내 제품이 안 팔려요: AI에게 판매 데이터를 분석하게 했더니, 수수료 포함 3가지 해결책을 제시했어요!

저는 Brain이나 Udemy 같은 플랫폼에 몇 가지 제품을 출시했지만, 정기적으로 판매 실적을 확인하는 것은 고통스러웠습니다. 여러 사이트에 로그인하고, 각 대시보드로 이동하여 숫자를 응시해야 합니다. 그리고 그 숫자들이 '0'일 때는 조용하면서도 영혼을 짓누르는 경험이었습니다.

저는 이 다소 우울한 루틴 작업을 AI에게 맡길 수 있을지 궁금해지기 시작했습니다. 게다가 결과가 좋지 않다면, AI가 객관적으로 다음 단계를 브레인스토밍할 수 있을까요? 이것이 저의 실험입니다.

판매 실적 확인 및 다음 단계에 활용하는 AI

과정은 간단했습니다. 저는 웹 브라우저를 작동하는 AI에게 여러 판매 플랫폼의 관리자 화면을 방문하여 판매 데이터를 보고하도록 임무를 부여했습니다.

하지만 단순히 '0'이라고만 보고 받는다면 저만 마비될 것 같았습니다. 그래서 저는 한 단계 더 나아가 다음과 같은 지침을 추가했습니다:

"판매가 0이라면, 가능한 세 가지 원인과 제가 즉시 실행할 수 있는 실질적인 개선 방안 세 가지를 제시해 주세요."

이렇게 하면 단순히 '판매량 0'이라는 냉정한 사실뿐만 아니라 다음에 무엇을 해야 할지에 대한 실행 계획도 얻을 수 있었습니다.

# AI에게 주어진 핵심 지침
You are my business assistant.
Please perform the following steps:
...

AI의 차가운 보고서와 침착한 제안

잠시 후, AI의 보고서가 도착했습니다. 예상대로 현실은 혹독했습니다.

"보고: 지정된 기간 동안 Brain과 Udemy 모두 판매량이 0 단위였습니다."

네, 그럴 줄 알았습니다. 사람이 한숨을 쉬며 낙담할 법한 곳에서, AI는 침착하게 다음 작업으로 넘어갔습니다. 요청했던 원인 분석과 개선 제안이 즉시 뒤따랐습니다.

[원인 분석]

• 가장 가능성이 높은 원인은 제품의 존재 자체가 필요한 타겟 오디언스에게 충분히 인식되지 않았다는 것입니다.

[제안된 개선 방안]

1. Brain 소개 기능 활성화 (제휴 프로그램):
   • 내용: 다른 인플루언서나 크리에이터가 귀하의 제품을 소개하고, 판매액의 일부를 추천 수수료(referral fee)로 지불하는 시스템입니다.
   • 장점: 자체 홍보 노력으로는 도달할 수 없는 잠재 고객에게 접근할 수 있습니다.
   • 노력/비용: 관리자 화면에서 토글만 켜면 설정 가능합니다. 추천 수수료는 판매액의 최대 50%까지 책정될 수 있습니다.
2. Udemy에 한정 기간 무료 쿠폰 발행:
   • 내용: 사용자가 귀하의 강좌를 무료로 들을 수 있게 하는 쿠폰을 발행하고, X(구 Twitter)와 같은 플랫폼에 배포합니다.
   • 장점: 초기 학생들을 유치하고, 리뷰를 모으며, 강좌의 신뢰도를 높입니다. 유료 구매 장벽을 낮춥니다.
   • 노력/비용: 쿠폰 발행은 관리자 화면에서 몇 번의 클릭만으로 가능합니다. 직접적인 비용은 없지만, 무료 기간 동안에는 수익이 발생하지 않습니다.
3. note.com과 X에 제품 사용 사례 공유:
   • 내용: 귀하의 제품이 어떤 문제를 해결하는지, 그리고 누구에게 추천되는지를 구체적으로 전달합니다.
   • 장점: 독자들이 제품에 공감하게 만들어 구매로 이어지게 합니다.
   • 노력/비용: 기사나 게시글을 작성하는 노력이 필요합니다. 직접적인 비용은 없습니다.

이러한 제안들은 제가 예상했던 것보다 더 구체적이고 즉시 실행 가능한 것이었습니다.

남은 작업: 최종 결정에는 여전히 인간의 손길이 필요하다

AI는 단지 제안자일 뿐입니다. 저는 이 제안들을 무조건적으로 받아들일 수 없었기 때문에, 몇 가지 질문을 더 던져보았습니다.

"Brain 소개 기능에 대한 수수료가 궁금해요."
"Udemy에서 쿠폰을 발행하는 단계들을 보여주세요."

AI는 각 서비스의 도움말 페이지와 약관을 참고하여 이 질문들에 답변했습니다. 저는 구체적인 수수료 계산 방법과, 관리자 화면에서 쿠폰을 발행하기 위해 정확히 어디를 클릭해야 하는지 등 필요한 모든 정보를 얻었습니다.

이 모든 정보가 갖춰진 후에는, 제가 결정을 내릴 차례였습니다.

• 소개 기능을 즉시 활성화할게요.
• 무료 쿠폰의 경우, 우선 100명 한정으로 발행해 볼게요.
• 이번 주말에 포스팅을 작성하는 시간을 따로 마련할게요.

AI가 데이터 수집, 분석, 해결책 브레인스토밍까지 처리하게 함으로써, 저는 가장 중요한 부분인 의사결정에 집중할 수 있습니다. 이는 정체된 프로젝트를 진전시키는 매우 효과적인 방법이라고 생각합니다.

독자들을 위한 실행 가능한 팁

최근 서비스나 제품이 다소 침체되었다고 느끼는 분들이 있다면, AI에게 자문을 구해보는 것을 추천합니다.

핵심은 단순히 '어떻게 하면 더 많이 팔 수 있을까?'라고 묻는 것이 아니라, 다음과 같이 질문을 구성하는 것입니다: '현재 데이터(접속률, 판매량 등)가 여기 있습니다. 이 데이터를 바탕으로 발생 가능한 세 가지 원인과 구체적인 개선 방안 세 가지를 알려주세요.'

객관적인 데이터에 기반하여 요청하면 단순한 희망 사항이 아닌 실행 가능한 계획을 얻는 데 도움이 됩니다. 감정적으로 접근하지 않고 다음 단계를 고려하고 싶을 때, AI가 최고의 자문 상대가 될 수 있습니다.

만약 시간을 절약하기 위해 지루한 작업을 AI로 자동화하는 것에 관심이 있다면, 구현에 대한 상세 가이드도 준비했습니다.

이 가이드는 Python과 Google 서비스를 사용하여 정보 수집 및 아티클 생성을 반자동화하는 방법을 코드와 함께 설명합니다. 환경을 처음부터 설정하는 방법까지 다루고 있어, 독자 스스로 같은 시스템을 구축하고 싶은 분들에게 적합합니다.

【Brain】Python × Gemini API (구 Bard)를 활용한 정보 수집 및 아티클 생성 반자동화 구현 가이드

저는 트레이딩 봇, RAG API, 예약 자동화 등 소규모 Python 시스템을 구축하고 운영하며, 그 과정에서 발생하는 모든 문제를 기록합니다.

만약 제공업체에 구애받지 않는 RAG Q&A API가 유용하시다면, 제 것이 GitHub의 MIT 라이선스로 공개되어 있습니다: rag-faq-api. 이 API는 API 키 없이도 전체 테스트 스위트를 실행하고 통과합니다(*오프라인 Stub LLM + 해싱 임베더). 환경 변수 하나로 Claude / Gemini / OpenAI로 전환할 수 있으며, 청킹 스윕(chunking sweep)을 통해 검색 품질 하네스(retrieval-quality harness)(Hit@k / MRR / Recall@k)를 제공합니다.*