고객 데이터 자동화 프롬프트

비즈니스 영역, 데이터 소스, 선호 도구, 예산, 개인정보 요구사항을 넣으면 고객 데이터 수집·분석·프로파일링 도구 설계를 보고서로 제안합니다.

분류	개발 › 데이터·DB
태그	분석초안작성개발자

프롬프트 (영어 본문 · 답은 한국어로 옵니다)

Act as an AI Workflow Automation Specialist. You are an expert in automating business processes, workflow optimization, and AI tool integration.

Your task is to help users:
- Identify processes that can be automated
- Design efficient workflows
- Integrate AI tools into existing systems
- Provide insights on best practices

You will:
- Analyze current workflows
- Suggest AI tools for specific tasks
- Guide users in implementation

Rules:
- Ensure recommendations align with user goals
- Prioritize cost-effective solutions
- Maintain security and compliance standards

Use variables to customize:
-  - specific area of business for automation
-  - preferred AI tools or platforms
-  - budget constraints${automatisierte datensammeln und analysieren von öffentlichen auschreibungen}{
  "role": "Data Integration and Automation Specialist",
  "context": "Develop a system to gather and analyze data from APIs and web scraping for business intelligence.",
  "task": "Design a tool that collects, processes, and optimizes customer data to enhance service offerings.",
  "steps": [
    "Identify relevant APIs and web sources for data collection.",
    "Implement web scraping techniques where necessary to gather data.",
    "Store collected data in a suitable database (consider using NoSQL for flexibility).",
    "Classify and organize data to build detailed customer profiles.",
    "Analyze data to identify trends and customer needs.",
    "Develop algorithms to automate service offerings based on data insights.",
    "Ensure data privacy and compliance with relevant regulations.",
    "Continuously optimize the tool based on feedback and performance analysis."
  ],
  "constraints": [
    "Use open-source tools and libraries where possible to minimize costs.",
    "Ensure scalability to handle increasing data volumes.",
    "Maintain high data accuracy and integrity."
  ],
  "output_format": "A report detailing customer profiles and automated service strategies.",
  "examples": [
    {
      "input": "Customer purchase history and demographic data.",
      "output": "Personalized marketing strategy and product recommendations."
    }
  ],
  "variables": {
    "dataSources": "List of APIs and websites to scrape.",
    "databaseType": "Type of database to use (e.g., MongoDB, PostgreSQL).",
    "privacyRequirements": "Specific data privacy regulations to follow."
  }
}

어떤 프롬프트인가

API와 웹 스크래핑을 활용한 데이터 통합 및 고객 프로파일링 설계 프롬프트다. 오픈소스, 확장성, 데이터 정확성, 개인정보 준수를 조건으로 둔다.

모델 비교

ChatGPT가 구체성과 실무성에서 가장 우수하다. Gemini는 간결하지만 근거 없는 수치가 있고, [C]는 답이 없다.

ChatGPT종합 1위

42/ 50

＋ 업종 맞춤 수집·분석·보안·운영 설계가 매우 구체적이다.

－ 분량이 과하고 비용 상한이 예산 150만원을 초과한다.

Gemini

33/ 50

＋ 핵심 파이프라인과 알림 흐름을 간결하게 제시했다.

－ 존재 불명 파일과 근거 없는 호출량·비용을 단정했다.

기준	ChatGPT	Gemini	앞선 모델
지시 준수	9	6	ChatGPT +50%
정확성	8	4	ChatGPT +100%
구체성	10	7	ChatGPT +43%
구성·가독성	9	8	ChatGPT +13%
분량 적정성	6	8	Gemini +33%

gpt-5.6-sol가 모델 이름을 가린 채 1~10점으로 채점했습니다 (2026-09-25). 측정값이 아니라 AI 심사 결과입니다.

답 전문 보기

같은 입력을 세 모델에 넣어 받은 답을 그대로 옮겼습니다. 각 CLI(에이전트 하네스)에서 실행했습니다. ChatGPT·Claude 앱이나 웹에서는 답이 다를 수 있습니다.

넣은 입력

[붙여 넣은 자료]
자동화 대상 업무: 나라장터 공공 입찰 공고 데이터 수집 및 분석
선호 AI 도구/플랫폼: Python, OpenAI API, n8n
예산: 월 150만원 이내

저희는 건설장비 임대업체 (주)한빛중장비입니다. 나라장터에 하루 100건 넘게 올라오는 입찰 공고를 수작업으로 확인하다 보니 마감을 놓치는 경우가 많습니다. API 연동과 웹 스크래핑을 조합해서 공고를 자동 수집하고, 저희 업종(건설장비 임대)에 맞는 공고만 걸러서 고객사별 프로필과 제안 우선순위를 만들어주는 도구를 설계해주세요.

gpt-5.6-luna (codex CLI · 에이전트 하네스) · 실행일 2026-09-24

나라장터 입찰공고 자동 수집·분석 시스템 설계안

1. 목표

(주)한빛중장비가 매일 등록되는 나라장터 공고를 자동으로 수집하고, 건설장비 임대 가능성이 높은 공고만 선별하여 다음을 제공하는 시스템입니다.

신규 공고 자동 수집
장비 임대 관련 공고 분류
마감 임박 공고 알림
발주처·지역·공사 유형별 고객사 프로필 생성
제안 우선순위 및 영업 추천
담당자별 후속 조치 관리

핵심 원칙은 나라장터 공식 API를 우선 사용하고, API로 제공되지 않는 세부 정보만 제한적으로 웹 수집하는 것입니다.

2. 권장 전체 구조

나라장터 Open API
        │
        ├── 입찰공고 수집
        └── 공고 상세·기초금액·일정 수집
                │
        Python 수집·정제 서버
                │
        PostgreSQL + 파일 저장소
                │
        분류·중복제거·마감일 계산
                │
        OpenAI API 분석
                │
        점수화·고객사 프로필 생성
                │
        n8n 자동화
        ├── 이메일/Slack/카카오 알림
        ├── 일일 요약 보고서
        ├── CRM 또는 Google Sheets 연동
        └── 담당자 배정 및 후속 알림

권장 기술 스택

영역	권장 도구
수집·처리	Python, requests, BeautifulSoup, Playwright
자동화	n8n
데이터베이스	PostgreSQL
검색	PostgreSQL Full Text Search 또는 OpenSearch
AI 분석	OpenAI API
대시보드	Metabase 또는 React 기반 내부 화면
파일 저장	MinIO 또는 저비용 오브젝트 스토리지
배포	Docker, Ubuntu 서버 또는 국내 클라우드
알림	이메일, Slack, 카카오워크, 문자 API

MongoDB보다 PostgreSQL을 우선 추천합니다. 공고번호, 발주기관, 지역, 마감일, 장비 종류, 점수처럼 관계가 분명한 데이터가 많고, 중복 방지와 날짜 조건 검색이 중요하기 때문입니다.

3. 데이터 수집 설계

3.1 1순위: 나라장터 공식 API

다음 유형의 데이터를 공식 API에서 수집합니다.

공고번호
공고명
공고 유형
발주기관
수요기관
공고·게시일
입찰 마감일
개찰일
공사 지역
추정가격 또는 기초금액
참가 자격
낙찰 방식
첨부파일 정보
공사·용역·물품 분류

실제 API 명칭, 제공 필드, 호출 제한은 구축 시 공공데이터포털과 조달청 API 문서에서 확인해야 합니다. API 키, 호출량, 날짜 조회 범위, 상세 조회 가능 여부도 함께 검증합니다.

3.2 2순위: 제한적 웹 수집

API에서 누락된 경우에만 웹 수집을 사용합니다.

예를 들어 다음 정보가 API에 없거나 불완전할 때 활용합니다.

과업지시서의 장비 요구사항
장비 대수와 사용 기간
현장 위치의 상세 정보
“굴삭기”, “크레인”, “덤프트럭” 등 본문 내 장비 조건
첨부 문서의 PDF·한글 파일 내용

수집 시 지켜야 할 사항은 다음과 같습니다.

공식 API와 공개 페이지를 우선 사용
사이트 이용약관과 robots 정책 확인
로그인 우회, CAPTCHA 우회, 과도한 요청 금지
요청 간 지연시간과 재시도 제한 적용
원문 URL과 수집 시각 저장
원본 데이터를 변경하지 않고 보존
수집 오류와 누락을 로그로 기록

웹페이지 구조 변경에 대비해 스크래핑 모듈은 별도 Python 모듈로 분리하고, 수집 실패율을 n8n으로 모니터링하는 것이 좋습니다.

4. 데이터베이스 구조

주요 테이블은 다음과 같이 설계할 수 있습니다.

`notices` 공고

notice_id: 공고번호
title: 공고명
notice_type: 공사·용역·물품
organization_id
organization_name
region
published_at
deadline_at
opening_at
estimated_amount
source_url
collected_at
raw_hash
status

`notice_requirements` 요구사항

notice_id
equipment_type
equipment_count
required_period
operator_required
license_required
work_location
extracted_text
extraction_confidence

`organizations` 발주처·수요기관

organization_id
organization_name
organization_type
region
industry_category
past_notice_count
average_budget
typical_equipment
last_contact_date
profile_score

`notice_scores` 추천 점수

notice_id
equipment_fit_score
region_score
budget_score
deadline_score
competition_score
organization_score
total_score
priority
reason

`actions` 영업 후속조치

notice_id
assigned_to
action_type
due_at
status
memo

5. 건설장비 임대업 맞춤 필터링

단순 키워드 검색만 사용하면 관련성이 낮은 공고가 많이 섞입니다. 다음 3단계 필터를 함께 적용하는 방식이 적합합니다.

1단계: 키워드 필터

긍정 키워드 예시:

굴삭기
백호
크레인
이동식 크레인
카고크레인
덤프트럭
지게차
고소작업대
천공기
항타기
로더
장비임대
건설기계 임대
장비 투입
장비 운용

제외 또는 감점 키워드 예시:

장비 구매
단순 물품 납품
소프트웨어
교육
설계 용역
보험
청소 용역
순수 자재 납품

2단계: 규칙 기반 분류

예를 들어 다음과 같은 규칙을 적용합니다.

장비 관련 키워드 2개 이상 + 공사/현장 용어 존재
→ 높은 관련성

장비 키워드 1개 + 공사 유형
→ 검토 대상

장비 키워드만 존재하지만 구매·납품 중심
→ 임대 적합도 낮음

과업지시서에 장비 대수·기간·현장 투입 조건 존재
→ 높은 우선순위

3단계: OpenAI API 분석

AI는 다음 항목을 구조화된 JSON으로 추출합니다.

{
  "relevance": "high",
  "equipment_types": ["굴삭기", "덤프트럭"],
  "estimated_quantity": 3,
  "rental_probability": 0.87,
  "rental_period": "약 60일",
  "location": "경기도 평택시",
  "operator_required": true,
  "key_requirements": [
    "현장 상주 운전원 필요",
    "장비 투입 전 검사 필요"
  ],
  "sales_reason": "장비 임대 수요가 명확하고 자사 영업권역과 일치"
}

AI 결과만으로 자동 탈락시키지 않고, 규칙 기반 결과와 함께 사용해야 합니다. API 장애나 잘못된 해석이 발생해도 중요한 공고가 누락되지 않도록 하기 위해서입니다.

6. 제안 우선순위 점수

100점 기준으로 다음과 같이 시작하는 것을 권장합니다.

평가 항목	배점
장비 임대 적합도	30
지역 및 이동 비용 적합성	15
예산 규모	15
마감 임박도	15
예상 경쟁 강도	10
발주처의 과거 거래·반복 발주 가능성	10
자격·면허 충족 가능성	5
합계	100

우선순위 등급

A등급: 80점 이상 — 즉시 담당자 배정
B등급: 65~79점 — 당일 검토
C등급: 50~64점 — 주간 모니터링
제외: 49점 이하 — 저장만 하고 알림 생략

마감일 알림

마감 72시간 전: 1차 알림
마감 24시간 전: 긴급 알림
마감 6시간 전: 담당자 및 관리자 알림
마감 후: 자동 종료 처리

단, 공고의 마감일은 반드시 원문 링크에서 최종 확인하도록 알림에 명시해야 합니다.

7. 고객사 프로필

여기서 고객사는 개인 고객이 아니라 발주기관·수요기관 중심으로 정의하는 것이 적절합니다.

기관별 자동 프로필 예시

기관명: 평택시청
주요 지역: 평택시
최근 12개월 관련 공고: 18건
주요 장비: 굴삭기, 덤프트럭, 카고크레인
평균 예상금액: 4,800만원
주요 발주 시기: 3~6월
평균 공고 간격: 21일
임대 적합도: 높음
추천 전략:
- 공고 등록 후 24시간 이내 담당자 검토
- 굴삭기·덤프트럭 패키지 견적 준비
- 다음 분기 발주 예상 알림 등록

프로필에서 제공할 분석

기관별 발주 빈도
지역별 수요
장비 종류별 수요
평균 예산
발주 시기와 계절성
반복 발주 여부
최근 6개월 미응답·미참여 공고
신규 영업 대상 기관
영업 담당자 우선 배정 대상

공개 입찰 데이터만으로 개인 담당자의 개인정보를 수집하거나 추정하지 않고, 기관·공고·사업 단위로 관리하는 것이 안전합니다.

8. n8n 자동화 워크플로

매일 수집 워크플로

Cron
 → API 호출
 → 페이지별 반복 수집
 → 중복 확인
 → PostgreSQL 저장
 → 신규 공고만 후속 처리

분석 워크플로

신규 공고 감지
 → 본문·첨부파일 추출
 → Python 전처리
 → 키워드 규칙 분류
 → OpenAI 분석
 → 점수 계산
 → DB 업데이트

알림 워크플로

A등급 공고
 → 담당자별 필터
 → 이메일/Slack/카카오워크 발송
 → Google Sheets 또는 CRM 기록
 → 미확인 시 재알림

일일 보고서

매일 오전 다음 내용을 자동 발송합니다.

신규 공고 수
A등급 공고 수
오늘 마감 공고
3일 이내 마감 공고
장비별 수요
지역별 수요
신규 발주기관
추천 영업 대상
수집 실패 및 API 오류

9. 화면 구성

초기에는 별도 대형 시스템보다 Metabase 대시보드와 n8n 알림을 조합하는 것이 비용 효율적입니다.

필수 화면은 다음과 같습니다.

오늘의 추천 공고
마감 임박 공고
장비 종류별 수요
지역별 수요 지도 또는 목록
발주기관 프로필
담당자별 처리 현황
수집 오류·누락 현황
공고 원문 및 AI 분석 근거

각 공고에는 반드시 다음 버튼을 제공하는 것이 좋습니다.

원문 보기
담당자 배정
검토 완료
관심 공고 등록
제외 사유 입력
견적 요청 생성

담당자가 “관련 있음/없음”, “실제 영업 가능/불가능”을 기록하면 이후 점수 보정에 활용할 수 있습니다.

10. 개인정보·보안·컴플라이언스

데이터 보호

공개된 기관·공고 정보 중심으로 수집
개인 연락처는 별도 동의 없이 프로파일링하지 않음
AI API로 전송하는 데이터는 필요한 텍스트만 최소화
내부 영업 메모와 API 키는 암호화
역할별 접근권한 적용
접속 로그와 변경 이력 저장
보존기간이 지난 원문·첨부파일 자동 삭제

OpenAI API 사용 시

주민등록번호, 개인 전화번호, 개인 이메일 등은 전송 전 마스킹
프롬프트에 회사 내부 기밀이나 가격 정책을 포함하지 않음
출력은 반드시 JSON 스키마로 제한
AI 결과를 최종 입찰 판단으로 간주하지 않음
원문 링크와 분석 시각을 함께 저장

운영 안전장치

API 오류 시 재시도 횟수 제한
수집 데이터의 해시값으로 변경 감지
동일 공고 중복 등록 방지
날짜·금액 이상치 검증
AI 신뢰도 낮은 공고는 “수동 검토”로 분류
원문과 AI 분석 결과를 비교할 수 있도록 구성

11. 월 150만원 이내 예상 비용

항목	월 예상 비용
서버·DB·백업	15만~35만원
OpenAI API	10만~35만원
n8n 운영	0~15만원
문자·알림 서비스	5만~20만원
모니터링·로그 저장	0~10만원
유지보수·스크래핑 대응	40만~70만원
합계	약 70만~185만원

초기에는 다음 방식으로 비용을 줄일 수 있습니다.

API 데이터는 매일 증분 수집
OpenAI 분석은 관련성이 있는 공고에만 호출
긴 원문 전체가 아니라 전처리된 핵심 구간만 전송
PostgreSQL과 n8n을 자체 서버에서 운영
Metabase로 별도 프론트엔드 개발을 지연
문자 알림은 A등급과 마감 임박 공고에만 사용

현실적으로는 월 100만~150만원 범위에서 MVP 운영이 가능합니다. 별도 개발 인건비는 월 운영비와 구분해야 합니다.

12. 권장 구축 일정

1단계: 1~2주

나라장터 API 연결
기본 공고 수집
PostgreSQL 저장
중복 제거
마감일 알림
이메일 또는 Slack 발송

2단계: 3~4주

건설장비 키워드 사전 구축
장비·지역·예산 필터
A/B/C 점수화
n8n 자동화
Metabase 대시보드
담당자 배정 기능

3단계: 5~8주

첨부파일 텍스트 추출
OpenAI 구조화 분석
발주기관 프로필
과거 발주 패턴 분석
담당자 피드백 기반 점수 보정
스크래핑 보완 모듈

13. MVP에서 반드시 포함할 기능

초기 버전은 다음 기능에 집중하는 것이 좋습니다.

최근 24시간 신규 공고 자동 수집
공고번호 기준 중복 제거
장비 임대 관련성 필터
마감일 자동 계산
A/B/C 우선순위
담당자 알림
원문 링크와 분석 근거 제공
처리 상태 기록
발주기관별 누적 통계
수집 실패 모니터링

가장 먼저 구현할 핵심은 “공고를 놓치지 않는 것”과 “담당자가 바로 판단할 수 있는 것”입니다. 고급 예측 모델보다 정확한 수집, 마감 알림, 원문 근거, 담당자 피드백이 초기 성과에 더 직접적으로 기여합니다.

같은 분류의 프롬프트

대용량 텍스트 변환기 프롬프트
AI 데이터 추출 도구 기획 프롬프트
AI2sql 자연어 SQL 생성 프롬프트
백엔드 아키텍트 역할을 맡기는 프롬프트
Base R 프로그래밍 프롬프트

분류