세일즈 리드 수집 자동화(with C.C) #0
2025.12.26
## 1. Context
이번 프로젝트:
LinkedIn에서 ICP(Ideal Customer Profile)에 맞는 리드를 자동으로 발굴하고 1촌 신청을 보내는 자동화 시스템을 처음부터 구축합니다. 이번 글에서는 Phase 1: 기초 환경 설정까지의 과정을 공유합니다.
프로젝트 배경:
- 기존에 클로드 코드 Chrome 확장앱으로 시도했으나 LinkedIn의 봇 감지로 실패
- LinkedIn이 웹스크레이핑을 차단하는 문제를 해결해야 함
- 사람이 웹서핑하는 것처럼 자연스러운 자동화 시스템이 필요
---
## 2. Before: 문제 상황
### 해결하려고 하는 문제는?
LinkedIn 리드 발굴 수동 작업의 비효율성:
- 매일 ICP에 맞는 잠재고객 찾기 → 1촌 신청 → 메시지 보내기 수동 반복
- 하루에 25-30명 처리하는데 2-3시간 소요
기존 자동화 시도의 실패:
Chrome 확장앱으로 자동화를 시도했으나 LinkedIn이 감지:
- 너무 빠른 속도 (1.5-2초 간격)
- 일정한 타이밍 패턴 (봇으로 감지됨)
- 마우스 움직임, 스크롤 없음
- 탐색 행동 부재, 휴식 시간 없음
→ LinkedIn이 봇으로 판단하고 차단
---
## 3. Process: AX 실행 과정 (Solution)
### 수행 과정 요약
작업 #3: 시스템 설계 (안티-디텍션 강화)
1. PRD 문서 분석 (1,325줄)
2. 실패한 예제 코드 분석 → 6가지 실패 원인 식별
3. 안티-디텍션 강화 설계 수립
- 통계 기반 랜덤 타이밍 (정규분포)
- 사람 행동 시뮬레이션 모듈 분리
- 할당량 관리 (일일 25-30명 제한)
작업 #4: Phase 1 구현 (기초 환경 설정)
1. 보안 파일 생성 (`.gitignore`, .env)
2. 디렉토리 구조 생성 (안티-디텍션 중심)
3. 핵심 모듈 구현 (`config.py`, logger.py, utils.py)
4. 패키지 설치 (numpy, scipy 포함 18개)
5. 종합 검증 시스템 구현
작업 #5: LinkedIn 계정 설정 및 최종 검증
1. .env 파일에 LinkedIn 계정 정보 입력
2. Phase 1 검증 완료
---
### 입력한 프롬프트(명령어)
프롬프트 #1: 프로젝트 시작
```text
/Users/hyunchulkim/Downloads/linkedin_automation_prd.md claude code
이 PRD 문서를 읽고, Week 1 Day 1부터 차근차근 구현해줘.
각 단계마다 완료되면 알려주고, 다음 단계로 진행할지 물어봐줘.
```
프롬프트 #2: 실패 예제 분석 요청
```text
/Users/hyunchulkim/Downloads/LinkedIn예제.md.rtf 첨부한 파일은 클로드코드 크롬 확장앱으로
실행했을때 정상적으로 동작하지 않았던 예제 코드야. 링크드인에서 웹스크레이핑을 차단해서
그런 것 같은데, 이를 잘 분석해서 사람이 웹서핑하는 것처럼 자연스럽게 개발해줘.
```
프롬프트 #3: Phase 1 개발 시작
```text
현재까지 진행된 내용을 work-log.md 파일에 업데이트해줘.
그런 다음 phase 1 부터 개발을 시작하자.
```
프롬프트 #4: LinkedIn 계정 정보 입력
```text
링크드인 ID: [개인정보]
패스워드: [개인정보]
```
---
### 원하는 결과가 바로 나왔나요? 아니라면 어떻게 수정했나요?
✅ 바로 성공한 부분:
- PRD 문서 분석 및 실패 예제 분석
- 디렉토리 구조 생성
- 핵심 모듈 구현 (`config.py`, logger.py, utils.py)
- 패키지 설치 (18개 모두 성공)
🔄 조정이 필요했던 부분:
- Plan Mode 진입: 처음에 바로 구현하려 했으나, 시스템이 Plan Mode 진입 요구 → 계획 수립 후 승인받고 구현 시작
- LinkedIn 계정 정보: 처음에는 빈 값으로 두고 나중에 사용자가 직접 입력
결과: 모든 작업이 첫 실행으로 성공 (재시도 없음)
---
## 4. After: 결과 및 회고 (Result)
### 정량적/정성적 성과
⏱️ 시간 절약:
- 작업 #3 (설계):
- Before (수동 설계): 2-3시간 (문서 작성, 의사결정)
- After (AI 협업): 45분 (즉시 실행 가능한 상세 계획)
- 절약: 약 75-135분
- 작업 #4 (구현):
- Before (수동 작업): 3-4시간 (디렉토리 생성, 파일 작성, 테스트)
- After (AI 협업): 65분 (즉시 실행 가능한 상태)
- 절약: 약 115-175분
- 총 누적 시간: 115분 (1시간 55분)
- 예상 수동 작업 시간: 5-7시간
- 시간 절약률: 약 70-80%
✅ 구축된 시스템:
- 총 13개 파일 생성 (Python 모듈, 설정, 문서)
- 10개 디렉토리 구조 (안티-디텍션 중심)
- 18개 Python 패키지 설치
- 5가지 검증 항목 모두 통과
📊 핵심 성과:
1. 안티-디텍션 중심 아키텍처:
- human_behavior/ 모듈: 사람 행동 시뮬레이션 준비
- anti_detection/ 모듈: 봇 차단 회피 준비
- 통계 패키지 (numpy, scipy) 통합 완료
2. 보안 강화:
- .env 파일 Git 추적 방지 검증 완료
- 민감정보 완전 분리
3. 즉시 사용 가능한 환경:
- LinkedIn 계정만 입력하면 바로 사용
- Google API, Slack은 선택적 설정 (나중 가능)
4. 상세 문서화:
- README.md - 설치부터 문제해결까지 완벽 가이드
- 타이밍 파라미터 설명 (안티-디텍션 핵심)
---
### 실제 활용 결과물
📁 생성된 파일/코드 목록:
보안 및 설정:
- .gitignore - Git 제외 규칙 (112줄)
- .env.example - 환경변수 템플릿 (37줄)
- .env - 실제 환경변수 파일 (40줄)
- requirements.txt - Python 패키지 (18개)
핵심 모듈:
- scripts/config.py - 설정 관리 클래스 (173줄)
- 환경변수 로드 및 중앙 관리
- 필수 환경변수 검증
- 안티-디텍션 타이밍 파라미터 로드
- scripts/logger.py - 로깅 시스템 (213줄)
- 파일/콘솔 동시 로깅 (UTF-8 한국어 지원)
- 컬러 출력 (DEBUG/INFO/WARNING/ERROR)
- 에러 로그 별도 저장
- scripts/utils.py - 유틸리티 함수 (188줄)
- 재시도 데코레이터 (지수 백오프)
- LinkedIn 프로필 ID 추출
- 진행률 기반 남은 시간 계산
테스트:
- tests/test_setup.py - Phase 1 종합 검증 (248줄)
- 디렉토리 구조, 패키지, 환경변수, 로거, Git 보안 검증
문서:
- README.md - 프로젝트 메인 문서 (335줄)
- data/README.md - 데이터 디렉토리 가이드 (75줄)
- work-log.md - 작업 기록 (자동 업데이트)
📸 스크린샷 필요:
- Phase 1 검증 결과 화면 (모든 항목 ✅ 통과)
- 디렉토리 구조
- 설정 요약 화면
---
### 최종 검증 결과
```bash
$ python tests/test_setup.py
============================================================
📊 검증 결과 요약
============================================================
✅ 통과 디렉토리 구조 (10개 경로)
✅ 통과 패키지 임포트 (18개 패키지)
✅ 통과 환경변수 설정
✅ 통과 로거 기능
✅ 통과 Git 보안
============================================================
🎉 Phase 1 완료! Day 2로 진행 가능합니다.
============================================================
```
설정 요약:
```
📧 LinkedIn 계정: ✅ 설정됨
🤖 일일 최대: 28명
⏱️ 평균 딜레이: 12.0초 (표준편차 4.0초)
⏱️ 주기적 휴식: 60-180초
⏱️ 긴 휴식 확률: 20.0%
```
---
## 5. Next Step: 다음 작업 계획
### Phase 2: 사람 행동 시뮬레이션 모듈 구현
목표: LinkedIn 봇 차단을 회피하는 핵심 모듈 개발
구현 내용:
1. `human_behavior/timing.py` ⭐ (가장 중요)
- 정규분포 기반 랜덤 타이밍 (mean=12s, std=4s)
- 피로도 시뮬레이션 (시간 지날수록 느려짐)
- 주기적 휴식 관리 (20% 확률 긴 휴식)
2. `human_behavior/keyboard.py`
- 타이핑 속도 시뮬레이션 (40-60 WPM)
- 오타 및 백스페이스 시뮬레이션
3. `human_behavior/scroll.py`
- 자연스러운 스크롤 패턴
- 위/아래 스크롤, 속도 변화
4. `human_behavior/mouse.py`
- 마우스 움직임 시뮬레이션
- 베지어 곡선 기반 자연스러운 경로
예상 소요 시간: 2-3시간 (AI 협업 시)
이후 계획:
- Phase 3: Playwright MCP 통합
- Phase 4: LinkedIn 자동화 (로그인 → 검색 → 1촌 신청)
- Phase 5: 안티-디텍션 강화
- Phase 6: 실전 테스트 (3명 → 5명 → 10명 → 25명 단계적 증가)
---
## 📚 학습 포인트 (배운 점)
### 1. LinkedIn 봇 감지 메커니즘 이해
- 일정한 타이밍 패턴은 즉시 감지됨
- 사람은 절대 1.5초마다 정확히 클릭하지 않음
- 마우스 움직임, 스크롤, 탐색 행동이 필수
### 2. 통계 기반 랜덤화의 중요성
- 정규분포 사용: mean=12s, std=4s → 8-20초 범위
- 단순 random.uniform(8, 20)보다 자연스러움
- 극단값(8초, 20초)보다 중간값(12초)이 더 자주 나옴 (사람답게)
### 3. 모듈화 아키텍처의 가치
- human_behavior/, anti_detection/ 모듈 분리
- 각 모듈이 독립적으로 테스트 가능
- 실전에서 타이밍 조정 시 코드 수정 없이 YAML 파일만 변경
### 4. AI 협업 효율화 전략
- 명확한 요구사항 전달: PRD 문서 + 실패 예제 제공
- 단계별 검증: Phase 1 완료 후 Phase 2 진행
- 자동 기록 시스템: work-log.md 자동 업데이트로 진행 상황 추적
---
## 🎯 핵심 메시지
"LinkedIn 자동화는 속도가 아니라 자연스러움이 핵심"
- ❌ 빠르게 많이 처리하려다 차단됨
- ✅ 느리지만 사람처럼 자연스럽게 → 장기적으로 더 효율적
AI 협업으로 70-80% 시간 절약:
- 설계 2-3시간 → 45분
- 구현 3-4시간 → 65분
- 총 5-7시간 → 2시간
다음 편 예고:
Phase 2에서는 "사람 행동 시뮬레이션 모듈"을 구현하여, 실제로 LinkedIn에서 봇으로 감지되지 않는 타이밍 시스템을 만들어보겠습니다.
우리 회사에도 이런 자동화를 도입하고 싶다면
회사 업무에 맞춘 AI 교육을 함께 설계해요.



![[마케팅 AX] 안녕하세요, 에이전트 지글입니다. 팀장님 아이디 빌려서 반성문 씁니다. 썸네일](/_next/image?url=https%3A%2F%2Fcdn-beta.gpters.org%2Fexternal%2F0b09327452a916b9bb295728.jpg&w=3840&q=75)