1. 들어가며
유튜브 운영자라면 매일 아침 경쟁 채널에 어떤 영상이 올라 왔는지 확인하고, 조회수·좋아요·댓글 수 같은 주요 지표를 일일이 살펴보는 데만 1시간 이상 걸린 경험이 있을 겁니다.
시청자라면 구독중인 수십개 영상들의 홍수속에 스크롤링만 하다 시간 보낸 적 있으실 테구요.
저도 매일 아침 수많은 채널들 들어가보고, 영상 일일히 체크하고, 무슨 내용인지 확인하느라
귀중한 시간을 허비했죠.
그래서 이 글에서는 “매일 아침 자동으로 경쟁 채널 신규 영상을 검색·분석해, 주요 내용과 통계 정보를 Notion에 정리하고 Slack으로 알림까지 보내주는 자동화” 구축 과정을 공유합니다.
왜 필요한가?
🕒 매일 1시간 이상 소요되던 반복 작업을 5분 내로 단축
🔍 영상별 핵심 포인트를 놓치지 않고 빠르게 벤치마킹
🤝 팀원과 정보 공유 자동화로 협업 효율성 향상
이번 글의 초점
전체 구조 및 사용 모듈 소개
주요 구현 단계별 세부 흐름
Make 시나리오 설계 & ChatGPT 협업 포인트
핵심 기능 요약
시행착오 및 개선 계획
기대 효과 및 향후 발전 계획
2. 자동화 구현 과정
2-1. 전체 아키텍처 개요
Notion DB에서 ‘활성화된 경쟁 채널 목록’ 조회
YouTube Data API로 지난 24시간 내 신규 업로드 영상 검색
신규 영상 ID로 YouTube API에서 통계(조회수·좋아요·댓글) 수집
Apify를 활용해 영상 자막(텍스트) 스크래핑
OpenAI GPT 모델로 핵심 내용 요약 및 인사이트 도출
Notion에 분석 결과 자동 페이지 생성
Slack으로 당일 분석 결과 알림 전송 🚀
2-2. Make 시나리오 설계 & ChatGPT 협업 포인트 🌱
전체 흐름 설명: 처음에는 제가 원하는 전체 업로드→분석→저장→알림 과정을 자연어로 ChatGPT에 설명했습니다.
기본 구조 받기: “이런 흐름으로 Make 시나리오를 설계해줘”라고 요청해, ChatGPT가 모듈 배치와 데이터 흐름의 뼈대를 제시해줬습니다.
필드 매핑 보완: 제 Notion 필드 이름과 API 응답 필드를 어떻게 매핑할지 ChatGPT에게 자문을 구하며, 출력값·데이터 타입을 검증하고 수정했습니다.
반복 수정: 작은 샘플 데이터를 이용해 테스트하고, 매핑 오류를 발견할 때마다 ChatGPT에 다시 묻고 시나리오를 개선했습니다.
Tip: 처음부터 복잡하게 구현하지 말고, ChatGPT에 전체 흐름만 빠르게 그려달라고 하면 초보자도 쉽게 시작할 수 있습니다!
2-3. 모듈별 세부 흐름
Notion: Search Objects
‘활성화 상태’ 체크박스가 켜진 채널을 최대 30개까지 가져옴
HTTP: YouTube Search
publishedAfter= 어제 자정 이후로 설정해 신규 영상만 필터
HTTP: YouTube Videos
영상 ID 리스트를 이용해 조회수·좋아요·댓글 등 통계 획득
Apify: Run Actor → Fetch Dataset
YouTube Scraper Actor로 자막(plaintext) 가져오기
OpenAI GPT-4o-mini
“당신은 유튜브 영상 분석 전문가입니다…” 시스템 프롬프트로 요약·인사이트 JSON 생성
Notion: Create a Page
제목·채널명·통계·분석일·인사이트·주요 내용 필드에 매핑해 DB 페이지 자동 추가
Slack: Create Message
오늘 신규 영상 수 및 요약 결과를 마크다운 형식으로 전송
3. 핵심 기능 요약
채널 관리: Notion DB에서 활성화된 경쟁 채널 목록 자동 조회
신규 영상 검색: YouTube API로 지난 24시간 신규 업로드 영상만 필터링
통계 수집: 조회수·좋아요·댓글 수 자동 집계
텍스트 분석: Apify 자막 + OpenAI GPT로 핵심 내용·추천 키워드·벤치마킹 포인트 도출
결과 저장: Notion 페이지 자동 생성으로 기록·공유 용이
알림 전송: Slack 메시지로 팀원에게 당일 분석 결과 실시간 전파
4. 시행착오 및 개선 계획 ⚙️
4-1. 시행착오 😅
GPT 모델 선택
원래 Gemini 무료 모델을 쓰고 싶었으나, 출력 형식이 정돈되지 않아 가독성이 떨어짐
결국 ChatGPT API 로 돌아옴
API 호출 한도 이슈
YouTube Data API 호출량이 예상보다 빨리 소진되어, 하루치 영상 모두 처리하지 못하는 상황 발생 (테스트 과정에서 발생하는 이슈고, 실 운영 환경에서는 다 쓸일 없음)
4-2. 아쉬운 부분 & 개선 계획 ✨
비용 절감 대안:
Gemini 출력 후 후처리 스크립트로 정제하거나, 오픈소스 LLM 이용 검토
확장 자동화 아이템:
Make 기반 댓글 자동 모니터링/답장 워크플로우 개발
비슷한 방식으로 커뮤니티 관리, 폼 응답 메일링 등 유튜브 운영 전반에 적용
5. 기대 효과 및 향후 발전 계획 🌱
시간 절약: 매일 1시간→5분으로, 주요 업무에 집중 가능
일관된 분석: 사람마다 달라질 수 있는 벤치마킹 포인트를 AI가 일정하게 제공
확장성: 채널 수를 늘려도 추가 비용·수작업 없이 즉시 적용
향후 계획
📊 예상 시청시간·수익 추정 기능 추가
📈 멀티 채널 트렌드 대시보드 개발
💬 Make 기반 댓글 자동 모니터링 및 답장 자동화
🚀 Slack·Email 등 알림 채널 다양화
이번 사례를 통해 매일 반복되던 유튜브 경쟁 채널 분석 작업을 완전 자동화하는 방법을 공유했습니다.
