라인과 사다리: 대규모 소매점 가격 분류를 위한 문맥 인식 멀티 에이전트 프레임워크

Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy

글로벌 소매업체에게는 가격 일관성을 유지하고 매일 저렴한 가격(Every Day Low Price) 전략을 실행하는 것이 매우 중요합니다. 그러나 수백만 개의 활성 상품으로 구성된 카탈로그를 관리할 경우, 수동으로 가격 관계를 관리하는 것은 실현 불가능합니다. 품목의 다양한 변형 간에 일관성이 없는 가격은 고객 가치 인식에 왜곡을 초래하고 매출 감소로 이어질 수 있습니다. 이러한 문제를 해결하기 위해, 우리는 '라인과 사다리' 가격 분류 체계를 자동으로 구축하도록 설계된 확장 가능하고 문맥 인식을 갖춘 멀티 에이전트 프레임워크를 제시합니다. 이 프레임워크는 특수 목적의 LLM(대규모 언어 모델) 에이전트를 활용하여 핵심 속성을 식별하고, 다중 모드 값을 추출하며, 계층적 그룹화 로직을 적용하여 일관성 있는 가격 구조를 구축합니다. 실제 기업 데이터를 기반으로 평가하고 운영 환경에 배포된 3개의 에이전트 시스템은 '라인' 분류에서 F1 점수가 0.83으로 나타났으며, 이는 단일 에이전트 기반 모델보다 인지적 부담을 줄여 성능이 향상되었음을 의미합니다. 또한 이 시스템은 식품 및 소비재 카테고리에서 90% 이상의 정밀도와 75% 이상의 재현율을 달성했으며, 비정형 일반 상품 카탈로그에서는 80.2%의 정확한 분류 결과를 보였습니다.

Maintaining price consistency and executing an Every Day Low Price strategy is critical for global retailers. However, with catalogs spanning millions of active items, manual governance of price relationships is infeasible. Inconsistent pricing across item variants distorts customer value perception and cannibalizes sales. To address this, we present a scalable, context-aware Multi-Agent Framework designed to automate the construction of "Lines and Ladders" pricing taxonomies. Our framework employs specialized LLM agents to construct these coherent pricing structures by identifying key attributes, extracting multi-modal values, and applying hierarchical grouping logic. Evaluated on real-world enterprise data and deployed in production, our 3-Agent system achieves an F1-score of 0.83 for Lines, outperforming single-agent baselines by mitigating cognitive overload. The system achieves >90% precision and >75% recall in Food & Consumables, and 80.2% assignment accuracy in the unstructured General Merchandise catalog.