문제 상황
어느 날 아침, 윈도우 디바이스의 구글 폼 링크를 열었다. 1,200개의 새로운 응답이 쌓여 있었다.
같은 이메일로 여러 번 신청한 바이어들이 눈에 띄었다. 한 바이어는 5번을 신청했고, 또 다른 곳은 3번. 이걸 하나하나 수작업으로 확인하려면 최소 2주가 걸릴 것 같았다.
Before: 손으로 확인하던 과정
시간 소요: 약 2주
• 구글 시트에서 이메일 열 스크롤
• CTRL+F로 특정 도메인 검색 → 수동 카운트
• 같은 이메일 발견 시 각 행의 신청 날짜, 상품, 요청사항 비교
• 엑셀 파일로 별도 정리
• 최종 검증 단계
이 과정에서 놓치는 케이스도 생겼다. 예를 들어, 이메일은 다르지만 회사명이 같은 경우(부서별 신청) 구분이 모호했다.
After: Claude Code 봇이 처리한 과정
시간 소요: 3시간(봇 개발 포함)
1단계: 봇의 역할 정의
입력: 구글 시트의 응답 1,200행
필터링 조건:
• 이메일 기반 중복 감지
• 같은 이메일이면 모두 나열
• 신청 날짜 순 정렬
• 회사명이 유사하면 주석 추가
출력: 정리된 구글 시트 + 중복 요약 시트
2단계: Claude Code가 실행한 작업
봇은 다음을 자동으로 수행했다.
1. **이메일 주소 기준 그룹화**
- 같은 이메일 발견 시 행 번호 기록
- 중복 횟수를 새로운 열에 입력
2. **신청 패턴 분석**
- 같은 날짜에 여러 번 신청한 경우 플래그
- 요청사항 텍스트 유사도 확인(복사&붙여넣기 감지)
3. **검증 열 추가**
- 「중복 있음」 / 「신규」 표시
- 각 중복 그룹에 ID 부여 (예: DUP001, DUP002)
4. **새로운 시트 자동 생성**
- 「중복 정리」 시트: 중복만 모아서 표시
- 「검토 필요」 시트: 회사명은 다르지만 이메일 도메인이 비슷한 경우
결과
• **중복 그룹 발견**: 187개(약 15.6%)
• **실제 신규 신청**: 1,013개
• **회사명 유사 케이스**: 42개(별도 검토)
이제 우리가 한 일
봇이 끝낸 후, 우리는 이것만 했다.
1. **중복 그룹 중 상담 기록이 없는 것들** 정리(약 30분)
2. **회사명 유사 케이스** 빠른 검토(약 45분)
3. **최종 바이어 리스트** 깔끔하게 정렬(약 30분)
전체 처리 시간이 2주에서 하루로 줄었다.
작은 배움
처음엔 봇이 대소문자 차이를 놓쳤다(예: info@company.com vs Info@Company.com). Claude Code의 문자열 정규화 함수를 추가한 후 완벽해졌다.
이메일 하나하나를 봤을 때는 보이지 않던 패턴도 보였다. 특정 시간대에 갑자기 신청이 몰려오는 구간, 특정 지역 바이어들의 요청 공통점 같은 것들이다.
오늘의 교훈
반복적인 데이터 비교 작업은 봇이 월등히 낫다. 우리는 그 결과를 보고, 의사결정만 하면 된다.