경쟁사 5개 몰의 상품·가격·재고를 매일 모아 하나의 표로 정규화
경쟁사 다섯 곳의 가격을 담당자 두 명이 매일 손으로 옮겨 적고 있었습니다. 오전 내내 붙잡고도 오후 변동은 놓쳤고, 옮겨 적는 과정에서 오타가 섞였습니다.
상품 식별자가 몰마다 달라 같은 물건이 다른 줄로 쌓이는 게 가장 큰 문제였습니다. 제조사 코드와 상품명 유사도를 함께 보는 매칭 규칙을 만들어 하나로 묶었고, 규칙이 애매한 건은 자동으로 합치지 않고 확인 대기 목록으로 빼 담당자가 판단하게 했습니다.
지금은 하루 12만 건을 새벽에 모아 정규화까지 끝내 두고, 가격이 기준치 이상 흔들리면 슬랙으로 먼저 알립니다. 수기 작업은 사라졌고 담당자는 확인 대기 목록만 봅니다.
문의 1,800건을 학습해 반복 질문을 먼저 처리, 상담사는 예외만
상담 문의의 절반 이상이 수강 연기·환불 규정·교재 배송처럼 답이 정해진 질문이었습니다. 상담사가 같은 답을 하루에 수십 번 반복하느라 정작 복잡한 문의가 밀렸습니다.
과거 문의 1,800건을 유형별로 정리해 답변 근거 문서를 만들고, 답할 때 그 근거 문단을 함께 붙이도록 했습니다. 환불 금액처럼 규정 해석이 갈리는 질문은 일부러 답하지 않고 상담사에게 넘깁니다 — 틀린 답이 나가는 쪽이 늦게 답하는 쪽보다 손해가 큽니다.
도입 두 달 뒤 자동 처리 비율이 62%, 첫 응답까지 걸리는 시간이 평균 14분에서 즉시로 바뀌었습니다. 미해결로 넘어간 질문은 매주 리포트로 모아 근거 문서를 보강하고 있습니다.
관심 기업 40곳의 뉴스·공시를 실시간으로 모아 요약 브리핑 발송
애널리스트들이 아침마다 관심 기업 40곳의 뉴스와 공시를 직접 훑고 있었습니다. 겹치는 기사를 여러 명이 따로 읽는 낭비가 컸고, 장중에 뜬 공시는 놓치기 일쑤였습니다.
공시는 DART API로, 뉴스는 수집기로 모아 같은 사안을 한 묶음으로 합칩니다. 제목만 다르고 내용이 같은 기사가 대부분이라 본문 유사도로 중복을 걷어내는 데 공을 들였습니다.
매일 아침 8시에 기업별 브리핑이 메일로 나가고, 장중 공시는 뜨는 즉시 슬랙으로 알립니다. 수집기가 멈추면 조용히 비는 대신 실패한 잡을 재시도하고 그래도 안 되면 담당자에게 알립니다 — '브리핑이 안 왔다'는 것을 사람이 눈치채기 전에 시스템이 먼저 말하게 했습니다.
