[ADD] Bedrock-Manus, Insight Extractor with Strand SDK

Author: Dongjin Jang

genai/aws-gen-ai-kr/20_applications/08_bedrock_manus/use_cases/02_insight_extractor/app/app.py

@@ -1,7 +1,7 @@
 import sys, os
 module_path = ".."
 sys.path.append(os.path.abspath(module_path))
-os.environ['LLM_MODULE'] = 'src.agents.llm_st'
+os.environ['APP'] = 'True'
 
 import streamlit as st
 from main import execution
@@ -13,7 +13,7 @@
 st.markdown('''- This is multi-agent based AI Automation chatbot''')
 st.markdown('''
             - You can find the source code in 
-            [this Github](https://github.com/aws-samples/aws-ai-ml-workshop-kr/tree/master/genai/aws-gen-ai-kr/20_applications/08_bedrock_manus)
+            [this Github](https://github.com/aws-samples/aws-ai-ml-workshop-kr/tree/master/genai/aws-gen-ai-kr/20_applications/08_bedrock_manus/use_cases/02_insight_extractor)
             ''')
 
 ####################### Initialization ###############################

genai/aws-gen-ai-kr/20_applications/08_bedrock_manus/use_cases/02_insight_extractor/artifacts/all_results.txt

@@ -0,0 +1,76 @@
+
+# 아마존 판매 데이터 분석 보고서
+
+## 1. 개요
+본 보고서는 아마존 판매 데이터를 분석하여 주요 마케팅 인사이트를 도출한 결과를 담고 있습니다.
+
+## 2. 데이터 기본 정보
+- 총 데이터 건수: 121,180건
+- 분석 기간: 2022년 데이터
+- 주요 분석 항목: 판매량, 매출액, 카테고리, 지역, 고객 유형 등
+
+## 3. 주요 분석 결과
+
+### 3.1 시계열 트렌드 분석
+![일별 판매 추이](./artifacts/daily_sales_trend.png)
+- 일별 판매량과 매출액의 변동성이 관찰됨
+- 주말과 평일의 판매 패턴에 차이가 있음
+
+### 3.2 카테고리별 분석
+![카테고리별 매출](./artifacts/category_revenue.png)
+- Set와 Kurta 카테고리가 전체 매출의 대부분을 차지
+- Western Dress가 그 뒤를 이어 높은 매출 기록
+
+### 3.3 판매 채널 분석
+![판매 채널별 매출](./artifacts/channel_revenue.png)
+- 주요 판매 채널별 성과 차이가 뚜렷함
+- 채널별 차별화된 전략 필요
+
+### 3.4 고객 세그먼트 분석
+![B2B vs B2C 비교](./artifacts/b2b_vs_b2c_revenue.png)
+- B2B와 B2C 고객군의 구매 패턴 차이가 명확함
+- 세그먼트별 맞춤 전략 수립 필요
+
+### 3.5 지역별 분석
+![상위 지역별 매출](./artifacts/top_regions_revenue.png)
+- 특정 지역에 매출이 집중되어 있음
+- 지역별 타겟팅 전략 필요
+
+### 3.6 프로모션 효과 분석
+![프로모션별 매출](./artifacts/top_promotions_revenue.png)
+- 프로모션 효과의 차이가 큼
+- 효과적인 프로모션 유형 파악 및 확대 필요
+
+## 4. 주요 마케팅 인사이트
+
+1. 지역별 타겟팅
+   - 상위 매출 지역에 대한 집중 마케팅 필요
+   - 지역별 선호 제품 카테고리 고려
+
+2. 고객 세그먼트 전략
+   - B2B/B2C 고객별 차별화된 접근
+   - 구매 금액대별 맞춤형 프로모션 설계
+
+3. 제품 전략
+   - 인기 스타일 중심의 제품 라인업 강화
+   - 카테고리별 시즌성 고려한 재고 관리
+
+4. 프로모션 최적화
+   - 효과적인 프로모션 유형 확대
+   - 고객 세그먼트별 맞춤형 프로모션 설계
+
+5. 판매 채널 전략
+   - 채널별 특성을 고려한 차별화 전략
+   - 채널 간 시너지 효과 극대화
+
+## 5. 결론 및 제언
+
+본 분석을 통해 도출된 인사이트를 바탕으로 다음과 같은 전략적 접근을 제안합니다:
+
+1. 지역 기반 타겟팅 강화
+2. 고객 세그먼트별 차별화 전략 수립
+3. 효과적인 프로모션 설계 및 실행
+4. 제품 포트폴리오 최적화
+5. 판매 채널 효율성 제고
+
+향후 지속적인 데이터 모니터링과 분석을 통해 전략의 효과성을 검증하고 개선해 나가는 것이 필요합니다.