Vendor Discovery게시일 June 22, 2026 · 수정일 June 22, 2026

AI 기반 공급업체 발굴 및 소싱 플랫폼

전자상거래 기업과 수입업자들은 Alibaba와 같은 B2B 마켓플레이스에서 수동으로 검색하는 과정을 대체하여 국제 공급업체를 발굴, 평가, 관리할 수 있는 지능형 플랫폼이 필요했습니다.

프로젝트 상담하기

Vendor Discovery

Domain

Technologies

Key Results

Delivered

Status

과제

신뢰할 수 있는 국제 공급업체를 찾는 것은 시간이 많이 소요되는 수동적인 과정이었습니다:

B2B 플랫폼에서 수천 개의 공급업체 목록을 검색하는 것은 압도적이었습니다
소셜 미디어 존재 여부 또는 디지털 흔적 품질로 필터링할 방법이 없었습니다
공급업체 정보는 흩어져 있었고 수동으로 집계해야 했습니다
소싱 결정에 대한 AI 지원 안내가 없었습니다
공급업체 데이터의 대량 가져오기/내보내기가 불가능했습니다

우리의 솔루션

우리는 지능형 검색, 자동화된 데이터 강화, 그리고 소싱 안내를 위한 AI 챗 어시스턴트를 갖춘 AI 기반 공급업체 발굴 플랫폼을 구축했습니다.

아키텍처

백엔드: Node.js/Express (TypeORM 및 PostgreSQL 사용)
검색 엔진: 우선순위 필터링을 통한 빠르고 전체 텍스트 공급업체 검색을 위한 Elasticsearch
프론트엔드: React 18 + Vite (Redux Toolkit 및 Material UI 사용)
관리자 대시보드: 공급업체 관리를 위한 전용 관리 인터페이스
AI 어시스턴트: 소싱 안내를 위한 OpenAI + Google Gemini 기반 챗
스크래핑 엔진: 자동화된 공급업체 데이터 수집을 위한 Puppeteer + Selenium

주요 기능

지능형 검색 - 이름, 카테고리, 위치, 소셜 미디어 필터가 있는 Elasticsearch
AI 챗 어시스턴트 - 공급업체 발굴 및 소싱 조언을 위한 대화형 AI
소셜 미디어 추출 - Instagram, Facebook, LinkedIn, Twitter, YouTube, TikTok, Pinterest 프로필의 자동 인덱싱
데이터 강화 - 연락처 정보, 브랜드, 인증, MOQ의 자동 추출
대량 작업 - 공급업체 데이터 관리를 위한 CSV 가져오기/내보내기
공급업체 자체 온보딩 - 공급업체가 직접 프로필을 등록하고 관리할 수 있습니다
즐겨찾기 및 기록 - 선호하는 공급업체를 저장하고 검색 기록을 추적합니다
구독 결제 - Stripe 기반 크레딧 결제 시스템

데이터 파이프라인

스크래핑 - Puppeteer/Selenium은 B2B 플랫폼에서 공급업체 데이터를 수집합니다
강화 - AI는 구조화된 데이터(연락처, 인증, 소셜 링크)를 추출합니다
인덱싱 - Elasticsearch는 우선순위 기반 순위를 사용하여 강화된 데이터를 인덱싱합니다
검색 - 카테고리, 위치, 소셜 미디어 필터가 포함된 전체 텍스트 검색
AI 안내 - 챗 어시스턴트는 사용자가 검색을 세분화하고 공급업체를 평가하도록 돕습니다

결과

검색 속도: 수천 개의 공급업체에 대한 1초 미만의 쿼리 결과

데이터 품질: AI 강화로 공급업체당 80개 이상의 데이터 필드 추출

사용자 생산성: AI 어시스턴트가 소싱 연구 시간을 60% 단축

확장성: 실시간 검색으로 수천 개의 인덱싱된 공급업체를 처리하는 플랫폼

기술 스택

Node.jsExpressPostgreSQLTypeORMElasticsearchReactViteRedux ToolkitMaterial UIOpenAIGoogle GeminiPuppeteerSeleniumStripe

caseStudyDetail.more 사례 연구

더 많은 기술 구현 사례를 살펴보세요

Vendor Discovery

Elasticsearch를 이용한 지능형 B2B 공급업체 검색 엔진

해당 벤더 플랫폼은 수천 개의 해외 공급업체를 대상으로 복잡한 다면 검색 쿼리를 1초 미만의 응답 시간으로 처리할 수 있는 고성능 검색 엔진을 필요로 했습니다.

사례 연구 읽기

AI Accounting

OCR 및 QuickBooks 연동을 통한 AI 기반 송장 처리

매월 수백 건의 공급업체 송장을 처리하는 중견 기업은 AI/OCR을 사용하여 송장 데이터를 자동으로 추출하고 이를 QuickBooks에 직접 동기화하여 장부 정리 및 지급 추적을 함으로써 수동 데이터 입력을 없애야 했습니다.

사례 연구 읽기

자주 묻는 질문

MicrocosmWorks는 벤더 역량에 대한 NLP 분석, 과거 성능 데이터, 인증 확인, 지리적 근접성을 가중 복합 점수로 결합하는 다중 신호 순위 엔진을 구축했습니다. AI 모델은 성공적인 계약과 가장 강력하게 연관되는 벤더 속성이 무엇인지 학습하기 위해 조달 성과 데이터에 기반하여 미세 조정되었습니다.

네, MicrocosmWorks는 ThomasNet과 같은 표준 데이터베이스를 넘어 벤더 웹사이트, 무역 출판물, 산업 디렉토리를 지속적으로 색인화하는 웹 크롤링 파이프라인을 구현했습니다. NLP 분류기는 비정형 텍스트에서 벤더 역량을 식별할 수 있으며, 큐레이션된 데이터베이스에는 나타나지 않지만 구매자의 기술 사양과 일치하는 공급업체를 찾아냅니다.

MicrocosmWorks는 30일마다 벤더 프로필을 다시 방문하는 자동 재크롤링 일정을 설계했으며, 이는 새로운 인증, 시설 확장 또는 리더십 변경과 같은 중요한 업데이트를 감지하는 변경 감지 알고리즘을 포함합니다. 오래된 프로필은 순위에서 우선순위가 낮아지며, 구매자는 이전에 추천했던 벤더의 프로필이 실질적으로 변경될 때 알림을 받습니다.

MicrocosmWorks는 SAP Ariba, Coupa, Oracle Procurement Cloud용 REST API 커넥터를 구축하여, 발굴된 공급업체를 구매자의 기존 소싱 워크플로에 직접 푸시할 수 있도록 합니다. 이 플랫폼은 또한 모든 ERP 시스템의 공급업체 마스터 데이터 가져오기 프로세스와 호환되는 표준 형식으로 공급업체 최종 후보 목록을 내보냅니다.

MicrocosmWorks는 AI 기반 조달 플랫폼을 시간당 $25-$50의 요율로 구축하며, 크롤링 파이프라인, NLP 랭킹 엔진, ERP 통합을 포함하는 전체 벤더 발굴 시스템은 일반적으로 600-900 개발 시간이 필요합니다. AI 모델 학습 및 미세 조정 단계는 총 시간 중 일반적으로 100-150시간을 차지합니다.

비즈니스 혁신을 시작할 준비가 되셨나요?

귀하의 과제에 유사한 솔루션을 적용하는 방법에 대해 논의해 보겠습니다.

문의하기 caseStudyDetail.viewAllCaseStudies