J-Connect - AI 기반 지역소멸 대응·로컬 브랜딩 플랫폼
전북의 지역소멸 문제를 단순히 ‘관광객이 부족해서’ 발생하는 문제로 보지 않고, 실제 데이터를 통해 원인을 다시 살펴봤습니다. 전북 시군별 인구이동을 분석해 익산·군산·정읍 등 여러 지역에서 인구 순유출이 나타나는 것을 확인하고, 관광·음식·축제·문화·체육시설 등 전북 공공데이터를 결합해 인구 이동과 지역 자원의 관계를 분석했습니다.
데이터 분석
‘관광객을 더 모으면 해결될까?’
관광객 수와 음식점·축제 등 단기 관광 요소가 인구 이동과 어떤 관계를 갖는지 상관관계를 분석했습니다. 분석 결과 일부 관광 지표가 인구 순이동과 음의 관계를 보여, 스쳐 지나가는 관광만으로 정주 문제를 설명하기 어렵다는 가설을 세웠습니다.
단기 유인과 정주 유인을 분리하다
관광지·음식점·축제를 단기 유인 지수, 문화·체육시설을 정주 유인 지수로 나누고 Min-Max 정규화를 통해 시군별 지수를 구성했습니다.
이후 Random Forest 기반 인구이동 예측에서 두 지수의 feature importance를 비교했고, 정주 유인 지수의 중요도가 단기 유인 지수보다 높게 나타나는 것을 확인했습니다.
데이터 분석 결과를 서비스 구조로 전환
분석 결과를 바탕으로 문제를 “사람을 어떻게 한 번 방문하게 할 것인가”가 아니라 “어떻게 지역과 관계를 만들고, 머물고, 결국 살아보게 할 것인가”로 재정의했습니다.
이를 관계인구 → 생활인구 → 정주인구의 3단계 전환 모델로 설계했습니다.
1단계 — 관계인구
사용자의 관심사와 전북 지역 데이터를 연결해 개인화된 장소·행사·체험을 추천하고, 지역과의 긍정적인 첫 접점을 만드는 단계입니다.
2단계 — 생활인구
워케이션·한달살기·지역 커뮤니티 등 체류형 경험과 연결해 사용자가 여행객을 넘어 일정 기간 지역의 삶을 경험하도록 설계했습니다.
3단계 — 정주인구
지역에서 형성된 관계와 경험을 창업지원·일자리 등 정착 기회와 연결해 장기적인 정주 가능성을 높이는 구조를 제안했습니다.
K-Means 기반 ‘나만의 전북 지도’
전북 관광·문화 데이터를 K-Means로 군집화하고 GIS 정보와 결합해 사용자의 관심사에 맞는 AI 테마 지도 프로토타입을 구현했습니다. 단순 인기순 추천 대신 관심사가 유사한 지역·장소들을 지도 위에서 탐색할 수 있도록 설계했습니다.
RAG 기반 ‘로컬 여행 비서’
“기차로 갈 수 있고, 조용한 바닷가 근처이며, 반려동물 동반이 가능한 숙소와 식당을 알려줘”처럼 여러 조건이 결합된 질문을 처리하기 위해 RAG 기반 AI Agent 프로토타입을 구현했습니다.
전북 공공데이터를 검색해 관련 정보를 LLM 컨텍스트로 제공함으로써 일반적인 생성형 AI 답변이 아니라 지역 데이터에 근거한 추천을 생성하고 답변의 근거성을 높이도록 설계했습니다.
기술 스택은 React 프론트엔드, Spring Boot 백엔드, Python/scikit-learn 기반 분석·ML, LangChain 기반 RAG 환경을 사용했습니다.
예측 시뮬레이션
서비스 전략 적용을 가정한 예측 시뮬레이션에서 대부분의 문제 지역은 개선 방향을 보였지만 일부 군 지역에서는 오히려 예측치가 낮아지는 결과가 나타났습니다.
이를 단순 모델 오류로 처리하지 않고 지역별 산업·일자리·고령화 구조의 차이를 고려해 획일적인 전략 대신 Two-Track 지역 전략을 제안했습니다.
Track 1 — 거점 도시
익산·군산 등 기존 문화·생활 인프라가 있는 거점 지역은 기존 인프라와 사람을 연결하고, AI 추천과 커뮤니티를 통해 정주 환경의 매력도를 높이는 전략을 제안했습니다.
Track 2 — 농업 특화 군
장수·임실 등 농업 특화 지역은 지역 특산물, 6차 산업, 체험 관광을 활용해 지역 경제 기반을 강화하고 ‘찾고 싶은 지역’으로 브랜딩하는 전략을 제안했습니다.
비즈니스 모델
플랫폼 내 체류형 프로그램·지역 상품 거래에서 발생하는 B2C 중개 수수료, 지역 소상공인·숙박업체 대상 B2B 프리미엄 계정, 지자체·기관 대상 B2G/B2B 데이터 구독 서비스의 세 가지 수익 모델을 설계했습니다.
배운 점
공공데이터 분석을 단순한 시각화로 끝내지 않고 문제의 기존 가설을 검증하고, 분석 결과로 서비스 전략 자체를 다시 설계하는 경험을 했습니다.
특히 하나의 전략이 모든 지역에 동일하게 작동하지 않는 결과를 확인하면서, 데이터 결과를 그대로 적용하기보다 지역의 맥락을 해석하고 세분화된 실행 전략으로 전환하는 과정의 중요성을 배웠습니다.
이를 통해 데이터 분석 → 문제 재정의 → AI 서비스 설계 → 프로토타입 → 지역별 실행 전략까지 연결하는 문제 해결 과정을 경험했습니다.