카페인 다이어리는 "오늘 이 커피를 마셔도 밤에 잘 잘 수 있을까?"라는 일상의 작은 고민에서 출발했습니다. 많은 사람들이 하루에 여러 잔의 커피를 마시지만, 정작 그 카페인이 몇 시까지 몸에 남아 수면에 영향을 주는지는 감으로만 판단합니다. 오후 늦게 마신 한 잔 때문에 잠들지 못하고, 다음 날 다시 카페인으로 버티는 악순환이 반복됩니다. 성인 권장 카페인섭취량은 일 최대 400mg으로 알려져있지만, 사용자가 정말 알고 싶은 것은 총량이 아니라 "지금 마셔도 되는가, 그리고 언제까지 마셔도 되는가" 라는 시점의 문제였습니다. 그래서 저희는 약동학 모델을 서비스에 직접 도입하기로 했습니다. 체내 카페인 농도의 지수 감쇠를 계산하여 사용자의 수면 예정 시각에서 역산한 개인별 '카페인 마감시간' 을 제시하고, 사용자가 기록한 수면 질 데이터를 누적해 개인의 카페인 내성을 학습해가는 구조를 설계했습니다. 카페인 다이어리는 '카페인 섭취를 막는 서비스'가 아니라, 사용자가 자신의 카페인과 수면의 관계를 데이터로 이해하고 스스로 조절할 수 있도록 돕는 서비스를 목표로 합니다.

저희 팀은 백엔드 2명, 프론트엔드 2명, 총 4명으로 구성되었습니다. 백엔드는 인증·계정 시스템과 카페인 계산 모듈로 역할을 나누어 개발했고, 프론트엔드는 기록 등록 플로우와 피드 화면을 분담하여 모바일 환경에 최적화된 UI를 구현했습니다.
Backend - Django 5.2 LTS와 Django REST Framework를 기반으로 API 서버를 구축했습니다. 단일 브라우저 클라이언트 환경임을 고려해 JWT 대신 HttpOnly 쿠키 기반 세션 인증을 채택했고, django-allauth에 커스텀 어댑터를 적용하여 카카오·구글 소셜 로그인과 일반 계정이 서로 독립적으로 관리되도록 계정 정책을 명시적으로 설계했습니다.
계산 모듈 설계: 서비스의 핵심인 카페인 계산 로직은 Django에 의존하지 않는 순수 파이썬 패키지로 분리하여, 혈중 농도 계산·마감시간 산출·개인화 보정 등 6개 모듈로 구조화했습니다. 이를 통해 웹 프레임워크와 무관하게 계산 로직만 독립적으로 단위 테스트할 수 있도록 했습니다.
Frontend - Vanilla JavaScript로 구현하여 프레임워크 오버헤드 없이 가벼운 클라이언트를 만들었으며, "카페인 마실 때마다 버튼 한 번"이라는 목표에 맞춰 기록 등록 과정을 최소 단계로 압축했습니다.
Data - MySQL을 사용했으며, 스타벅스·컴포즈·빽다방·이디야·메가커피 등 9개 브랜드 약 450종의 음료 카페인 데이터베이스를 직접 구축하여 사용자가 검색만으로 기록을 남길 수 있도록 했습니다.
Infra - AWS EC2 위에 Docker와 Gunicorn, Nginx로 서비스 환경을 컨테이너화하고 HTTPS를 적용했습니다. GitHub Actions로 CI/CD 파이프라인을 구성해 테스트 통과를 조건으로 자동 배포가 이루어지도록 했습니다.

카페인 다이어리는 '당신의 커피 마감시간을 알려주는 서비스'로 완성되었습니다.
☕ 개인별 카페인 마감시간
수면 예정 시각과 현재 체내 잔존 카페인량을 바탕으로, 오늘 언제까지 카페인을 섭취해도 되는지 시각으로 알려줍니다. 이미 마감시간이 지난 경우, 남은 잔존량이 임계치를 넘은 경우 등 상황별로 다른 안내를 제공합니다.
📊 버튼 한 번으로 끝나는 기록
체중·평소 수면 시각 등 고정 정보는 가입 시 한 번만 입력하고, 이후에는 음료를 선택하는 것만으로 기록이 완료됩니다. 450여 종의 프랜차이즈 음료 프리셋을 제공하며 사용자가 직접 음료를 추가할 수도 있습니다.
🧠 개인화 학습
매일 아침 기록하는 수면 질 데이터를 누적해 사용자 개인의 카페인 내성 임계치를 추정합니다. 기록이 쌓일수록 일반 통계값 대신 개인 데이터의 비중이 커지도록 가중치를 조정하여, 사용할수록 정확해지는 구조를 만들었습니다.
🌙 밤샘 모드
과제나 시험으로 밤을 새워야 할 때, 목표 시각까지 각성 상태를 유지할 수 있는 카페인 섭취 스케줄을 제안합니다. 한 번에 많이 마시는 대신 반감기에 맞춰 분할 섭취하도록 안내하여 체내 농도를 목표 구간 안에 유지합니다. 밤샘 기록은 계산에는 반영하되 개인화 학습에서는 제외하여 평상시 패턴이 왜곡되지 않도록 설계했습니다.

카페인 다이어리는 앞으로 다음과 같은 방향으로 발전시켜 나갈 계획입니다.
개인화 모델 고도화 - 현재는 카페인 내성 임계치만 개인화하고 있으나, 개인별 대사 속도(반감기) 추정까지 확장하여 계산 정확도를 높이고자 합니다.
음료 데이터베이스 확장 및 자동화 - 브랜드별 카페인 정보를 지속적으로 갱신하고, 검증 로직을 테스트 파이프라인에 통합하여 데이터 무결성을 자동으로 관리할 예정입니다.
궁극적으로 카페인 다이어리는 단순한 섭취 기록 도구를 넘어, 사용자가 자신의 몸과 카페인의 관계를 데이터로 이해하고 더 나은 수면을 설계할 수 있도록 돕는 개인화 컨디션 관리 서비스로 성장하는 것을 목표로 하고 있습니다.

저희 팀은 화려한 기능보다 '끝까지 돌아가는 서비스'를 목표로, Django 서버 렌더링을 중심으로 한 5인 풀스택 팀으로 개발했습니다.
- 데이터 설계: 잔액과 표시값을 DB에 저장하지 않고 ORM 집계·런타임 계산으로 파생하도록 설계해 데이터 정합성을 지켰습니다. 기준값(원본)만 저장하고 표시는 실행 시점에 계산합니다.
- 환산 엔진: '활동 시간 × 환율(rate) → 적립'을 핵심 로직으로 두고, 화면 미리보기(JS)와 서버 저장값(Python)이 항상 일치하도록 맞춘 뒤 단위 테스트로 검증했습니다. 팀마다 다르게 쓰던 rate·기준값·표시단위 같은 용어도 문서로 통일했습니다.
- 크루 실시간: WebSocket 대신 10초 폴링으로 응원·마감·초과 이벤트가 쌓이는 피드를 구현해, 복잡도를 낮추면서 실시간성을 확보했습니다.
- 인증·알림: 카카오 OAuth를 로그인용·계정연결용 Redirect URI로 분리 등록하고, 서버 cron으로 카카오톡 '나에게 보내기' 리마인드를 보냅니다.
- 배포·인프라: AWS EC2 위에 Docker Compose(Nginx·Gunicorn·PostgreSQL)와 GitHub Actions로 배포를 자동화했고, 로컬 개발 환경도 동일한 Compose 구성으로 맞춰 환경 차이를 없앴습니다.
- 협업: GitHub·Notion·Figma·Discord로 기획부터 배포까지 소통하며 백엔드 중심으로 안정성을 확보했습니다.

저희 팀은 화려한 기능보다 '끝까지 돌아가는 서비스'를 목표로, Django 서버 렌더링을 중심으로 한 5인 풀스택 팀으로 개발했습니다.
- 데이터 설계: 잔액과 표시값을 DB에 저장하지 않고 ORM 집계·런타임 계산으로 파생하도록 설계해 데이터 정합성을 지켰습니다. 기준값(원본)만 저장하고 표시는 실행 시점에 계산합니다.
- 환산 엔진: '활동 시간 × 환율(rate) → 적립'을 핵심 로직으로 두고, 화면 미리보기(JS)와 서버 저장값(Python)이 항상 일치하도록 맞춘 뒤 단위 테스트로 검증했습니다. 팀마다 다르게 쓰던 rate·기준값·표시단위 같은 용어도 문서로 통일했습니다.
- 크루 실시간: WebSocket 대신 10초 폴링으로 응원·마감·초과 이벤트가 쌓이는 피드를 구현해, 복잡도를 낮추면서 실시간성을 확보했습니다.
- 인증·알림: 카카오 OAuth를 로그인용·계정연결용 Redirect URI로 분리 등록하고, 서버 cron으로 카카오톡 '나에게 보내기' 리마인드를 보냅니다.
- 배포·인프라: AWS EC2 위에 Docker Compose(Nginx·Gunicorn·PostgreSQL)와 GitHub Actions로 배포를 자동화했고, 로컬 개발 환경도 동일한 Compose 구성으로 맞춰 환경 차이를 없앴습니다.
- 협업: GitHub·Notion·Figma·Discord로 기획부터 배포까지 소통하며 백엔드 중심으로 안정성을 확보했습니다.

도파민 가계부는 숏폼 시간을 '보이게' 만들어 스스로 조절하게 하는 시간 기반 가계부입니다.
⏱ 지출·수입 기록 — 숏폼은 지출로, 독서·운동·공부는 수입으로. 쓴 시간과 번 시간을 있는 그대로 기록합니다.
🔄 시간 환산 — 활동 시간을 돈·책·운동량으로 환산해 '얼마나' 썼는지 체감하게 합니다.
✅ 하루 마감 & 리그 여정 — 오늘의 지출·수입·잔액을 확인하고 버튼 하나로 하루를 닫습니다. 연속 마감이 쌓이면 리그가 오르고 등급마다 환율 우대가 열립니다.
👥 크루 — 초대 코드로 최대 6명이 한 방에 모여 이번 주 공동 목표와 기여도를 확인하고, 서로의 기록을 실시간 피드로 지켜봅니다.
💰 주간 예산 & 결산 — 한 주 숏폼 예산을 정하고, 초과하면 홈 화면 경고와 크루 피드로 알립니다.
🔔 카카오톡 리마인드 — 마감을 놓치지 않도록 저녁 시간대에 알림을 보냅니다.

저희는 이번 발표를 '과제 마무리'가 아니라 '진행 중인 개발'로 보고, 실사용에서 확인한 점들을 다음처럼 이어가고 싶습니다.

- 스크린샷 자동 인식: 수동 입력 대신 OCR로 숏폼 시간을 자동 기록
- 온보딩 튜토리얼: 첫 사용자에게 서비스 흐름을 먼저 안내
- 결산 리포트 개선: 활동 내역과 숫자 표시를 더 읽기 쉽게
- 시급표 보정: 실사용 데이터로 활동별 환율 초기값을 조정
- 연속일 정밀화 & 인프라 고도화: 마감 누락 엣지 케이스를 다듬고, 사용자가 늘어도 안정적으로 처리하도록 배포·브랜치 전략을 정비

마음자국은 “바쁜 일상 속에서 쉽게 흘려보내는 감정과 기억을 더 오래 간직할 수 없을까?”라는 고민에서 출발했습니다. 기존의 기록 서비스는 글이나 사진을 중심으로 추억을 남기는 경우가 많아, 그날의 감정과 장소를 함께 돌아보기에는 한계가 있었습니다.
이에 저희는 사용자가 하루의 감정과 사진, 장소를 하나의 기록으로 남기고 지도 위에서 자신만의 감정 자취를 확인할 수 있는 서비스를 기획했습니다. 마음자국은 일상의 순간을 기록하는 것에서 나아가, 사용자가 지나온 시간과 감정의 흐름을 자연스럽게 돌아볼 수 있는 공간을 목표로 합니다.

마음자국은 Django 기반의 서버 렌더링 방식으로 구현했습니다. 기록 작성, 감정 선택, 이미지 업로드, 장소 검색, 마이페이지를 중심으로 개발했으며, 친구 추가와 기록 공유 기능을 통해 다른 사용자와 추억을 나눌 수 있도록 구성했습니다.
사용자 인증과 기록, 장소, 친구 관계 등 데이터 간의 연결은 Django ORM을 활용해 안정적으로 관리했습니다. 또한 직관적인 화면 구성과 자연스러운 사용자 흐름을 고려해, 기록 작성부터 지도 및 마이페이지에서의 확인까지 편리하게 이용할 수 있도록 개발했습니다.

마음자국은 감정과 사진, 장소가 담긴 기록을 작성하고 지도 위에서 확인할 수 있는 감정 기록 서비스입니다. 단순히 글을 남기는 일기장을 넘어, 각각의 순간을 장소와 감정으로 연결해 자신만의 추억 지도를 만들어갈 수 있다는 점에서 차별점을 가집니다.
📍 감정 지도
작성한 기록을 지도 위에 표시하여 어떤 장소에 어떤 감정과 추억이 남아 있는지 한눈에 확인할 수 있습니다.
✍️ 감정 기록
하루의 감정과 글, 사진, 장소를 함께 저장해 당시의 순간을 더욱 생생하게 간직할 수 있습니다.
👤 마이페이지
자신이 작성한 기록을 모아보고, 지금까지 쌓아온 감정과 추억을 편리하게 확인할 수 있습니다.
🤝 친구 및 공유

앞으로는 현재 서울로 한정된 지도를 전국으로 확대해 더욱 다양한 장소의 추억을 기록할 수 있도록 발전시키고자 합니다. 또한 친구 그룹별 파티를 개설해 원하는 기록을 공유하고 소통할 수 있는 기능과 새로운 기록 및 반응을 확인하는 알림 기능을 추가할 예정입니다. 이와 함께 모바일 사용성을 높이고, 사용자가 자신의 감정 변화를 쉽게 돌아볼 수 있는 회고 기능도 발전시킬 계획입니다.

PLAN B는 “시험 계획을 세워도 왜 항상 계획대로 공부하지 못할까?”라는 고민에서 시작됐습니다. 기존의 플래너는 사용자가 직접 계획을 세우고 기록하는 데 집중되어 있지만 실제 시험기간에는 예상보다 공부가 오래 걸리거나 갑작스러운 일정으로 인해 계획이 쉽게 무너지곤 합니다. 저희는 이러한 상황에서 필요한 것은 완벽한 계획이 아니라 현재 상황을 분석하고 실패한 계획을 다시 현실적으로 조정해주는 서비스라고 생각했습니다. 이에 시험 일정, 과목별 학습 자료, 공부 가능한 시간을 바탕으로 학습량을 분석하고 계획의 실현 가능성을 판단하며 계획이 틀어졌을 때 남은 일정에 맞게 자동으로 복구해주는 시험기간 학습 플래너 PLAN B를 기획했습니다.

저희 팀은 백엔드 개발자 3명, 프론트엔드 개발자 2명으로 구성되어 약 3주간 PLAN B를 개발했습니다. 사용자가 PDF와 같은 학습 자료를 등록하면 내용을 추출하고 AI를 활용해 학습 작업과 중요도, 예상 학습시간을 분석하도록 구현했습니다. 이후 시험일까지의 남은 기간과 사용자의 일별 가용시간을 함께 계산하여 실제 수행 가능한 학습 계획을 생성했습니다. 특히 단순히 계획을 만들어주는 것에서 끝내지 않고 사용자가 공부를 완료했는지 또는 계획보다 적게 수행했는지를 기록하면 남은 공부량과 일정의 변화를 반영해 계획을 다시 배치하는 복구 로직을 구현하는 데 집중했습니다. 개발 과정에서는 PDF 처리 안정성, AI 응답 형식의 일관성, 학습 작업 배치 순서와 같은 문제를 해결하며 서비스의 안정성과 실제 사용 가능성을 높였습니다.

완성된 PLAN B에서는 사용자가 시험기간과 과목을 등록하고 공부할 수 있는 시간과 학습 자료를 입력하는 것만으로 시험 준비 계획을 만들 수 있습니다. AI가 자료를 분석해 필요한 학습 작업을 생성하고 각 작업의 중요도와 예상 시간을 기반으로 시험일까지의 계획을 자동으로 배치합니다. 또한 현재 확보한 공부시간으로 모든 학습을 끝낼 수 있는지 확인하여 계획의 실현 가능성을 미리 보여줍니다. PLAN B의 가장 큰 특징은 계획이 실패한 이후입니다. 사용자가 예정된 공부를 끝내지 못해도 기존 계획을 포기하는 대신 남은 작업을 유지하는 방식과 중요한 내용에 집중하는 방식의 복구안을 제시하여 사용자가 다시 공부를 이어갈 수 있도록 했습니다. 이를 통해 처음부터 끝까지 완벽하게 지키는 플래너가 아니라 현실에서 계속 수정하며 끝까지 가져갈 수 있는 플래너를 만들고자 했습니다.

PLAN B를 개발하며 같은 분량의 자료라도 내용의 밀도나 개인의 학습 속도에 따라 실제 필요한 공부시간은 크게 달라질 수 있다는 점을 확인했습니다. 앞으로는 사용자의 실제 공부 기록이 쌓일수록 개인별 학습 속도를 더욱 정확하게 반영하여 예상 학습시간과 계획의 정확도를 높이는 방향으로 발전시킬 수 있습니다. 또한 단순한 시험기간 관리에서 나아가 과제, 자격증, 프로젝트 등 장기간의 학습 목표에도 적용할 수 있도록 계획 및 복구 알고리즘을 확장하고자 합니다. PLAN B가 계획을 지키지 못한 순간을 실패로 만드는 서비스가 아니라 계획이 틀어진 순간에도 다음 선택지를 제시해 목표를 끝까지 달성하도록 돕는 서비스로 발전하는 것이 저희 팀의 목표입니다.

우리는 일상에서 큰 고민 없이 구매를 결정하지만, 그 선택으로 인해 무엇을 포기하게 되는지까지 생각하는 경우는 많지 않습니다. 특히 고가의 제품이나 여행과 같이 한정된 예산이 필요한 소비에서는 하나의 선택이 다른 선택의 기회를 포기하게 만들 수 있습니다.

저희는 이러한 문제에 주목하여, 단순히 상품의 가격이나 스펙을 비교하는 것을 넘어 사용자의 구매 목적과 가치관을 바탕으로 선택하지 않은 대안의 가치까지 함께 보여주는 서비스를 기획했습니다.

CHOEZY는 사용자가 구매하고자 하는 상품과 목적을 입력하면 다양한 대안을 제시하고, 가격·사용 목적·예상 사용량 등의 기준을 바탕으로 선택지를 비교합니다. 이후 해당 소비로 인해 포기하게 되는 대안, 즉 기회비용을 직관적으로 시각화하여 사용자가 자신의 소비를 한 번 더 생각하고 합리적인 결정을 내릴 수 있도록 돕고자 했습니다.

저희 팀은 사용자의 실제 구매 의사결정 과정을 중심으로 서비스를 설계하고, 기획부터 프론트엔드와 백엔드 개발, 배포까지 전 과정을 직접 구현했습니다.

* Frontend: Django Template, HTML, CSS, JavaScript를 활용하여 사용자가 상품을 탐색하고 비교 결과를 직관적으로 확인할 수 있는 반응형 UI를 구현했습니다. 상품 비교부터 기회비용 시각화, 소비로그, 리포트까지 자연스럽게 이어지는 사용자 경험을 설계했습니다.

* Backend: Django를 기반으로 상품 검색 및 대안 생성, 비교 데이터 처리, 소비 기록 저장 등의 서버 로직을 구축했습니다. 사용자의 입력값을 바탕으로 필요한 데이터를 전달하고 각 기능이 유기적으로 연결될 수 있도록 서비스 구조를 설계했습니다.

* 대안 추천: 사용자가 입력한 상품과 구매 목적을 바탕으로 단순히 유사한 상품을 나열하는 것이 아니라, 사용자의 선택을 대신할 수 있는 다양한 대안을 생성하도록 구현했습니다. 이를 통해 사용자가 자신의 예산으로 어떤 다른 선택을 할 수 있는지 확인할 수 있도록 했습니다.

* Opportunity Cost Visualization: 상품 가격과 대안의 가격을 비교하여 현재의 소비로 선택하지 못하게 되는 대안을 시각적인 블록 형태로 표현했습니다. 복잡한 경제 개념인 기회비용을 숫자만으로 설명하지 않고, 사용자가 한눈에 이해할 수 있도록 시각화했습니다.

* Consumption Log & Report: 사용자가 실제로 어떤 소비를 했는지 기록하고, 축적된 소비 데이터를 바탕으로 월별 소비 패턴과 소비 카테고리를 확인할 수 있도록 구성했습니다. 일회성 구매 분석을 넘어 자신의 소비 습관을 지속적으로 돌아볼 수 있도록 했습니다.

* Collaboration: GitHub, Discord, Notion, Figma 등을 활용하여 기획·디자인·개발 과정에서 지속적으로 협업했습니다. 프론트엔드와 백엔드 간 API 및 데이터 구조를 조율하며 기능을 단계적으로 구현하고 최종 배포까지 진행했습니다.

CHOEZY는 사용자의 구매 목적과 가치관을 바탕으로 선택하지 않은 대안의 가치까지 비교하고, 더 나은 소비 결정을 돕는 소비 의사결정 서비스입니다.

📊 상품 및 대안 비교
사용자가 중요하게 생각하는 기준을 선택하여 여러 대안을 비교할 수 있도록 구성했습니다. 가격뿐만 아니라 사용 목적과 예상 사용량 등 자신에게 필요한 기준을 중심으로 선택지를 비교할 수 있습니다.

🛍️ AI 기반 대안 추천
사용자가 구매하고 싶은 상품과 구매 목적을 입력하면 AI가 비슷한 가격대에 해당 소비를 대신할 수 있는 대안들을 제안합니다. 추천되는 대안 종류 및 내용은 시드데이터로 직접 구축했습니다. 사용자는 하나의 상품만 바라보는 것이 아니라, 같은 예산으로 선택할 수 있는 다양한 가능성을 함께 살펴볼 수 있습니다.

💰 기회비용 시각화
현재 선택한 상품의 가격으로 다른 대안을 얼마나 선택할 수 있는지 시각적으로 보여줍니다. 추상적으로 느껴질 수 있는 '기회비용'을 실제 소비 상황과 연결하여, “이것을 선택하면 무엇을 포기하게 되는가?”를 직관적으로 이해할 수 있도록 했습니다.

🤖 AI 구매 의사결정 지원
단순히 하나의 상품을 추천하는 것이 아니라 사용자가 입력한 구매 목적과 비교 결과를 바탕으로 최종적인 구매 의사결정을 돕습니다. 이를 통해 AI가 사용자의 선택을 대신하기보다, 더 나은 선택을 위한 정보를 제공하는 것을 목표로 합니다.

📝 소비로그
구매한 상품과 소비 내역을 기록하여 자신의 소비를 지속적으로 관리할 수 있도록 했습니다. 구매 당시의 의사결정과 실제 소비를 연결함으로써 단순한 상품 비교를 넘어 개인의 소비 데이터를 축적할 수 있습니다.

📈 CHOEZY 리포트
축적된 소비로그를 기반으로 사용자의 소비 패턴을 분석하고 월별 소비 흐름과 카테고리별 소비 현황을 확인할 수 있도록 구성했습니다. 이를 통해 사용자가 자신의 소비 습관을 객관적으로 돌아볼 수 있도록 했습니다.

저희 팀은 현재의 MVP를 넘어, 사용자의 소비 의사결정을 지속적으로 지원하는 개인 맞춤형 소비 플랫폼으로 CHOEZY를 발전시키고자 합니다.

* 개인화된 소비 의사결정 고도화
사용자의 소비로그와 과거 의사결정 데이터를 지속적으로 축적하여, 개인의 소비 성향과 구매 패턴을 더욱 정교하게 반영하는 맞춤형 의사결정 지원 기능으로 발전시킬 예정입니다.

* 기회비용 시각화 범위 확장
현재 가격을 중심으로 제공되는 기회비용을 넘어 시간, 사용 빈도, 장기적인 가치 등 다양한 요소를 반영하여 실제 사용자가 체감할 수 있는 기회비용을 더욱 풍부하게 표현하고자 합니다.

* 소비 데이터 기반 인사이트 강화
단순한 월별 소비 현황을 넘어 사용자의 소비 변화와 반복적인 소비 패턴을 분석하여, 특정 소비가 자신의 전체 소비에서 어떤 의미를 갖는지 파악할 수 있는 개인화된 인사이트를 제공할 계획입니다.

* 지속적인 기술 탐구와 서비스 완성도 제고
프로젝트를 진행하며 발견한 기술적·UX적 한계를 지속적으로 개선하고, 더 다양한 상품과 소비 상황에 대응할 수 있는 데이터 및 AI 기반 의사결정 시스템을 구축하고자 합니다. 궁극적으로 CHOEZY를 “무엇을 살 것인가”를 넘어 “왜 이 선택을 하는가”까지 생각하게 만드는 소비 의사결정 플랫폼으로 발전시켜 나가겠습니다.