📝 한 줄 요약
카페 창업을 준비하며 직접 카페를 다니는 경험을, 단순 감상 기록이 아니라 상권·고객·객단가·운영 구조를 검증하는 반복 리서치 루틴으로 바꿔봤습니다. Hermes Agent에게 조사 기준과 자동화 규칙을 맡겼더니, 근거가 부족할 때는 그럴듯한 추천 대신 “추천 보류”를 내리는 결과까지 얻었습니다.
바쁘시면 이것만 읽어도 돼요.
- 사용한 도구: Hermes Agent, Telegram, web research, skills, cron
- 목표: 카페 탐방을 창업 가설 검증으로 연결하기
- 결과: 탐방 전 가설과 현장 관찰 항목이 생겼고, 주간 탐방 추천 루틴을 실제 실행했다
- 핵심 배움: 자동화는 결과를 억지로 채우는 기능이 아니라, 확인 기준을 지키는 장치가 될 수 있다
🎯 이런 분들께 도움돼요
- 카페·오프라인 매장을 준비하며 탐방 기록을 사업 판단으로 연결하고 싶은 분
- AI를 검색·글쓰기 도구가 아니라 실제 조사와 반복 업무를 맡기는 비서로 써보고 싶은 분
- 자동화에 ‘추천 기준’뿐 아니라 ‘추천하지 않을 기준’까지 넣고 싶은 분
😫 문제 상황: 카페는 많이 봤는데, 우리 매장에는 무엇이 남을까?
카페 창업을 준비하면서 남편과 직접 여러 카페를 방문해 메뉴, 공간, 운영 경험을 기록하고 있었습니다. 그런데 기록이 쌓일수록 새로운 문제가 생겼습니다.
카페가 예뻤는지, 커피와 디저트가 좋았는지는 남는데, 정작 “이 경험이 우리 매장의 운영과 매출 목표에 어떤 도움이 되지?”라는 질문에는 답하기 어려웠습니다.
그래서 탐방의 목적을 바꿨습니다.
예쁜 카페를 저장하는 대신, 우리 상권에서 어떤 고객이 어떤 시간대에 어떤 메뉴를 사고, 어떤 운영 구조가 작동하는지 확인해보자.
이 기준을 매번 처음부터 만들지 않기 위해 Hermes Agent를 활용했습니다.
🛠️ 사용한 도구와 환경
- Hermes Agent: 조사 기준 설계, 이전 대화 맥락 정리, 리서치와 자동화 실행
- Telegram: 평소 대화하듯 요청하고 결과를 받는 창구
- Web research: 상권 특성, 비교 카페, 공개된 운영 사례의 출처 확인
- cafe-reference-research 스킬: 카페 리서치와 현장 메모를 사실·평가·가설로 분리하는 반복 절차
- cron: 매주 금요일 오전에 주말 탐방 후보를 받도록 만든 정기 실행 루틴
- 병렬 조사: 서울권과 경기권 후보를 나눠 탐색해 비교 후보를 빠르게 좁힘
API 키, 봇 토큰, 개인 연락처, 정확한 매장 주소와 내부 설정값은 이 글에서 제외했습니다.
🔧 실습 과정
1. 먼저 ‘카페 추천’이 아니라 ‘상권 가설’을 세웠다
처음 요청은 카페 창업 준비에 도움이 되는 경쟁 카페와 레퍼런스를 찾는 일이었습니다. 하지만 단순히 유명 카페 목록을 받으면 다시 감상 기록으로 끝날 가능성이 컸습니다.
그래서 대상 상권을 다음과 같은 혼합 생활권으로 정리했습니다.
- 아파트 배후의 일상 구매 수요
- 대학·학생·스터디 수요
- 학원 전후의 학생·학부모 수요
- 저가 테이크아웃 커피와의 경쟁
이후 탐방 후보는 “유명한가?”가 아니라 아래 질문에 답할 수 있는지로 골랐습니다.
- 저가 커피 경쟁 속에서 고객은 무엇 때문에 이 매장을 선택하는가?
- 커피 외 디저트·푸드가 객단가에 기여하는가?
- 체류 고객은 매장 운영에 도움이 되는가, 좌석 회전을 막는가?
- 테이크아웃·좌석·배달 중 어떤 조합이 실제로 작동하는가?
이렇게 바꾸니 상권 분석의 결과도 달라졌습니다. “이 동네는 카페가 많다”가 아니라, 주민의 일상 구매·학생의 체류·학원 전후 수요가 어떤 비중으로 섞이는지 현장에서 확인해야 한다는 가설이 남았습니다.
2. 탐방에서 볼 것을 숫자로 정했다
온라인 정보는 후보를 찾는 데는 유용하지만, 실제 매출이나 운영 효율을 대신 보여주지는 못합니다. 그래서 현장에서 같은 방식으로 기록할 항목을 만들었습니다.
1. 30분 동안 입장한 팀 수와 테이크아웃 팀 수
2. 총 좌석 수와 빈 좌석 수
3. 주문부터 음료 수령까지 걸리는 시간
4. 기본 음료 대비 라테·시그니처·디저트·푸드의 동반 구매 신호
5. 직원 수와 키오스크·제조·픽업 동선
6. 노트북 고객 비중과 좌석 회전 방식
이제 탐방 후 기록도 “좋았다/별로였다”가 아니라 다음처럼 바뀌었습니다.
이 카페는 오후에 체류 고객이 많았지만 테이크아웃이 약했다.
디저트가 커피와 함께 주문되는 신호가 있었고, 우리 매장에는 어떤 메뉴·동선으로 적용할 수 있을지 추가 검증이 필요하다.
3. 반복될 일은 금요일 자동화로 남겼다
매주 금요일 오전에 주말 탐방 후보 2곳을 추천받는 cron 작업을 만들었습니다.
자동화에는 단순히 “카페 두 곳을 찾아줘”라고 넣지 않았습니다. 아래의 기준을 함께 넣었습니다.
- 독립/개인 카페를 우선한다.
- 같은 권역의 두 곳을 묶어 자차 탐방 동선을 고려한다.
- 주말 영업 여부·주소·출처를 확인한다.
- 각 카페에서 관찰할 숫자 3개와 검증할 가설 1개를 함께 제시한다.
- 예약·주문·외부 서비스 기록은 생성하지 않는다.
핵심은 ‘추천 기준’만큼이나 제외 기준이었습니다.
4. 첫 실행에서 ‘추천 보류’가 나왔다
첫 실행 결과는 기대했던 카페 2곳의 목록이 아니었습니다.
공개 지도 기준으로 주소와 현재 주말 영업을 동시에 확인한 독립/개인 카페 2곳을 확보하지 못해, Hermes가 추천 보류를 반환했습니다. 지도에 등록된 후보는 있었지만 최신 토·일 영업 정보나 독립 단일 운영 여부를 공개 근거로 교차 확인하기 어려운 경우는 제외했습니다. 다점포 브랜드일 가능성이 있는 후보도 이번 기준에서는 빼기로 했습니다.
처음에는 “자동화가 제대로 안 된 건가?” 싶었습니다. 그런데 곧 이 결과가 오히려 내가 원한 방식이라는 걸 알았습니다.
확인되지 않은 후보를 그럴듯하게 채우는 것보다, 이번 주에는 추천하지 않는 편이 낫다.
이 경험 덕분에 자동화의 성공 기준을 바꿨습니다. 매주 반드시 두 곳의 이름을 받는 것이 아니라, 확인 기준을 통과한 후보만 남기는 것이 성공 기준이 됐습니다.
✅ 결과: 무엇이 달라졌나
전후 비교
- 도입 전: 방문 후 메뉴·공간·분위기 중심으로 기록
- 도입 후: 방문 전 검증 가설을 세우고, 현장에서 유입·테이크아웃·주문 속도·푸드 동반 구매 같은 운영 신호를 관찰
- 변화: 탐방 결과를 감상이 아니라 소형 매장에 적용할 조건과 다음 검증 과제로 남김
- 남은 한계: 온라인 정보만으로 영업 여부, 운영 형태, 실제 유동과 객단가를 확정할 수 없음
실제 산출물
- 상권과 비교 카페를 보는 기준
- 현장 탐방 체크리스트
- 금요일 주말 탐방 후보 추천 cron 작업
- 추천 보류를 허용하는 검증 기준
💡 Hermes를 써보며 배운 점
1. AI 에이전트는 답변기가 아니라 실행 루프에 가깝다.
질문에 답하는 것에서 끝나지 않고, 조사 기준을 세우고, 이전 대화의 목표를 이어받고, 정기 실행까지 연결할 수 있었습니다.
2. 무엇을 추천받을지보다 무엇을 검증할지부터 정해야 한다.
카페 이름을 먼저 모으는 대신, 30분 유입, 테이크아웃 비중, 푸드 동반 구매처럼 확인할 신호를 먼저 정했습니다.
3. 자동화에는 제외 기준이 꼭 필요하다.
주소·영업 여부·운영 형태가 확인되지 않으면 추천 후보로 쓰지 않도록 했습니다. 자동화가 틀린 확신을 반복하지 않게 하는 장치입니다.
4. 온라인 리서치의 빈칸은 현장에서 메워야 한다.
공개 정보는 후보를 선별하는 출발점일 뿐입니다. 실제 고객, 좌석 회전, 주문 동선, 피크타임은 직접 방문해서 봐야 합니다.
🚧 아쉬웠던 점 / 주의할 점
- 공개 지도 정보만으로 주말 영업 여부와 독립 운영 여부를 동시에 확인하기 어려웠습니다.
- 첫 자동 실행은 카페 추천이 아닌 추천 보류로 끝났습니다.
- AI가 찾은 후보나 공개된 수치는 그대로 믿지 않고 출처·조건·한계를 함께 봐야 합니다.
- 오프라인 매장 리서치는 온라인 조사로 끝낼 수 없습니다. 현장 관찰을 위한 시간과 기록 기준이 필요합니다.
- 공개 사례글에는 주소, 개인 대화, 인증 정보, 내부 설정과 같은 정보를 넣지 않는 것이 중요합니다.
🌍 앞으로의 확장 계획
다음에는 자동 추천 조건을 더 정교하게 다듬어 실제 방문 후보를 안정적으로 확보하고 싶습니다. 방문 뒤 기록한 관찰값을 계속 쌓아, 메뉴·객단가·좌석 회전·운영 동선에 대한 가설을 좁혀갈 계획입니다.
목표는 AI가 카페를 대신 골라주는 것이 아닙니다. 감에 의존하지 않고 반복 관찰로 창업 가설을 검증하는 시스템을 만드는 것입니다.
📋 재사용 가능한 프롬프트
프롬프트 1: 카페 탐방 기준 만들기
나는 카페 창업을 준비 중이야.
우리 상권의 고객 수요와 경쟁 구조를 가설로 정리하고, 카페 방문 시 확인할 수 있는 관찰 항목을 만들어줘.
감상 평가 대신 시간대별 유입, 테이크아웃 비중, 주문 속도, 좌석 회전, 푸드·디저트 동반 구매처럼 운영과 객단가에 연결되는 기준을 우선해줘.
확인된 사실과 가설은 구분해서 써줘.
프롬프트 2: 근거 기준이 있는 주간 탐방 추천 만들기
매주 주말에 방문할 독립/개인 카페 2곳을 추천해줘.
주소와 현재 주말 영업 여부를 공개 근거로 확인할 수 있는 후보만 남겨줘.
조건을 충족한 후보가 부족하면 억지로 채우지 말고 ‘추천 보류’라고 알려줘.
각 카페마다 현장에서 볼 숫자 3개와 검증할 가설 1개를 함께 적어줘.
🖼️ 글에 넣으면 좋은 이미지 4가지
1. 문제 상황 섹션
- 탐방 메모가 감상 위주로 쌓여 있던 예시를 개인정보 없이 일부 캡처
- 블러 처리: 매장명, 위치, 개인 대화, 사진 속 타인 얼굴
2. 실습 과정 섹션
- Telegram에서 Hermes에게 상권 가설이나 탐방 기준을 요청한 장면
- 블러 처리: 계정명, 프로필 사진, chat ID, 다른 대화 알림
3. 결과 섹션
- 현장 관찰 체크리스트 화면 또는 정리된 표
- 보여줄 핵심: 유입·테이크아웃·좌석·주문 속도·푸드 동반 구매 항목
- 블러 처리: 정확한 매장 주소, 방문 날짜가 부담스러우면 날짜
4. 자동화와 배운 점 섹션
- ‘추천 보류’가 나온 cron 응답 일부
- 보여줄 핵심: 검증 조건이 부족하면 억지 추천을 하지 않았다는 문장
- 블러 처리: job ID, 지리적으로 좁혀지는 탐색 권역, 후보 매장명
마무리
이번 실습을 통해 AI는 정답을 빨리 내주는 도구라기보다, 내가 세운 기준을 반복해서 실행하고 검증하게 만드는 작업 파트너에 더 가깝다는 생각이 들었습니다.
카페 창업 준비처럼 답이 하나가 아닌 일일수록, AI에게 “좋은 곳 찾아줘”라고만 말하기보다 “무엇을 확인해야 하는지부터 같이 정해보자”고 요청해보면 좋겠습니다.
