🤖[장사친구 마케팅 에이전트] Marketing MultiAgent System

Google Gemini와 LangGraph를 활용한 자율 마케팅 전략 수립 및 콘텐츠 생성 시스템

📌 프로젝트 개요

• 프로젝트명 : 장사친구 마케팅 에이전트
• 개발기간 : 2025.09.24 ~ 2025.10.24
• 팀원 구성 : 총 4명
• 🚀 데모 영상 / 실행 결과 (GIF): [Streamlit 실행 화면]
• 🏆 발표자료 (pdf): [AI데이터활용분야_장사친구팀_발표자료]
• 🤖 핵심 모델 : Google Gemini 2.5 flash
• 🛠️ 주요 기술 : LangGraph, Streamlit, Tavily API

🎯 프로젝트 배경 및 목표

[이 AI 에이전트를 개발하게 된 계기나 해결하고자 하는 문제를 작성합니다.] 소상공인은 마케팅 전략 수립에 어려움을 겪습니다. 저희는... [AI를 통해 달성하고자 하는 구체적인 목표를 기술합니다.]

1. 시장 분석 자동화, 2. 상황별 맞춤 전술 즉각 제안, 3. 채널별 콘텐츠 초안 생성

🏗️ 시스템 아키텍처 (System Architecture)

본 시스템은 3가지 작업 유형을 지원하며, Top-Level Supervisor 에이전트가 사용자의 요청을 분석하여 최적의 워크플로우로 작업을 라우팅합니다.

1. 전체 워크플로우 (High-Level Workflow)

2. 에이전트 및 역할 (Agents & Roles)

최상위 Supervisor

• Top-Level Supervisor: [사용자의 '작업 유형'에 따라 적절한 팀으로 라우팅하는 메인 컨트롤러]

사용자 입력
│
├─ 가맹점 선택
├─ 작업 유형 선택 (종합/상황/콘텐츠)
└─ 추가 정보 (상황/채널)
│
▼
Top-Level Supervisor (라우팅)
│
├─ [종합] → Analysis Team → Strategy Team → 보고서
├─ [상황] → Analysis Team → Situation Agent → Strategy Team → 전술
└─ [콘텐츠] → Analysis Team → Strategy Team → Content Agent → 가이드

분석팀(Analysis Team)

• Analysis Team: [종합 전략 수립 : 시장과 환경을 분석]

• STP 분석 (PCA 분석 + KNN 군집)
  • Segmentation: 시장 군집(Cluster)별 특징 정의 + 가중치 기반 축 해석
  • Targeting: 타겟 군집(Cluster) 선정 및 가맹점의 현재 포지션{PC1, PC2} 좌표
  • Positioning: 매트릭스 상 빈 포지션(White Space)좌표 및 인근 경쟁사 군집 정보 => 최종 타겟 포지션 제안

graph LR
    A[Supervisor] --> B[📊 Analysis Team]

    %% Analysis Team 내부 STP 플로우
    subgraph STP 분석 프로세스
        direction LR
        S[Segmentation<br/>PCA + KNN 군집] --> T[Targeting<br/>타겟 선정 및 현 포지션 파악]
        T --> P[Positioning<br/>White Space 탐지 및 경쟁사 분석]
        P --> F[✅ 최종 타겟 포지션 제안 : 📄 STP 진단 리포트]
    end

    %% 분석팀에서 STP 프로세스 진입
    B --> S
    %% 리포트가 Strategy Team으로 전달
    F --> G[ Strategy Team]



    %% 스타일 정의
    classDef main    fill:#1f2937,stroke:#9ca3af,stroke-width:1px,color:#f9fafb;
    classDef team    fill:#0f766e,stroke:#e5e7eb,stroke-width:1px,color:#ecfeff;
    classDef step    fill:#0369a1,stroke:#e5e7eb,stroke-width:0.8px,color:#f9fafb;
    classDef output  fill:#15803d,stroke:#e5e7eb,stroke-width:0.8px,color:#f9fafb;

    class A,G main;
    class B team;
    class S,T,P step;
    class F output;

Loading

전략팀(Analysis Team)

• Strategy Team: [분석된 데이터를 기반으로 실제 4P 전략 및 전술 카드 생성]

graph LR
    A[Supervisor] --> B[Analysis Team]
    B --> C[Strategy Team]

    %% Strategy Team 내부 전략 설계 플로우
    subgraph Strategy_Flow
        direction LR
        SA[🧭 Strategy Agent<br/>STP 기반 전략 설계] --> V[🏹 Targeting 검증<br/>핵심 니즈·고객 구조 점검]
        V --> POS[♟️ Positioning 정의<br/>빈 포지션 : PC1·PC2 분석·컨셉 확정]
        POS --> STP4P[🗂️ STP 리포트 → 4P 전략화]

        STP4P --> P1[Product<br/>포지션 맞춤 시그니처 메뉴 제안<br/>웹검색 기반]
        STP4P --> P2[Price<br/>포지션 수준에 맞는 가격 책정]
        STP4P --> P3[Place<br/>DLV_SAA_RAT 기반 유통·배달 전략]
        STP4P --> P4[Promotion<br/>재방문율·연령대 기준 콘텐츠 가이드]
    end

    %% Strategy Team 진입
    C --> SA

    %% 4P 전략이 최종 리포트로 수렴
    P1 --> D[📑 Final Report]
    P2 --> D
    P3 --> D
    P4 --> D

    %% 스타일 정의 (옵션)
    classDef main   fill:#1f2937,stroke:#9ca3af,stroke-width:1px,color:#f9fafb;
    classDef team   fill:#0f766e,stroke:#e5e7eb,stroke-width:1px,color:#ecfeff;
    classDef agent  fill:#312e81,stroke:#e5e7eb,stroke-width:0.8px,color:#e0e7ff;
    classDef step   fill:#0369a1,stroke:#e5e7eb,stroke-width:0.8px,color:#f9fafb;
    classDef fourp  fill:#92400e,stroke:#e5e7eb,stroke-width:0.8px,color:#fffbeb;
    classDef output fill:#15803d,stroke-width:0.8px,stroke:#e5e7eb,color:#f9fafb;

    class A,B,C main;
    class SA agent;
    class V,POS,STP4P step;
    class P1,P2,P3,P4 fourp;
    class D output;

Loading

• Situation Agent: [상황 전술 제안 : Tavily, Weather API 등 Tool을 사용하여 이벤트/날씨 등 특정 상황에 집중하여 기회 요소를 도출]

graph LR
    A[Supervisor] --> B[Analysis Team]
    B --> C[Strategy Team]

    C --> SA[🧭 Strategy Agent<br/>STP 기반 4P 전략 설계]
    SA --> STP4P[🗂️ 4P 전략 카드<br/>Product·Price·Place·Promotion]

    %% 사용자 요청: 상황 전술 제안
    STP4P --> SIT[🌦️ Situation Agent<br/>상황 전술 제안 요청 시 작동<br/>Tavily·Weather API 등 Tool 사용]

    SIT --> SP[📘 Situation Playbook<br/>이벤트·날씨 기반 전술 카드]
%% 스타일 정의
    classDef agent fill:#312e81,stroke:#e5e7eb,stroke-width:0.8px,color:#e0e7ff;
    classDef main  fill:#1f2937,stroke:#9ca3af,stroke-width:1px,color:#f9fafb;
    classDef node  fill:#0369a1,stroke:#e5e7eb,stroke-width:0.8px,color:#f9fafb;
    classDef output fill:#15803d,stroke-width:0.8px,stroke:#e5e7eb,color:#f9fafb;

    class A,B,C main;
    class SA,SIT agent;
    class STP4P node;
    class SP output;

Loading

• Content Agent: [콘텐츠 생성 가이드 : 확정된 전략을 바탕으로 SNS 채널별 콘텐츠 가이드 및 카피 생성]

graph LR
    A[Supervisor] --> B[Analysis Team]
    B --> C[Strategy Team]

    C --> SA[🧭 Strategy Agent<br/>STP 기반 4P 전략 설계]
    SA --> STP4P[🗂️ 4P 전략 카드<br/>Product·Price·Place·Promotion]

    %% 사용자 요청: 콘텐츠 생성 가이드
    STP4P --> CON[📣 Content Agent<br/>콘텐츠 생성 가이드 요청 시 작동<br/>SNS 채널별 전략 반영]

    CON --> CG[📝 Content Guide<br/>채널별 콘텐츠·카피 가이드]

 %% 스타일 정의
    classDef agent fill:#312e81,stroke:#e5e7eb,stroke-width:0.8px,color:#e0e7ff;
    classDef main  fill:#1f2937,stroke:#9ca3af,stroke-width:1px,color:#f9fafb;
    classDef node  fill:#0369a1,stroke:#e5e7eb,stroke-width:0.8px,color:#f9fafb;
    classDef output fill:#15803d,stroke-width:0.8px,stroke:#e5e7eb,color:#f9fafb;

    class A,B,C main;
    class SA,CON agent;
    class STP4P node;
    class CG output;

Loading

⚙️ 핵심 기능 및 결과물 (Capabilities & Results)

1. 종합_전략_수립 📊

• 가맹점의 시장 환경을 분석하여 중장기적인 종합 마케팅 전략을 수립합니다.

• Input: [ : 가맹점 ID, 업종]
• Process: [ : Analysis Team과 Strategy Team이 협력하여 STP 분석 및 4P 전략 도출]
• Output ( 시): [AI가 생성한 실제 '종합 컨설팅 보고서' 시를 마크다운이나 이미지로 첨부]

[AI 생성 보고서 시]

1. 시장 분석 (Market Analysis)

• 주요 타겟 고객: 20대 여성, 직장인
• ...

2. 4P 전략 (Strategy)

• Product: ...
• Price: ...

2. 상황_전술_제안 ⚡

• Input: [ : 가맹점 ID, 기간, 특정 상황( : 비 오는 날)]
• Process: [ : Situation Agent가 날씨/이벤트 정보를 분석하여 즉각적인 전술 제안]
• Output ( 시): [AI가 생성한 '전술 카드' 시]

[AI 생성 전술 카드 시]

• 상황: 주말 비 보 (11/08 ~ 11/09)
• 제안: "비 오는 날의 따뜻함" 프로모션
• 액션: 1+1 음료 쿠폰 발송, 매장 내 재즈 음악 플레이
• 채널: 인스타그램 스토리, 당근마켓

3. 콘텐츠_생성_가이드 📱

• Input: [ : 가맹점 ID, 타겟 채널( : 인스타그램)]
• Process: [ : Content Agent가 전략을 바탕으로 채널 맞춤형 가이드라인 작성]
• Output ( 시): [AI가 생성한 '콘텐츠 가이드' 시]

[AI 생성 콘텐츠 가이드 (인스타그램)]

• 카피 시: "비가 내려도 낭만은 포기 못해! ☔ 테일러 카페에서 따뜻한 라떼 한 잔 어때요?"
• 추천 해시태그: #테스트카페 #비오는날 #카페추천 #감성
• 이미지 가이드: 따뜻한 조명 아래 김이 나는 커피잔 클로즈업

🚀 실행 방법 (Getting Started)

1. 환경 설정 (Setup)

1. Repository 클론

   git clone [레포지토리 URL]
   cd [프로젝트 폴더]

2. 필요한 패키지 설치

   pip install -r requirements.txt

3. .env 파일 생성 (API 키 설정)

   # .env 파일을 생성하고 아래 내용을 채워주세요
   GOOGLE_API_KEY="여러분의 Gemini API 키"
   TAVILY_API_KEY="여러분의 Tavily API 키"

2. CLI 환경에서 실행

from marketing_multiagent_system_final import run_marketing_strategy_system

# 1. 종합 전략 수립
result_1 = run_marketing_strategy_system(
    target_store_id="TEST001",
    target_store_name="테스트 카페",
    task_type="종합_전략_수립"
)
print(result_1)

# 2. 상황 전술 제안
result_2 = run_marketing_strategy_system(
    # ... (이하 생략)
)
print(result_2)

3. Streamlit UI로 실행 (선택 사항)

1. Streamlit 실행

   streamlit run '장사친구 서비스 소개.py'

2. 브라우저에서 http://localhost:8501로 접속합니다.

</br>

📂 파일 구조 (File Structure)

/project/agent_all
│
├── 장사친구 서비스 소개.py              # Streamlit UI (통합)
├── pages/
│   ├── 1_📊사장님 대시보드.py           # 데이터 분석 대시보드
│   └── 2_🪽마케팅 AI Agent.py          # 마케팅 전략 수립 에이전트
├── agents/
│   ├── marketing_multiagent_system_final.py  # 메인 시스템 (통합)
│   ├── situation_agent.py                # Situation Agent
│   └── content_agent.py                  # Content Agent
├── tools/
│   ├── tavily_events.py                  # 이벤트 수집 Tool
│   └── weather_signals.py                # 날씨 분석 Tool
├── workflows/
│   └── integrated_workflow.py            # Langgraph 워크플로우
├── requirements.txt
└── README.md

🧑‍💻 개발 환경 및 기술 스택

AI / Core

[Gemini, LangGraph, Tavily API 등 아이콘]

Frontend (UI)

[Streamlit 등 아이콘]

Management Tool

[Git, Notion 등 아이콘]

---

📈 성능

응답 시간

• 종합 전략: 20-30초

  • Analysis Team: 10-15초
  • Strategy Team: 10-15초

• 상황 전술: 25-35초

  • Analysis Team: 10-15초
  • Situation Agent: 3-5초 (병렬)
  • Strategy Team: 10-15초

• 콘텐츠 가이드: 30-40초

  • Analysis Team: 10-15초
  • Strategy Team: 10-15초
  • Content Agent: 10-15초

최적화

1. 캐싱: Streamlit @st.cache_data 활용
2. 병렬 처리: Situation Agent의 ThreadPoolExecutor
3. 데이터 경량화: 필수 컬럼만 로드

---

😎 팀원 소개

[AI Engineer/기획]	[AI Engineer]	[Data Analyst]	[기획/PM]
김이정	김서영	이은경	안례진