수강생 사례 #검색트렌드자동화 #이상치감지 #GPT뉴스분류 #네이버데이터랩API

검색량이 폭발한 날,
어떤 뉴스가 퍼지고 있었나?
GPT가 자동으로 가려냅니다

네이버 데이터랩 API · Selenium · AI로 키워드 검색 이상치를 자동 감지하고, 해당 날짜의 뉴스를 AI가 긍정·부정·중립으로 분류합니다.
ChatGPT X Python RPA 수강생이 직접 구현한 실전 모니터링 자동화 사례입니다.

92%
업무 시간
절감율
6h→30m
주간 모니터링
소요 시간
264h
연간 절약
시간
AI
긍정/부정/중립
자동 분류
01 — 배경 · Problem

이슈는 이미 퍼진 뒤였습니다.
매주 6시간, 포털을 직접 돌아다니며
뉴스를 수동으로 확인하고 있었습니다.

바이브코딩스쿨 수강 전, 매주 포털을 직접 돌아다니며 뉴스를 수기로 확인하던 비전공자 직장인

통신서비스 기업의 메시지 플랫폼 담당자에게 키워드 모니터링은 핵심 업무입니다. 특정 서비스 관련 검색량이 급증하면 그 이면에 민원·장애·이슈가 있을 가능성이 높기 때문입니다. 그러나 이상 징후를 알아채는 일이 전적으로 사람의 감각에 의존하고 있었습니다.

매주 SNS 커뮤니티와 포털 뉴스를 직접 순회하며 키워드 노출 여부를 확인하고, 관련 기사를 하나씩 읽어 긍정·부정 영향도를 판단해 리포트로 정리했습니다. 검색량이 폭발한 날에는 수십 개의 기사를 수동으로 확인해야 했고, 그때마다 이미 여론이 퍼진 뒤에야 이슈를 파악하는 일이 반복됐습니다.

"키워드 검색량이 갑자기 튀는 날이 꼭 있거든요. 그게 무슨 이유인지 알아내려고 매번 기사를 하나씩 확인하고 있었는데, 이슈가 터지고 나서야 알았을 때 이미 여론은 퍼진 뒤였어요."

단계 작업 내용 소요 시간
STEP 1 SNS 커뮤니티·포털 사이트 직접 접속 및 관련 키워드 검색 1.5시간
STEP 2 검색어 순위 변동 모니터링 및 이상 징후 여부 수동 확인 1시간
STEP 3 관련 기사 클릭 → 내용 확인 → 서비스에 미치는 영향도 수동 판단 2시간
STEP 4 분석 결과를 엑셀로 정리 후 담당자 메일 공유 및 리포트 작성 1.5시간

🕑 매주 6시간 — 4개 이상의 포털·커뮤니티를 일일이 순회하며 수동 확인

📋 기준 없는 판단 — 담당자 직관에만 의존, 분류 일관성 확보 불가

⏰ 사후 대응 — 이슈가 이미 확산된 뒤에야 파악, 선제적 대응 불가

02 — 솔루션 · Solution

API가 이상치를 먼저 감지하고,
GPT가 기사의 영향도를
자동으로 판단합니다.

사용 도구

📡 네이버 데이터랩 API 🤖 GPT AI 분류 🌐 Selenium 📊 pandas 📈 matplotlib 📁 openpyxl
INPUT
모니터링 키워드 + 분석 기간 설정
예: '스팸', '오류', '문자' / 2024-01-01 ~ 실행 당일
↓
1
STEP 1 · 트렌드 수집
네이버 데이터랩 API → 일별 검색 비율 수집
지정 키워드의 일별 검색 비율 데이터를 API로 자동 수신합니다. 2024-01-01부터 당일까지 전체 기간의 트렌드를 한 번에 가져옵니다.
결과값: 날짜별 검색 비율 DataFrame + 트렌드 꺾은선 그래프
↓
2
STEP 2 · 이상치 감지
검색 비율 70% 초과 날짜를 이상치로 자동 판별
임계값(ratio ≥ 70)을 초과한 날짜를 이슈 날짜로 자동 추출합니다. 해당 날짜의 네이버 뉴스 검색 URL도 자동 생성됩니다.
결과값: 이상치 날짜 리스트 + 뉴스 검색 URL 자동 생성
↓
3
STEP 3 · 뉴스 크롤링
Selenium으로 이상치 날짜 뉴스 자동 수집
이상치 날짜의 뉴스 URL에 자동 접속해 기사 제목과 본문 요약을 날짜별 최대 3건씩 추출합니다. 페이지 스크롤도 자동으로 처리됩니다.
결과값: 이상치 날짜별 뉴스 제목 + 본문 요약 수집 완료
↓
4
STEP 4 · AI 분류 완료
AI가 기사별 긍정·부정·중립 자동 판단
Few-shot 프롬프팅으로 서비스 담당자 관점에서 기사의 영향도를 일관되게 판단합니다. 결과는 엑셀 NewsResult 시트에 자동 저장됩니다.
출력형태: GPT 평가결과 + 날짜 + 검색비율 + 뉴스URL 엑셀 저장
↓
OUTPUT
트렌드 그래프 + 이슈 날짜 + AI 분류 결과
search_trend_data.xlsx (Data · Issue · NewsResult 3개 시트 자동 생성)

각 단계 핵심 설명

STEP 01 — 트렌드 수집 · 네이버 데이터랩 API POST 요청

검색 키워드와 기간을 JSON 형태로 전달하면 일별 검색 비율 데이터를 자동으로 수신합니다. 수집된 데이터는 pandas DataFrame으로 변환되고 matplotlib으로 꺾은선 그래프가 즉시 생성됩니다.

✓ 포털 사이트 직접 접속·수동 검색 작업 전량 제거
STEP 02 — 이상치 감지 · 임계값 기반 자동 필터링

검색 비율이 70 이상인 날짜를 이슈 날짜로 자동 추출합니다. 기존에는 담당자가 그래프를 보며 주관적으로 판단하던 부분을 수치 기준으로 객관화한 것이 핵심입니다.

✓ 이상 징후 판단의 주관성 제거, 일관된 기준 적용
STEP 03 — 뉴스 크롤링 · Selenium 자동 브라우저 제어

이상치 날짜의 뉴스 검색 URL에 자동 접속해 기사 제목과 본문 요약을 날짜별 최대 3건씩 추출합니다. 페이지 스크롤, 대기, 요소 추출이 모두 코드로 처리됩니다.

✓ 기사 하나씩 직접 클릭·확인하는 수작업 전량 제거
STEP 04 — AI 분류 · Few-shot 프롬프팅으로 일관된 판단

AI에게 서비스 담당자 페르소나를 부여하고, 5쌍의 예시 판단(Few-shot)을 제공해 기사 영향도를 긍정·부정·중립으로 일관되게 분류합니다. 부정 이슈는 위기 대응 트리거로, 긍정 기사는 'Good news 리포트' 발행에 즉시 활용됩니다.

✓ 수동 기사 검토 및 영향도 판단 작업 전량 자동화
03 — 결과 · Result

주 6시간에서 30분으로.
264시간의 여유가
더 중요한 업무로 향합니다.

AI교육기관 비현코 수강 후 주 6시간 모니터링 업무를 30분으로 줄인 직장인의 여유로운 모습

Before · 수작업

• SNS·포털 직접 접속해 키워드 검색

• 검색어 순위 변동 수동 모니터링

• 기사 하나씩 클릭해 영향도 판단

• 엑셀·메일 리포트 수동 작성

주간 소요 시간
6시간
= 연 288시간
 →
After · 자동화

• API가 검색 트렌드 자동 수집

• 이상치 날짜 자동 감지 및 필터링

• 관련 뉴스 자동 크롤링

• GPT가 긍정·부정·중립 자동 분류

주간 소요 시간
30분
= 연 24시간
📊 search_trend_data.xlsx · 자동 생성됨
📈 Data ⚠️ Issue 🤖 NewsResult ◀ 현재 시트
총 6건 분석 완료 🔴 부정 3건 🟢 긍정 1건 ⚪ 중립 2건
AI 판단 날짜 Ratio 기사 제목 (자동 수집)
🔴 부정 2026-06-20 87 스팸 문자 피해 급증… 피해자들 "차단해도 끝이 없다"
⚪ 중립 2026-06-21 74 문자 발송 서비스 시장 동향… 주요 사업자별 점유율 분석
🔴 부정 2026-06-22 91 발신번호 변작 스팸 문자 기승… 하루 수백만 건 차단 못 해
🟢 긍정 2026-06-23 78 AI 스팸 필터링 정확도 향상… 이용자 불편 대폭 감소
🔴 부정 2026-06-24 83 오류 문자 대량 발송 논란… 수신자 혼란 속 이용자 불만 폭주
⚪ 중립 2026-06-25 76 문자 마케팅 효과 재조명… 이메일 대비 높은 오픈율 주목
⋯ 이상치 날짜 전체 자동 분류 완료 — 코드 실행 한 번으로 생성됨
우

"이제 코드를 실행하면 어느 날 검색량이 튀었고, 그날 어떤 기사들이 퍼졌는지, 그게 우리한테 좋은 소식인지 나쁜 소식인지를 바로 알 수 있어요. 예전엔 이걸 사람이 일주일 내내 조금씩 확인하고 있었는데."

우○○ 담당자 / 메시지Platform팀 · ChatGPT X Python RPA 교육 수료
04 — 인사이트 · Insight

이상치를 먼저 아는 것,
그것이 선제 대응의 시작입니다.

AI가 검색 트렌드 이상치를 자동 감지하고 기사를 분류하는 바이브코딩 실무 자동화 화면

이 자동화의 진짜 가치는 시간 절약이 아닙니다. 이슈가 확산되기 전에 먼저 감지한다는 점입니다. 검색량이 갑자기 급등한 날짜를 사람이 발견하려면 매일 포털을 직접 확인해야 했습니다. 코드는 그 역할을 대신하고, 담당자에게 이상 신호를 먼저 가져다줍니다.

AI 분류 또한 단순 자동화 이상의 의미를 갖습니다. 기존에는 담당자마다 판단 기준이 달라 같은 기사도 다르게 평가될 수 있었습니다. Few-shot 프롬프팅으로 서비스 담당자 관점의 판단 기준을 GPT에게 학습시키면, 일관된 기준의 분류 결과를 어떤 담당자가 실행해도 동일하게 얻을 수 있습니다.

트렌드 모니터링이 필요한 업무는 특정 업종에 국한되지 않습니다. 브랜드 평판, 민원 급증, 경쟁사 동향까지 — 검색량 변화를 추적하고 그 배경을 파악해야 하는 곳이라면 어디서든 같은 구조로 적용할 수 있습니다.

여론이 퍼진 뒤에 대응하는 것이 아니라,
이상 신호를 먼저 포착해 움직이는 것이 가능해졌습니다.

AI 업무자동화는 속도만 빠르게 하는 것이 아닙니다. 업무의 타이밍 자체를 바꿉니다.

05 — 확장 · Expansion

같은 구조로 적용할 수 있는
다른 업무들

네이버 데이터랩 API + 이상치 감지 + AI 분류 구조는 키워드와 판단 기준만 바꾸면 다양한 업무에 그대로 적용할 수 있습니다.

🔗 같은 방식으로 자동화 가능한 업무들

브랜드 평판 모니터링 — 자사 브랜드명 검색 트렌드 이상치 감지 → 관련 기사 AI 분류 → 위기 징후 사전 파악

경쟁사 동향 추적 — 경쟁 서비스·제품 키워드 급등 날짜 자동 감지 → 뉴스 수집 → 긍정·부정 영향 분류

신제품·캠페인 반응 측정 — 출시 후 키워드 트렌드 자동 추적 → 긍정 반응 기사 'Good news 리포트' 자동 발행

민원·장애 이슈 사전 감지 — 서비스 관련 키워드 급증 시 즉시 담당자 알림 → 대응 골든타임 확보

정책·규제 동향 모니터링 — 업종별 규제 키워드 트렌드 감지 → 관련 기사 자동 분류 → 컴플라이언스 리포트 생성

매주 6시간, 포털을 돌아다니던 담당자가
이제 이상 신호를 먼저 받아봅니다.

메시지Platform팀 수강생이 ChatGPT X Python RPA 교육에서 직접 구현한 검색 트렌드 이상치 감지·AI 뉴스 분류 자동화 사례입니다.