─ vendors/
├─ regions/
└─ index.md
마지막으로 그래프를 통해 확인할 수 있는 인사이트와
현재 데이터만으로 판단할 수 없는 한계를 구분해서 설명해주세요.
회사명, 구체적인 실적 수치, 내부 전략으로 해석될 수 있는 내용은
외부 공유용 결과물에서 제외해주세요.프롬프트에서 가장 중요하게 지정한 부분은 세 가지였습니다.
그래프 제작보다 데이터의 범위를 먼저 확인할 것
알 수 없는 정보는 임의로 추론하지 않을 것
외부 공유용 결과물에서는 민감한 수치와 내부 전략을 제외할 것
결과와 배운 점
1. 그래프로 바꾸니 데이터의 구조가 먼저 보였다
엑셀에서는 각각의 행이 독립된 방송 기록처럼 보였습니다.
하지만 상품을 여행사와 권역에 연결하자, 어떤 여행사와 지역을 중심으로 상품이 밀집되어 있는지가 훨씬 명확하게 나타났습니다.
특정 허브 주변에 많은 상품 노드가 몰려 있다면 해당 여행사 또는 권역에 상품 구성이 집중되어 있다는 뜻입니다.
반대로 노드가 적거나 연결이 약한 영역은 상품 다양성이 낮거나 아직 충분히 시도되지 않은 영역일 가능성이 있습니다.
다만 이번 데이터는 당사 편성 자료만 포함하고 있어, 그래프에서 비어 있는 영역이 실제 시장의 공백인지 단순히 당사 편성의 공백인지는 구분할 수 없습니다.
이 한계를 통해 다음 사실을 배웠습니다.
white space는 그래프가 자동으로 알려주는 정답이 아니라, 데이터 범위 안에서 만들어진 가설이다.
경쟁사의 상품 데이터가 추가되어야 비로소 시장 전체에서 비어 있는 영역과 당사 내부의 편성 공백을 구분할 수 있습니다.
2. 온톨로지보다 정규화가 더 어려웠다
처음에는 클래스와 관계를 정의하는 일이 가장 어려울 것으로 생각했습니다.
하지만 실제로는 원본 데이터를 일관된 형태로 정리하는 작업이 더 어려웠습니다.
상품명에는 여행사, 국가, 도시, 일정, 혜택, 가격 조건 등이 하나의 문장으로 섞여 있었습니다.
동일한 목적지도 여러 방식으로 표현되었습니다.
일본 오사카
오사카·교토
간사이 핵심일주
교토 포함 오사카사람은 모두 비슷한 상품으로 이해할 수 있지만, 데이터에서는 서로 다른 값으로 처리됩니다.
그래프를 정확하게 만들려면 시각화보다 먼저 다음 기준이 필요합니다.
표준 여행사명
표준 국가명
표준 도시명
도시와 국가의 상하위 관계
권역 분류 기준
여행일수 표준화
가격대 기준
동일·유사 상품 판정 기준
결국 온톨로지 프로젝트의 핵심은 그래프 화면이 아니라 정규화 규칙과 데이터 계약이라는 것을 배웠습니다.
3. 노드가 많다고 좋은 그래프는 아니었다
전체 상품을 모두 넣으면 그래프가 풍성하고 멋있어 보일 것이라고 생각했습니다.
하지만 노드가 많아질수록 상품명이 겹치고, 관계선이 복잡해져 오히려 중요한 구조를 파악하기 어려워졌습니다.
PoC에서는 모든 데이터를 보여주는 것보다 질문에 맞는 필터가 더 중요했습니다.
예를 들어 다음과 같은 보기 방식이 필요합니다.
특정 권역만 보기
특정 여행사만 보기
일정 기간만 보기
일정 성과 이상 상품만 보기
유사 상품 관계만 보기
방송 횟수가 일정 수준 이상인 상품만 보기
그래프는 데이터 전체를 한 화면에 넣는 도구가 아니라, 관계를 탐색하기 위한 인터페이스라는 점을 체감했습니다.
4. 시행착오: 그래프를 화면에 바로 렌더링하기
처음에는 force graph를 대화형 화면 안에서 바로 렌더링하려고 했습니다.
하지만 노드 수가 많아질수록 렌더링이 무거워지고, 화면이 중단되는 문제가 발생했습니다.
그래서 결과물을 독립 실행형 atlas.html과 graph.json으로 분리했습니다.
데이터 처리
↓
graph.json 생성
↓
atlas.html이 graph.json을 읽어 시각화이 구조로 바꾸자 다음과 같은 장점이 있었습니다.
데이터와 화면 코드를 분리할 수 있음
Vercel이나 Cloudflare Pages에 배포하기 쉬움
그래프 UI를 변경해도 원본 데이터는 유지됨
Quartz와 커스텀 Atlas가 동일한 데이터를 사용할 수 있음
처음부터 모든 것을 하나의 도구에 넣기보다, 데이터 계층과 표현 계층을 분리하는 것이 유지보수에 유리했습니다.
5. 나만의 꿀팁
꿀팁 1. 그래프를 만들기 전에 질문을 한 문장으로 정한다
이번 PoC의 질문은 다음과 같았습니다.
여행상품을 여행사와 권역으로 연결했을 때, 상품 포트폴리오의 집중도와 비어 있는 영역이 보이는가?
이 질문이 없으면 노드 종류와 관계를 계속 추가하게 됩니다.
그래프에 넣을 수 있는 정보가 아니라, 의사결정에 필요한 정보만 남기는 것이 중요했습니다.
꿀팁 2. unknown과 없음을 구분한다
목적지를 추출하지 못한 상품을 특정 권역에 임의로 넣지 않았습니다.
unknown: 데이터에서 확인할 수 없음
none: 해당 관계가 실제로 없음두 상태를 구분하지 않으면 그래프가 그럴듯하게 보이더라도 잘못된 결론으로 이어질 수 있습니다.
꿀팁 3. 그래프의 색과 크기에는 하나의 의미만 부여한다
이번 PoC에서는 다음과 같이 단순화했습니다.
색상 = 여행 권역
크기 = 성과 또는 방송 횟수하나의 시각 요소에 여러 의미를 넣으면 해석하기 어려워집니다.
꿀팁 4. 외부 공유용 결과물과 내부 분석용 결과물을 분리한다
내부용 그래프에서는 구체적인 실적이나 상품 정보를 활용할 수 있지만, 사례 공유용 화면에서는 다음과 같이 추상화하는 것이 필요했습니다.
실제 회사명 → 당사 / 여행사 A
구체적인 주문 수치 → 상대적 크기 또는 등급
내부 상품 식별값 → 임의의 노드 ID
세부 전략 → 데이터 구조와 학습 내용기술적 접근법은 공유하되, 데이터 자체는 공유하지 않는 방식입니다
도움 필요한 부분
음... 현재 가장 막히는 부분은 여행상품의 표준 분류 체계입니다.
단순한 키워드 규칙으로 국가와 권역을 분류할 수는 있지만, 여행상품은 하나의 국가나 도시만으로 설명하기 어려운 경우가 많습니다. (예를 들어 : 두바이vs튀르키예 처럼 1개 방송에 2개 여행상품이 들어가는 경우)
예를 들어 다음과 같은 판단 기준이 필요합니다.
복수 국가 상품의 대표 권역을 어떻게 정할 것인가
두바이와 튀르키예 등 경계성 목적지를 어느 권역으로 분류할 것인가
동일 지역이라도 패키지 구성과 고객층이 다르면 같은 상품군으로 볼 것인가
가격 차이가 큰 상품을 경쟁상품으로 연결할 것인가
유사 상품의 기준을 목적지, 일정, 가격 중 어디에 둘 것인가
이 기준을 사람이 먼저 정의하지 않으면 AI가 만든 관계는 일관성을 유지하기 어렵습니다.
따라서 앞으로는 여행상품 분류용 mapping.md를 만들어, 사람이 판단한 기준을 Skill과 데이터 파이프라인이 동일하게 사용하도록 해보고 싶습니다.
앞으로의 계획
첫 번째로 경쟁사 편성 데이터를 추가하고자 합니다.
이번 PoC는 당사 데이터만을 활용했기 때문에, 그래프에서 보이는 빈 영역을 시장의 white space라고 단정할 수 없습니다. 경쟁사 상품까지 동일한 스키마로 정규화하면 다음과 같은 관계를 추가할 수 있습니다.
상품 A competes_with 상품 B
상품 A overlaps_with 상품 B
상품 A differentiated_from 상품 B이를 통해 단순히 당사 상품이 적은 영역이 아니라, 경쟁사도 아직 충분히 다루지 않은 조합을 탐색할 수 있을 것으로 기대합니다.
두 번째로 필터 기능을 추가하고 싶습니다.
기간
권역
여행사
가격대
방송 횟수
성과 수준
자사·경쟁사 구분
세 번째로 Quartz PoC의 효용을 검증한 뒤, 필요하면 Next.js 기반의 커스텀 Atlas로 고도화할 계획입니다.
최종적으로는 상품기획 과정에서 다음 질문에 답할 수 있는 도구가 되는 것이 목표입니다.
어떤 상품이 반복적으로 운영되고 있는가?
어떤 여행사와 권역에 구성이 집중되어 있는가?
경쟁사와 겹치지 않으면서 고객 수요가 기대되는 조합은 무엇인가?
이번 PoC를 통해 가장 크게 배운 것은, 온톨로지와 지식그래프가 데이터를 꾸미는 시각화 기법이 아니라는 점이었습니다.
데이터를 어떤 기준으로 분류하고, 어떤 관계를 중요하게 볼 것인지에 대한 업무 지식을 구조로 만드는 작업에 가까웠습니다.
또한 처음부터 완전한 경쟁사 데이터와 화려한 웹서비스를 만들려고 하기보다, 현재 가진 당사 데이터만으로 작은 PoC를 만들어 방향성을 검증해본 것이 좋은 선택이었다고 생각합니다.
경쟁사 데이터가 없어 당초 목표였던 자사와 경쟁사의 white space까지 확인하지 못한 점은 아쉽지만, 이를 통해 다음 단계에서 어떤 데이터가 반드시 필요한지도 오히려 명확해졌습니다.
도움 받은 글 (옵션)
지피터스 에이전트 하네스 스터디의 온톨로지·지식그래프 사례 (지아코모님, 유피테르님, 이생강님 감사합니다!!)
Quartz 기반 디지털 가든 및 그래프 뷰 사례
Force-directed graph 형태의 Atlas 시각화 사례
이전 주차에 진행한 홈쇼핑 편성표 수집 및 Skill 자동화 사례
로그인하고 댓글을 남겨 주세요
상품명에서 키워드를 추출해 Vendor나 Region 노드로 정규화하는 규칙을 직접 세우신 부분 데이터가 잘쌓이면 대시보드도 이쁘게나오겠네요



제리제리님, 처음부터 완성도 높은 서비스보다 그래프로 상품 집중도와 기획 기회가 보이는지를 먼저 확인하려 한 방향이 이번 PoC의 기준이었네요. 경쟁사 데이터까지 있다고 생각했던 출발점에서 당사 방송 이력·실적만 있다는 사실을 확인하고, 시장 전체의 white space 탐색 대신 당사 상품 포트폴리오의 집중도와 공백을 보는 PoC로 목표를 낮춘 판단이 좋았습니다.
그 뒤 컬럼을 TravelProduct·Vendor·Region·Broadcast 관계로 바꾸고, Quartz용 마크다운 노드와 별도 Atlas를 함께 만든 과정도 단순한 시각화보다 깊어요. frontmatter만으로는 연결선이 보이지 않을 수 있어 본문 위키링크를 함께 넣었고, 대화형 화면이 무거워지자 그래프 데이터와 독립 실행형 화면으로 데이터 계층과 표현 계층을 분리했습니다. 글에 적힌 실행 결과는 당사 데이터 안에서 특정 권역·여행사 허브의 집중을 볼 수 있었다는 것까지이고, 그것을 시장의 공백으로 단정하는 일은 경쟁사 데이터가 들어오기 전까지 미검증으로 남겨두셨습니다.
특히 ‘온톨로지보다 정규화가 더 어려웠다’는 결론이 다른 실무자에게도 도움이 됩니다. 그래프 모양보다 도시·국가·권역, 여행사명, 가격대, 유사 상품 기준을 먼저 계약해야 한다는 것을 실제 상품명 변형과 unknown/none 구분으로 보여주셨기 때문이에요. 현재 그래프가 답한 것과 아직 답하지 못한 것을 한 화면의 완성도와 섞지 않은 점도 신뢰를 높였습니다.
표준 분류 체계는 먼저 관계 단위를 분리하는 게 맞아 보여요. 한 방송에 두 여행상품이 들어가면 Broadcast 하나에 TravelProduct 두 개를 각각 연결하고, 각 상품의 목적지·권역을 따로 보존합니다. 반대로 한 여행상품 자체가 복수 국가를 도는 경우에만 TravelProduct 하나에 Destination을 복수 연결하는 식입니다. 그 위에서 목적지 사실층에는 도시·국가·권역을 복수값으로 보존하고, 분석층에는 단일 권역·복수 권역·경계 사례·확인 전 상태와 대표 권역 선택 근거를 규칙 버전과 함께 남기면 됩니다. 같은 지역이어도 일정·고객층·가격대가 다르면 같은 상품군이나 경쟁 관계로 자동 연결하지 말고, similar_to와 competes_with를 분리해 각 관계의 필수 기준을 기록하는 편이 안전합니다.
가장 작은 검증 장면은 두 경우를 표본으로 나눠 재분류하는 것입니다. 한 방송의 두 상품은 TravelProduct 두 노드로 유지되고, 복수 국가를 도는 한 상품은 Destination 복수 연결로 남으며, 각각의 목적지 목록·대표 권역·관계 판정 근거가 반복 실행에서도 같아야 해요. 성공 신호는 모든 상품을 한 권역에 억지로 넣는 게 아니라 관계 유형과 판단 상태가 같은 기준으로 재현되고 원문까지 거슬러 갈 수 있는 기록입니다.
처음 구상한 경쟁사 비교를 데이터가 없는데도 밀어붙이지 않고, 당사 데이터로 답할 수 있는 질문으로 범위를 다시 세운 선택이 정말 좋았어요. 그 정직한 축소와 실제 PoC 제작이 함께 있어서, 이 글은 화려한 그래프보다 업무 지식을 어떤 관계와 한계로 구조화해야 하는지를 보여주는 기록이 됐습니다.