KOL Scout

2026년 6월경에는 인스타그램 카드뉴스 자동화 프로젝트를 마친 뒤, 여러 작은 에이전트를 만들어 보며 바이브코딩에 익숙해지고 있었다. 수익을 낼 방법을 찾으며 작은 실험을 이어 가던 중, GPT의 제안으로 인플루언서 시딩을 시작했다. 방한 일본인 인플루언서와 한국 음식점·시술 업체를 연결하는 재택 프리랜서 일이었다.

처음 이틀은 자동화 도구 없이 GPT 채팅으로 후보를 찾고 직접 연락했다. 이 과정에서 중복 후보를 걸러 내고, 연락한 사람을 관리하며, 메시지를 일일이 복사해 보내는 일이 번거로워 이 과정을 자동화하기로 했다.

먼저 내가 실제로 일하는 순서에 맞춰 필요한 기능을 정리했다. 크게 후보 탐색·메시지 작성·발송의 세 가지로 나누고,
이전 Instagram Card Agent ↗ 프로젝트에서 경험한 모듈화 방식을 적용했다.

처리한 후보와 연락 내역은 데이터베이스(Supabase)에 저장했다. 세 기능을 나눠 개발하고 각각 별도로 QA를 진행하니, 완성도를 빠르게 높일 수 있었다. 이 작업은 하루 만에 마쳤고, 곧바로 실제 업무에 사용하기 시작했다.

처음에는 나 혼자 쓰는 도구라 탭이 많았다. 후보 탐색, 메시지 작성, 발송이 전부 별도 탭으로 나뉘어 있었다. 필요한 기능을 붙여 가며 썼고, 실제로 일하는 시간은 오전 10분, 오후 1시간, 저녁 30분 정도였다.

그렇게 첫 달에 약 50~60만 원을 벌었다. 많지는 않았지만, 반년 동안 AI와 작업하며 수익화를 노린 끝에 얻은 첫 수익이었다. 작게나마 수익이 생겼다는 게 반가웠고 감격스러웠다. 내가 해 보고 싶었던 건 AI를 활용해서 나 혼자서는 불가능하던 시장에 도전하고, 수익까지 내 보는 것이었다. 그걸 처음으로 성공해 본 시점이었다. 지금도 AI의 도움 없이는 혼자 수익을 낼 수 없는 영역이다.

또한 개발 → 시딩 → 번역 → 자동화 툴까지. 이 모든 것을 매끄럽게 연결할 수 있었던 건 그동안 만들어 본 것들이 있었기 때문이다.
그 뒤에는 포트폴리오에 올리지 않은 수많은 아류작들이 있었다.

일본 시딩은 방한·한국 거주자만 대상이라 새 후보가 줄었고, 낮은 광고 단가로 수익도 감소했다. 그때 자체 제작한 기능성 신발을 대만에서 공동구매로 판매하자는 제안을 받았다. 이번에는 한국 방문자가 아닌 제품을 함께 판매할 인플루언서를 찾아야 했기에, 후보 선정 기준과 제안 방식도 달라졌다.

첫날에는 모든 과정을 수동으로 진행하며 불편한 점과 자동화할 일을 기록했다. 다음 날 이를 바탕으로 새 도구를 세 부분으로 나눠 만들고, 각각 검증한 뒤 연결했다. 셋째 날부터 실제 업무에 적용했다.

밤에는 오래된 노트북에서 OpenCode로 후보를 탐색하고, 낮에는 아침 20명·점심 20명·저녁 40명씩 하루 80명에게 연락했다. 그 결과 대만에서 첫 달 공동구매 9건을 성사시키며 수익을 냈다. 다만 팔로워 3만 명 이상이면서 공동구매 의사가 있는 후보는 한정적이어서, 지속적으로 연락할 수 있는 대상 규모도 함께 살펴야 했다.

V3에서는 다른 사람도 처음 들어와 사용할 수 있도록 편의성을 고려했다. 내가 알고 쓰던 작업 순서를 화면에 드러내고, 후보 검토부터 메시지 준비까지 자연스럽게 이어지도록 정리했다. 업데이트 이후에는 나 역시 이전보다 훨씬 편하게 쓰고 있다.

이 프로젝트는 국가와 시딩 목적에 맞춰 확장할 수 있는 구조다. 특정 국가의 공동구매 계정이나 다른 나라를 방문할 시그널이 있는 KOL을 찾는 데 기존 모듈을 활용할 수 있다. 예를 들어 한국을 방문할 예정인 몽골 KOL이나, 한국에서 식품 공동구매를 제안할 계정을 찾는 식이다. 새로운 업무가 생기면 필요한 탐색 모듈을 추가하거나 수정하고, 기존 메시지 작성·발송 기능과 연결해 활용할 수 있다.