예전에 만든 Slack 봇은 정해진 숫자를 보내고 끝났습니다. 문제는 그 숫자가 리더 회의에서 곧바로 저를 향한 질문이 됐다는 것입니다. 지금은 AI 고양이 뽀케터가 숫자를 가져와 먼저 발표하고, 질문을 받으면 다시 데이터를 확인해 답합니다.
GA4·서치콘솔(GSC)·Mixpanel을 읽기 전용으로 연결했습니다. GA4는 매일, GSC는 주간으로 보고, 콘텐츠 이후 행동이 궁금할 때는 Mixpanel을 함께 확인합니다. 처음부터 공개 채널에 내보낸 것은 아닙니다. 다른 사람들이 보는 데서 실수하면 저도 뽀케터도 조금 창피하니까요. 첫 일주일은 저와의 DM에서 수습 기간을 보냈습니다.
작성자: 지피터스에서 1인 마케팅을 합니다. 이 글은 Hermes AI Agent 뽀케터와 함께 회사의 데이터를 배우고, 실제 마케팅 동료로 키워가는 시리즈의 2편입니다.
1편: 입사 다음 날, 함께 인수인계받을 AI 봇을 만들었습니다
먼저, 어떻게 굴러가는지부터
세팅을 그대로 복제할 수 있을 만큼 자세히 적지는 않았습니다. 다만 "일반 Slack 리포팅 봇과 뭐가 다른가"는 구조를 봐야 설명이 됩니다.
준비물: GA4·GSC·Mixpanel 계정, Slack 워크스페이스, 에이전트 한 마리(저는 Hermes를 씁니다). 새로 산 분석 도구는 없습니다.
권한: 세 도구 모두 읽기 전용으로 열었습니다. 조회와 해석은 에이전트가 하고, 이벤트·주요 이벤트·속성 설정 변경은 제가 승인한 뒤에만 합니다.
브리핑 설정: 데일리는 지표·어제 많이 본 콘텐츠·외부 유입 세 덩어리로 고정했습니다. GSC는 데이터 지연과 검색 추세를 고려해 주간으로 돌립니다.
검증: 정합성이 확인되지 않은 숫자는 공개 채널에 올리지 않고 제 DM으로 보냅니다.
연결 구조: 정확히 말하면 GA4와 GSC를 Slack에 붙인 것이 아닙니다. 세 도구의 조회 권한은 에이전트에게 주고, 그 에이전트를 Slack에 연결했습니다. 그래서 Slack에 도착하는 것이 완성된 리포트가 아니라, 되물을 수 있는 상대가 됩니다. 다섯 단계로 돌아갑니다.
GA4·GSC·Mixpanel 읽기 권한이 에이전트로 모이고, 에이전트가 정해진 주기로 조회한 뒤 같은 기간·조건으로 분류·비교하고, 못 믿을 숫자는 개인 DM으로 검증된 브리핑은 Slack 공개 채널로 나뉘어 나가며, 팀이 질문하면 같은 조건으로 다시 조회하는 흐름을 그린 도식
마지막 화살표가 이 구조의 핵심입니다. 숫자를 보내고 끝나는 게 아니라, 질문이 오면 같은 조건으로 다시 조회합니다.
과거에도 숫자는 봇이 보냈지만,
질문은 제가 받았습니다
이전 회사에서는 Google Apps Script로 만든 단방향 Slack 리포팅 봇이 매일 주요 지표를 보내줬습니다. 정해진 시간에 숫자를 받아보는 것만으로도 편했지만, 봇은 데이터를 전달하는 데서 역할이 끝났습니다.
봇이 숫자를 보내고 나면 "왜 올랐어요?", "왜 떨어졌어요?"라는 질문 세례가 제게 돌아왔습니다. 미처 확인하지 못한 이유를 물으면 다시 GA와 대시보드, 어트리뷰션 도구를 열어 데이터를 확인해야 했어요. 매주 리더 회의 때는 데이터 청문회에 서는 기분이 들기도 했습니다. 수많은 지표의 이유를 혼자 찾아 설명해야 한다는 부담 때문이었습니다.
에이전트를 활성화시키고 가장 달라진 점은 숫자를 보낸 상대에게 그 자리에서 다시 질문할 수 있다는 것이었습니다.
지피터스에 합류하고 나서도 데이터는 중요했습니다. GA4는 익숙했지만 Mixpanel은 처음이었고, 특히 검색 유입 비중이 큰 회사라 GSC를 꾸준히 봐야 했습니다. 전담 분석가 없이 콘텐츠·CRM·광고를 함께 보는 1인 마케터였고요.
저를 포함한 회사 사람들이 데일리와 위클리로 데이터 흐름을 함께 볼 수 있으면 좋겠다고 생각했습니다. 다만 대시보드 개편을 완료하기에는 제가 주로 볼 지표를 확정하지 않은 상태예요. 이후에야 대시보드 개편을 확정할 수 있고, 그게 끝나기를 기다리는 동안 저는 또 매일 여러 화면을 직접 열어야 하잖아요?
그래서 먼저 뽀케터에게 물었습니다.
"대시보드가 완성되기 전까지, 네가 GA4 들어가서 데이터를 보고 Slack으로 알려줄 수 있어?"
모두들 아시겠지만 기존에 슬랙 봇 하나 만들려면 정말 귀찮았는데요. 연결하는 방법도 헤르메스 에이전트 뽀케터한테 물어가며 하면 되니 금방 연결했어요. GA4·GSC·Mixpanel은 모두 읽기 전용 권한으로 줬습니다. 뽀케터는 데이터를 조회하고 이상을 설명할 수 있지만, GA·GTM 이벤트나 주요 이벤트 설정을 직접 바꾸지는 않습니다. 측정 문제가 보이면 변경안을 제안하고, 실제 수정은 사람의 확인 뒤에 합니다. 채널 권한도 제한적으로 줬어요. 아무 채널에나 보내면 부끄러우니까요...
지인이 다른 채널에도 올려달라고 요청하자 뽀케터가 다른 슬랙 채널에 직접 게시할 권한이 없다고 답하는 대화
공개 채널에 보내기 전, 일주일간 DM 수습을 시켰습니다
연결 자체보다 오래 걸린 건 브리핑의 내용을 정하는 일이었습니다. 무엇을 가져올지, 어떤 말로 보여줄지, 어디까지 해석할지를 매일 대화하며 맞췄습니다.
처음에는 정말 대충 말했습니다.
"GA 브리핑 보내봐."
그러자 뽀케터는 (당연히) 성실하게 많은 것을 가져왔습니다. 숫자도 많고 설명도 길었습니다. 마케터인 저는 어떻게든 읽을 수 있었지만, 마케팅 공개 채널에 매일 올라올 메시지로는 무거웠습니다.
뽀케터가 보낸 초기 GA4 브리핑. Cronjob Response 머리말과 job_id가 붙어 있고 핵심 변화·튀었던 글·유입원·가입 전환·다음 액션까지 화면을 가득 채운다. 수치는 가려져 있음
첫 브리핑입니다. 저것보다 길지 않았던 게 다행인 것 같네요...
지인이 Cronjob Response 머리말을 없애고 준 포맷대로 해달라고 요청하는 슬랙 대화
케터 금쪽이 시절이네요. 머리말과 경고 문구 등을 걷어내고, 새로운 콘텐츠는 제외하는 등 계속 깎았습니다.
매일 판단에 쓰지 않는 지표는 제외하기
비마케터도 이해할 수 있는 용어로 바꾸기
어제와 그 전날을 같은 기준으로 비교하기
많이 본 콘텐츠와 의미 있는 외부 유입만 보여주기
특이사항이 없다면 빈 섹션을 만들지 않기
정합성이 의심되면 공개 채널이 아니라 제 DM으로 알리기
지표 하나를 두고도 여러 번 주고받았습니다. '참여 방문율' 같은 지표는 저부터 한눈에 안 들어왔고, 억지로 쉬운 말로 풀면 오히려 정의가 흐려졌습니다. 결국 데일리에서는 빼기로 했습니다.
지인이 참여율을 직관적인 것으로 바꾸자고 하고 인기 콘텐츠는 조회 상위 3개만 보여달라고 요청하자, 뽀케터가 기능 페이지 제외·조회수만 표시·증감률 제거로 수정하고 지표 용어도 통일했다고 답한 뒤, 참여 방문율도 애매하다는 말에 데일리 브리핑에서 참여율을 빼겠다고 답하는 대화
무엇을 뺄지 정하는 대화가 무엇을 넣을지 정하는 대화보다 길었습니다 ㅎㅎ
빼기만 한 것은 아닙니다. 신규 사용자 대신 신규 회원가입자를 보고 싶었고, 어제 하루만 보면 그 숫자가 높은 편인지 낮은 편인지 알 수 없다는 것도 걸렸습니다. 그래서 맨 아래에 직전 7일 평균과 비교해 튀는 값이 있을 때만 한 줄로 붙이도록 했습니다.
지인이 신규 사용자 대신 신규 회원가입자를 넣고 인기 콘텐츠 Top3와 유입 경로 Top3를 보여준 뒤, 맨 아래에 직전 7일 평균과 비교해 튀는 숫자가 있으면 한 줄로 넣어달라고 요청하자, 뽀케터가 회원가입 데이터 소스부터 정확히 연결한 뒤 브리핑 수정과 테스트 발송까지 이어서 처리하겠다고 답하는 대화
어제 하루치 숫자만으로는 그 값이 높은 편인지 낮은 편인지 알 수 없습니다. 비교 기준을 함께 붙여야 판단이 됩니다.
뽀케터의 보고는 매일 조금씩 짧아졌습니다.
다듬어진 데일리 그로스 브리핑. 지표·어제 많이 본 콘텐츠·외부 유입 세 덩어리로 짧게 정리돼 있고 수치는 가려져 있음
며칠 후 모습입니다. 세 덩어리로 줄었습니다.
공개 채널에 내보내도 되겠다고 판단한 뒤에야 마케팅 채널로 옮겼습니다.
완성된 자동화 도구를 설치했다기보다, 신입에게 우리 회사의 보고 방식을 알려주는 과정에 가까웠습니다.
동료가 케터가 이제 이걸 보고하는구나라고 말하자 지인이 요거 좀 루틴을 잡아보고 있다고 답하는 슬랙 대화
입사한지 딱 10일 차. 구성원들이 케터를 슬슬 인정(?)해주기 시작합니다!
"많이 본 콘텐츠"를 시켰더니
이벤트 페이지도 가져왔습니다
브리핑을 보며 중요한 데이터는 남기고, 필요 없는 데이터는 하나씩 빼달라고 했습니다.
어느 날은 "어제 많이 본 콘텐츠를 가져와"라고 했습니다. 저는 당연히 사례글·포스팅·데일리 콘텐츠처럼 게시판에 올라간 글을 가져올 거라고 생각했습니다.
그런데 뽀케터는 이벤트 페이지도 함께 가져왔습니다.
생각해보면 틀린 답은 아니었습니다. 제가 말한 '콘텐츠'와 데이터에 존재하는 '페이지'의 범위가 달랐던 겁니다. 저는 머릿속으로 게시글을 떠올렸지만, 뽀케터에게 그 기준을 알려준 적은 없었습니다.
온톨로지 관점의 중요성을 다시 한번 느꼈습니다. 같은 단어를 사람과 시스템이 다르게 정의하고 있으면, 아무리 정확히 지시해도 다른 게 나옵니다.
그 뒤로는 먼저 게시글 상세 페이지 후보군을 만들고, 그 안에서 조회가 많은 글을 고르게 했습니다.
AI에게 당연한 것은 없었습니다. 제가 머릿속에서만 알고 있던 분류 기준은 말하거나 기록하지 않으면 존재하지 않았습니다.
뽀케터를 가르친다고 생각했는데, 돌아보면 제가 암묵적으로 알고 있던 마케팅 기준을 하나씩 꺼내 회사의 언어로 만드는 일이기도 했습니다.
지인이 이벤트는 콘텐츠라기엔 좀 애매하다고 말하자, 뽀케터가 이벤트 페이지를 콘텐츠로 묶은 건 분류가 부정확했다고 인정하고 많이 본 콘텐츠와 이벤트 유입을 분리하겠다고 답하는 대화
사람과 에이전트가 사용하는 '콘텐츠'의 범위를 맞춘 뒤 이벤트 유입을 별도로 분리했습니다.
이제는 뽀케터가 발표하고,
제가 청문회를 엽니다
수습 기간이 끝난 뒤 역할이 알맞게 뒤집혔습니다.
예전에는 봇이 숫자를 보내면 제가 그 숫자에 대한 질문을 받았습니다. 지금은 뽀케터가 아침마다 숫자를 가져와 먼저 발표하고, 저는 그 자리에서 뽀케터에게 질문합니다. 예전엔 제가 청문회에 불려갔다면, 지금은 제가 청문회를 여는 셈입니다. 바로 답할 근거가 없으면 같은 기간과 조건으로 데이터를 다시 확인하게 합니다.
왜 특정 채널 유입이 달라졌는지
어떤 콘텐츠의 조회가 평소와 다른지
검색 노출과 클릭이 같은 방향으로 움직이는지
콘텐츠를 읽은 사람이 다음 행동으로 이어졌는지
숫자가 0이라면 실제로 없었던 것인지, 해당 속성에서 관측되지 않은 것인지
특정 콘텐츠가 빠지면서 전체가 줄어든 것처럼 보일 때도 마찬가지였습니다. 저는 눈에 띄는 글 하나를 원인으로 짚었지만, 뽀케터는 그 글의 기여분이 전체 감소분에서 아주 작다는 것을 계산해 보여주고 요일 효과를 먼저 확인하자고 했습니다.
지인이 특정 콘텐츠가 빠지면서 전체가 감소했는지 묻자, 뽀케터가 해당 콘텐츠의 기여 비중은 작고 금요일에서 토요일로 넘어가는 주말 효과와 이벤트 페이지 트래픽 하락이 주원인으로 보인다고 답한 뒤, 최근 6개월 요일별 평균까지 제시하며 이번 감소폭은 평소 주말 패턴보다 크다고 설명하는 대화
원인을 하나로 단정하지 않고, 기여도를 계산해 비교한 뒤 남은 부분은 추가 확인이 필요하다고 말합니다.
지인이 신규가 늘어난 이유를 묻자 뽀케터가 구글 자연검색이 끌어올렸다고 답하면서, GA4만으로는 어떤 검색어가 원인인지 확정할 수 없어 랜딩 페이지와 GSC 쿼리를 추가로 봐야 한다고 덧붙이는 대화. 수치는 가려져 있음
숫자의 이유를 물으면 같은 조건으로 다시 확인하고, GA4만으로 알 수 없는 부분은 GSC 와 랜딩 페이지를 추가로 봅니다.
한국어로 된 문자 메시지의 스크린샷
뽀케터는 저보다 훨씬 빠르게 같은 기간과 조건으로 데이터를 다시 조회합니다. 필요한 기록을 다시 찾고, 정해둔 계산 기준을 반복해서 적용하는 데도 강합니다. 처음부터 완벽했던 것은 아니지만, 질문을 받으면 다시 확인하고 다음 보고에 반영합니다. 마케팅 분석 SaaS를 따로 구독하거나, 바이브 코딩으로 만들 필요가 없었습니다. 제가 할 일은 모든 답을 혼자 기억하는 게 아니라, 뽀케터가 올바른 방향으로 답할 수 있도록 기준을 잡는 것입니다.
처음에는 유입 변화 옆에 캠페인 원인을 추정한 문장이 붙기도 했습니다. 유입 변화는 관측값이고, 캠페인이 원인인지는 실행 기록이 있어야 알 수 있어요. 그 뒤로는 확인한 사실과 추정을 구분하고, 모르면 모른다고 보고하게 했습니다.
막 발행한 글이 급등처럼 잡히는 것도 같은 문제였습니다. 어제 처음 올라온 글은 비교할 전날이 없으니 증감률 자체가 성립하지 않거든요. 그래서 발행 당일과 다음 날은 아예 브리핑에서 뺐습니다.
뽀케터가 새 글은 전일 대비 급등으로 해석하면 안 된다며 실제 게시일을 확인하고 증감률 대신 신규 게시로 표기하도록 수정했다고 보고하자, 지인이 신규 게시는 아예 빼고 발행 다다음 날에 튀면 말하라고 요청하는 대화
비교 기준이 없는 숫자는 아예 브리핑에 올리지 않기로 했습니다.
브리핑 주기도 요일에 맞춰 다시 짰습니다.
지인이 브리핑 타이틀에 요일까지 표기해 달라고 하고, 요일별로 어떤 날짜를 보낼지 정리한 뒤 GSC는 매주 수요일에 지난주를 분석해 보내달라고 요청하는 대화
데일리와 주간의 역할을 나눈 지점입니다.
한국어 문자 메시지 스크린샷
특장점: 인간 부사수한테 화내는 것보다 쉽게 화를 낼 수 있습니다.
처음 쓰는 Mixpanel은
두 고양이에게 물어보며 배웠습니다
GA4는 익숙했지만 Mixpanel은 처음이었습니다. 혼자 문서를 읽는 대신 뽀짝이와 뽀케터에게 계속 물었어요. 그러면서 셋을 이렇게 나눠 쓰기로 했습니다.
GSC: 어떤 검색어로 노출되고 얼마나 클릭되는가
GA4: 어떤 채널로 들어와 무엇을 읽는가
Mixpanel: 콘텐츠를 읽은 뒤 다음 행동으로 이동하는가
GA가 아니라 믹스패널만 연결한 이유를 묻자 뽀케터가 이 랜딩의 목적만 보면 GA4가 더 넓게 보기 좋다고 인정하면서, 사용자 단위 행동 추적과 퍼널 분석 같은 Mixpanel의 특장점을 설명하는 대화
GA4와 Mixpanel이 각각 무엇을 보는 도구인지부터 물었습니다.
세 개를 겹쳐 보니 제 생각이 틀렸다는 게 드러났습니다. 저는 검색으로 들어온 사람이 글을 대충 보고 나간다고 여겼는데, GA4에서 검색 유입의 콘텐츠 참여는 나쁘지 않았어요. 문제는 그다음이었습니다. 글을 읽은 사람이 스터디 상세로 잘 넘어가지 않았습니다.
콘텐츠를 안 읽는 게 아니라, 읽은 다음에 갈 곳을 발견하지 못하는 것이었어요.
그래서 글을 더 길고 재미있게 만드는 대신, 콘텐츠 안에서 다음 행동을 발견하게 하는 쪽으로 실험을 바꿨습니다.
혼자 하던 마케팅에
데이터 동료가 생겼습니다
1인 포지션은 꽤나 외롭습니다. 이 숫자를 계속 봐야 할지, 내가 놓친 것이 있는지, 이 해석이 맞는지 물어볼 사람도 없고, 논의하면서 방향을 정해갈 동료가 없기 때문입니다.
지금은 뽀짝이에게 회사의 지난 맥락을 묻고, 뽀케터와 오늘의 데이터를 봅니다. GSC와 SEO·GEO 흐름을 확인하고, GA4와 Mixpanel을 교차해 보며, 아직 믿기 어려운 숫자는 따로 표시합니다. 마케팅에 관해 의논할 사람이 없다고 느낄 때도 있었는데, 요즘은 두 헤르메스 고양이와 꽤 많은 토론을 합니다.
무엇을 성공기준으로 삼을지도 셋이 같이 정하고 있습니다. 저는 SEO 지수나 팔로워 수처럼 손에 잡히는 숫자를 떠올렸는데, 뽀케터는 정의가 애매하거나 허수가 섞인 지표라고 지적했습니다. 뽀짝이는 자산 지표만 걸면 허영지표가 되니 자산과 효율을 짝지어야 한다고 했습니다.
지인이 프로젝트 성공기준으로 SEO 지수·뉴스레터 구독자·SNS 팔로워가 맞는지 묻자, 뽀케터가 SEO 지수는 정의가 애매하고 팔로워는 허수 가능성이 크다며 채널별 대안 지표를 제시하고 페이드가 오르면 오가닉도 오른다는 것은 아직 인과로 확정하면 안 된다고 답한 뒤, 뽀짝이가 자산과 유입을 페어로 걸어야 한다고 덧붙이는 대화
같은 질문에 두 에이전트가 다른 각도로 답하면, 제가 고를 선택지가 늘어납니다.
제가 세운 가설이 그대로 받아들여지지 않은 적도 많습니다. 콘텐츠 재활용률을 핵심 지표로 두고 싶었지만, 그건 지표가 아니라 운영 액션에 가깝다는 답이 돌아왔습니다.
지인이 위너 콘텐츠 재활용률은 플라이휠 액션 중 하나 같다며 하루 두 개를 골라 여러 포맷으로 변환하는 구상을 설명하자, 뽀케터가 페이드 노출이 누적되면 브랜드 검색과 후속 오가닉 방문이 함께 오를 수 있으니 오가닉 상승분을 콘텐츠만의 성과로 귀속하면 안 된다고 답하고, 재활용률은 KPI가 아니라 운영 액션이라고 정리하는 대화
제 생각을 그대로 받아 적지 않고, 지표와 액션을 구분해 되돌려줍니다.
뽀케터에게 최종 판단을 넘기지는 않습니다. 대신 사람이 매일 반복하기 어려운 조회·계산·분류·교차검증·감시는 확실히 맡겼습니다. 뽀케터가 먼저 발표하면 저는 질문하고, 필요한 실험과 변경은 제가 결정합니다.
아직 완벽한 대시보드는 없습니다. 그래도 이제 혼자 머릿속으로 수많은 숫자를 굴리지 않아도 됩니다. 매일 같이 데이터를 보고 토론할 동료가 생겼으니까요.
여러모로 쓸모 있는 마케팅 봇을 만들길 참 잘했습니다. 앞으로 더 똑똑하고 정확하게 키워보려고 합니다. 케터야 사랑한다!!!
자주 묻는 질문
GA4를 Slack에 연동하려면 개발을 알아야 하나요?
연결 방식에 따라 개발 없이 시작할 수 있습니다. 다만 같은 기간과 기준으로 계산하고, 최종 전달까지 자동으로 검증하려면 별도 설정이나 스크립트가 필요할 수 있습니다. 저는 연결 방법과 필요한 권한부터 에이전트에게 물어보며 진행했습니다.
AI가 지표의 원인까지 분석해도 괜찮나요?
관측된 변화와 원인 해석을 구분해야 합니다. 캠페인 실행 기록이나 실험 근거 없이 숫자만 보고 원인을 단정하지 않게 했습니다. 확인하지 못한 원인은 모른다고 보고하는 편이 안전합니다.
AI 에이전트 없이 자동 리포트만 받아도 되나요?
정해진 지표를 같은 형식으로 받는 목적이라면 일반 자동화로도 충분합니다. 에이전트는 매일 달라지는 데이터에서 오늘 볼 항목을 고르고, 질문을 받으면 같은 조건으로 다시 확인하는 과정에서 더 유용했습니다.
조회 권한만으로도 충분한가요?
분석과 브리핑에는 읽기 전용 권한으로 시작하는 것이 안전합니다. 이벤트·주요 이벤트·속성 설정 변경은 별도 승인과 검증을 거쳐야 합니다.
확인일: 2026년 8월 14일
이 글은 지피터스 마케팅 업무에서 실제로 운영하며 배운 내용을 바탕으로 작성했습니다. 조직마다 측정 구조와 권한 정책이 다릅니다. 구체적인 내부 수치·계정·채널·저장소·인증정보와 복제 가능한 전체 설정은 공개하지 않았습니다.
헤르메스 에이전트 자체가 궁금하시면 Hermes vs OpenClaw 비교를 참고하세요.
