본문으로 건너뛰기

세일즈 리드 수집 자동화(with C.C) #0

광밤

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.

함께 이야기해요 0

로그인하고 댓글을 남겨 주세요

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

우리 회사에도 이런 자동화를 도입하고 싶다면

회사 업무에 맞춘 AI 교육을 함께 설계해요.

기업교육 문의하기

함께 읽어보세요

AX 현장 전체 보기