매일 아침 Slack에서 광고 성과를 확인한다 — AI로 만든 자동 리포트

📝 한줄 요약

Meta 광고 데이터를 자동 분석해서 매일 Slack DM으로 보내주는 리포트 시스템을, Claude Code와 대화하며 만들었습니다.

바쁘시면 이것만 읽어도 돼요:

• Claude Code로 Meta 광고 성과 → Slack 자동 리포트 시스템 구축

• AI 모델 API 비용 부담 → 규칙 기반 분석으로 전환해도 충분히 유용

• 세부적인 디렉팅이 핵심 — 머신러닝이 아니라 내가 정한 규칙으로 돌아가니까, 내가 원하는 형태를 구체적으로 알려줘야 함

• 향후 오픈클로나 Claude API를 붙여 AI 분석 코멘트로 업그레이드 가능

🎯 이런 분들께 도움돼요

• Meta 광고를 직접 운영하면서 매일 Ads Manager 열어보는 게 번거로운 마케터

• 광고 성과를 팀에 공유할 때 숫자를 수동으로 정리하고 있는 분

• AI 코딩 도구로 업무 자동화를 시도해보고 싶은 마케터

😫 문제 상황 (Before)

보통의 퍼포먼스 마케터들은 출근하면 Meta Ads Manager에 접속해서 어제 광고 성과를 확인하고 조정이 필요한 부분을 체크하는 루틴이었습니다. 캠페인별로 지출, 구매 수, CPA, ROAS를 하나씩 살펴보고, 이상이 없는지 체크하는 작업이죠.

최근 팀에서 AI를 활용해 오픈클로나 슬랙봇으로 업무 효율을 끌어올리는 흐름이 있었고, 저도 이 부분을 비슷한 형태로 진행하여 매일 오전에 대행사에서 보고 받는 듣한 리포팅을 자동화 할 수 있겠단 생각을 하였습니다. 이미 Claude Code로 Meta 광고 대시보드를 만들어둔 상태였기 때문에, 여기에 쌓인 데이터를 활용하면 쉽게 구현할 수 있겠다 생각했습니다.

🛠️ 사용한 도구

• Claude Code: AI 코딩 도구 (대화형으로 코드를 작성하고 수정)

• 모델: Claude Opus 4.5

• 특이사항: Claude API(AI 분석용)는 비용 문제로 사용하지 않고, 규칙 기반으로 구현

🔧 작업 과정

Slack Bot 만들기 — 생각보다 설정할 게 많다

대시보드에 이미 Meta 광고 데이터가 쌓이고 있었으니까, 이걸 매일 분석해서 Slack으로 보내주면 되겠다고 생각했습니다.

지금 우리 AD Report 기준으로 메타의 데이터가 수집되고 있잖아. 혹시 이걸 기반으로 나한테 매일 코멘트 줄 수 있는 시스템 만들어 줄 수 있니?

하나씩 물어보면서 Slack App 생성, 권한 설정, 워크스페이스 설치까지 진행했습니다.

음 아냐 나는 추가 유료로 진행하긴 어렵워 다른 대안은 없어? 

이 과정에서 Claude API를 연결해서 AI가 직접 분석 코멘트를 달아주는 방식도 제안받았는데, API호출하여 리포트를 머신러닝 분석을 한다면 매일 아주 소액이라도 추가 비용이 들기 때문에 일단 규칙 기반으로 만들어 보기로 했습니다.

아쉽지만 일단은 이렇게 진행하는 것이 충분했습니다. 규칙 기반이라도 "CPA가 기준선을 넘었는지", "3일 연속 CTR이 떨어지고 있는지" 같은 핵심 신호는 충분히 잡아낼 수 있었거든요. 물론 보다 나은 리포팅을 위한다면 나중에 API 비용을 내거나 오픈클로를 활용하면 좋겠다는 생각도 했습니다. (지피터스의 뽀짝이 처럼요)

첫 리포트 도착 — 그리고 끝없는 피드백의 시작

ALT

세계일보 중국판 스크린샷

사내에는 AI Workflow 가 굉장히 잘 구축되어 있는 지피터스엔 이미 많은 슬랙봇이 존재 합니다. 하여 단순히 저를 위한 보고 해주는 이 봇은 저에게만 DM 으로 데이터를 보내주게 세팅 하였습니다. (그런 것도 되더군요)

환경변수를 설정하고 배포한 뒤, 드디어 Slack DM으로 첫 리포트가 왔습니다. 기본적인 숫자는 나왔지만, 실제로 받아보니 수정하고 싶은 게 한두 가지가 아니었습니다.

먼저 모든 캠페인이 한 덩어리로 나오는 게 보기 어려웠습니다. 우리 광고는 전환 캠페인과 트래픽 캠페인의 목적이 다르니까, 이걸 분리해서 보고 싶었거든요.

캠페인을 목적별로 분리하고 나니, 이번엔 광고 세트(타겟)별 데이터도 보고 싶어졌습니다. 리타겟팅과 신규유입의 효율 차이를 한눈에 비교하고 싶었으니까요.

캠페인 어제 데이터 하단에 세트별 데이터가 나오길 바래

정리가 필요해 / 신규유입 세트가 = exclude_webvisitors 니까 굳이 세트명은 이 리포트에 표기 안 해줘도 되고 지금 왜인지 리스트 3개로 중복되어 들어오는데 이것도 이렇게 안 되면 좋겠어

이런 식으로 리포트를 받아보고 → 불편한 점 피드백 → 수정 → 다시 확인하는 사이클을 계속 반복했습니다.

Attribution Window 데이터가 안 맞는다 — 꽤 까다로운 버그

가장 어려웠던 건 데이터 정확성 문제였습니다. 대시보드에서 "전체 기여" vs "클릭 7일"을 토글로 비교하는 기능이 있었는데, 클릭 7일 수치가 전체보다 높게 나오는 이상한 상황이 발생했습니다.

원래 잘 맞다면 클릭 7일로 하는게 노출기여가 포함 안 되어서 더 보수적인 수치를 보여야해. 그런데 지금은 데이터가 이상해 점검해줘.

Claude Code가 Meta API를 직접 호출해서 디버깅한 결과, Meta API의 attribution window 값 반환 방식이 원인이었습니다. API 응답의 .value 필드는 항상 합산값을 반환하고, 클릭 전용 값은 별도 필드에 들어있었던 거죠.

이걸 알아내고 나서 데이터 추출 로직을 수정하고, DB의 전체 데이터를 재동기화했습니다. 최종적으로 Meta Ads Manager의 숫자와 정확히 일치하는 걸 확인한 뒤에야 안심이 됐습니다.

숫자만 나열하지 말고, 판단을 도와줘

기본 지표가 정확하게 나오기 시작하니, 이번엔 "그래서 이 숫자가 좋은 건지 나쁜 건지"를 알려주는 기능이 필요했습니다.

대시보드에 이미 스터디별 평균 구매 금액이 나와 있었는데, 이걸 손익분기점(BEP)으로 활용하면 CPA 효율을 자동으로 판정할 수 있겠다고 떠올랐습니다.

대시보드에 보면 이번 21기의 스터디 평균 구매 금액이 나오잖아 이 기준까지는 CPA가 올라도 된다고 기준을 잡고 해당 내용을 코멘트에 반영해줘.

그러면 해당 기준으로 누적 cpa와 전일자의 cpa 내용으로 지금 예산을 증액해도 된다라든지, 특정 소재의 효율이 떨어진다든지 추가 코멘트를 하이라이트에 얹어서 줄 수 있니?

이렇게 해서 CPA가 BEP의 70% 미만이면 "예산 증액 검토", BEP 미만이면 "수익 구간", BEP 초과면 "효율 점검 필요"라는 3단계 판정이 자동으로 들어가게 됐습니다.

추세 신호도 추가했습니다. CPC가 최근 3일 평균보다 얼마나 올랐는지, CTR이 3일 연속 떨어지고 있는지 같은 경고를 넣었죠.

최근3일 CPC 대비 지금 CPC가 어떤 상태인지 / 또 3일 연속 ctr이 감소하고 있는 신호가 있다는지 그런 것도 넣어줘

다만 이 과정에서 느낀 건, 규칙 기반이다 보니 세부적인 디렉팅이 필요하다는 점이었습니다. 머신러닝이 알아서 패턴을 찾아주는 게 아니라, 내가 "이 조건이면 이렇게 판단해"를 하나하나 정해줘야 하니까요. 어떤 기준이 유의미한지를 내가 먼저 알고 있어야 했습니다.

마무리 — 리포트의 가독성 다듬기

ALT

한국일간지 스크린샷

마지막으로 Slack에서 리포트가 잘 읽히도록 시각적 정리를 했습니다. 누적 데이터와 어제 실적이 구분 없이 나열되니까 눈에 잘 안 들어왔거든요.

여기서 어제 데이터가 나오는 구간을 좀 분리하고 싶어 어제 라는 단어를 코드 블록에 넣어두고 하는 건 어떨까

어제 실적을 코드 블록으로 감싸서 시각적으로 분리했더니, 한결 깔끔해졌습니다.

✅ 결과 (After)

Before vs After

결과물

매일 아침 Slack DM으로 도착하는 리포트에는 다음이 포함됩니다:

• 전체 광고 성과 요약 (지출, 구매, ROAS, CPA, CTR, CPC)

• 캠페인 목적별(전환/트래픽/리드) 누적 + 어제 실적

• 타겟별(리타겟팅/신규유입) 세트 데이터

• BEP 기반 CPA 효율 판정 및 예산 제안

• CPC/CTR 3일 추세 경고

아직 며칠 안 돼서 체감이 크지는 않지만, 매일 확인하는 루틴이 자연스럽게 생기고 있어서 기대가 됩니다.

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

1. 일단 기본형을 받고 피드백으로 다듬기 — 처음부터 완벽한 리포트를 설계하려고 하면 시작을 못 합니다. 기본형을 빨리 받아보고 "이건 빼고, 이건 추가하고"를 반복하는 게 훨씬 빠릅니다.

2. 이미 가지고 있는 데이터를 활용하기 — 대시보드에 쌓여있던 평균 구매금액을 BEP로 재활용한 것처럼, 새로운 데이터를 수집하지 않아도 기존 데이터로 새로운 가치를 만들 수 있습니다.

3. 비용이 부담되면 규칙 기반도 충분하다 — AI 모델 API를 꼭 붙이지 않아도, 내가 아는 기준으로 규칙을 정해주면 유용한 자동화가 됩니다.

🚀 앞으로의 계획

규칙 기반으로도 충분히 유용하지만, 한계도 느꼈습니다. 내가 미처 생각하지 못한 패턴이나, "이 캠페인은 보통 월요일에 효율이 떨어지는데 오늘은 괜찮다" 같은 맥락적 분석은 규칙으로 잡기 어렵거든요.

다음 단계로는 오픈클로나 Claude API를 연결해서, 규칙 기반 위에 AI 분석 코멘트를 얹는 방향을 생각하고 있습니다. 규칙이 잡아내는 신호 + AI가 읽어내는 맥락이 합쳐지면, 꽤 쓸만한 광고 분석 어시스턴트가 될 것 같습니다.