LangChain은 유료 광고 운영 에이전트를 어떻게 만들었나

광고 플랫폼과 사내 데이터를 연결해 성과 분석, 캠페인 변경 제안, 사람의 승인과 실행 검증까지 이어지는 Slack 기반 에이전트를 구축함 신입 분석가처럼 작업용 컴퓨터와 분석 도구, 업무 지침과 회사 위키를 제공하고, 시스템 프롬프트에는 모든 지식 대신 필요한 정보를 찾는 방법을 담음 계산과 고정 규칙은 코드, 해석과 판단은 모델에 맡겨 초기 보고서 생성 비용을 약 40분의 1로 줄이고, 실행 시간을 18분에서 85초로 단축함 수백 개 도구 중 필요한 것만 찾아 사용하고, 플랫폼별 분석은 서브에이전트에 분담함. 컨텍스트를 나누는 것과 별개로 파일과 작업 상태도 분리해야 충돌을 막을 수 있었음 분석과 보고를 내부에서 처리해 월 약 5,000달러의 대행사 비용을 절감했으며, 도구와 스킬, 샘플 위키, 보고서와 승인 흐름을 포함한 에이전트를 오픈소스로 공개함 구축 목표와 운영 성과 LangChain은 초기 3년간 오픈소스, 콘텐츠, YouTube, 커뮤니티, 밋업 중심으로 영업 파이프라인을 확보하다가, 1월부터 유료 광고를 확대하기 시작함 자연 유입으로 닿지 못한 신규 지역의 잠재 고객과 기업 의사결정자에게 접근하고, 6개월 안에 유료 채널 5개로 확장하려는 목표였음 소규모 마케팅팀이 채널별 캠페인, 소재와 타기팅 실험, 늘어나는 성과 데이터를 수작업으로 관리하기 어려워짐 플랫폼마다 데이터 스키마가 다르고 캠페인 매개변수가 영업 문의, 가입, 콘텐츠 다운로드 같은 실제 성과와 깔끔하게 연결되지 않았음 제품 출시와 캠페인이 늘면서 무엇이 실행 중이고, 무엇이 효과가 있으며, 다음에 무엇을 시도할지 파악하기도 어려워짐 목표는 제품 발표 추적, 캠페인 초안 작성, 키워드 추가, 변형 테스트, 실험 승인 요청을 지원하고, 장기적으로 분석 → 변경 → 결과 관찰 → 학습 기록 → 다음 캠페인 반영의 순환을 만드는 것이었음 운영 성과로 유료 광고의 마케팅 파이프라인 기여 비중이 6개월 만에 0%에서 20% 로 증가함 6~8월 월 지출은 약 60% 늘고 적격 리드당 비용(CPL)은 30% 감소함 최대 소셜 채널인 LinkedIn의 CPL은 1월보다 40% 낮아짐 대행사에 맡겼던 분석과 보고를 내부로 가져와 월 약 5,000달러를 절감함 Slack에서 분석과 캠페인 제안을 수행하는 방식 Paid Media Agent는 Slack에서 운영되는 장기 실행 에이전트로, 매주 월요일 광고 플랫폼 데이터와 웨어하우스의 리드 및 파이프라인...