1. 이 에이전트를 왜 개발 했는가? 뷰티 패션 트렌드 분석은 보통 - 키워드 검색 - 조회수 랭킹 - 사람의 감각에 의존한 리서치 에 머무르는 경우가 많습니다. 이 프로젝트에서는 시간에 따라 실제로 성장 중인 콘텐츠를 기준으로 정량 데이터 + LLM 기반 정성 분석을 결합한 자동화된 트렌드 탐지 에이전트를 직접 설계 구현했습니다. 2. 수행한 핵심 개발 역할 AI 에이전트 전체 파이프라인을 단독으로 설계 및 구현 자동화 오케스트레이션 설계 (Make.com) YouTube Data API 기반 데이터 수집 로직 구축 시계열 데이터 분석용 Python 필터링 로직 개발 LLM(GPT-5.2) 기반 트렌드 키워드 추출 및 정제 도메인 특화 필터링 구조 설계 사람이 개입하지 않아도 돌아가는 완전 자동 AI 에이전트 구현 3. AI 에이전트 구조 1) 시장 특화 Seed 키워드 설계 2) YouTube 영상 자동 수집 (일 1회) 3) Google Sheets에 스냅샷 형태로 누적 4) Python으로 조회수 증감(Delta) 분석 5) 급상승 Top 콘텐츠 선별 6) LLM 기반 n-gram 트렌드 키워드 추출 7) 헤어 트렌드 도메인 정합성 필터링 8) 최종 트렌드 키워드 자동 도출 모든 단계는 이전 단계 결과의 품질이 다음 단계 정확도를 결정하는 구조로 설계 4. 개발 내용 상세 1) Seed 키워드 설계 (시장 특화) 글로벌 키워드가 아닌 인도 로컬 언어 중심 힌디어 + 영어 + 힝글리시(Hinglish) 혼합 설계 특정 스타일에 편중되지 않도록 coverage 중심 수집 2) YouTube 데이터 자동 수집 (Make.com) 최근 1개월 이내 영상만 대상 조회수 기준 상위 400~500개 영상 매일 수집 Search API + Videos API 조합 nextPageToken을 활용한 반복 호출 구조 3) 시계열 기반 성장성 분석 (Python) 단순 조회수 X 기간 내 조회수 증가량(Delta) 기준 분석 4) LLM 기반 트렌드 키워드 추출 GPT-5.2 활용 Top 100 영상 제목(필요 시 설명 포함) 2~4 gram n-gram 기반 분석 단일 영상 키워드가 아닌 집합 패턴 추출 5) 도메인 정합성 필터링 (2차 AI 분석) 일반적인 유튜브 표현 제거 (viral, trending, shorts 등) 헤어 스타일 / 컷 / 컬러 / 케어 중심 키워드만 유지

유튜브 데이터 크롤링 워크플로우

LLM 기반 트렌드 키워드 추출 AI 에이전트