ChatGPT API 와 아마존 소싱 에이전트 만들기
아마존 상품 발굴을 위한 자동화 도구
해외 구매대행이나 직구를 운영하는 분들은 매일 수작업으로 해외 쇼핑몰의 상품 정보를 탐색하고 가격을 대조합니다. 이 과정에서 상품을 자동 발굴하는 소싱 에이전트의 필요성이 부각됩니다. 제품 설명 텍스트나 상세 정보 페이지의 내용을 복사하여 붙여넣으면 연산이 즉시 수행됩니다.
예상 배송비와 환율, 플랫폼의 수수료까지 반영하여 소싱 여부를 판별해 주는 웹 기반의 화면을 함께 제작합니다. 번거로운 엑셀 작업 대신 자동 계산을 지원하여 분석의 생산성을 높일 수 있습니다.

소싱 자동화 구축을 위한 준비물
소싱 시스템을 완성하는 데 필요한 핵심 구성은 간단합니다. 우선 텍스트 데이터를 분석하고 필요한 정보를 추출하기 위해 ChatGPT API 를 활용합니다. API 인증 키는 OpenAI 개발자 플랫폼에서 발급받을 수 있습니다.
코드 작성과 화면 구성을 지원해 주는 에이전트 기반 코딩 개발 도구를 함께 사용하면 작업 속도가 훨씬 빨라집니다. 코딩 입문자도 구조적인 개발을 비교적 손쉽게 시작할 수 있다는 장점이 있습니다.

소싱 자동화 분석 화면 제작 과정
첫 단계에서는 복잡한 기능 구현을 지양하고 화면의 기본적인 골격과 연산 로직을 정립하는 데 집중합니다. 단일 웹 문서 구조로 개발해야 사후 유지보수와 수정 과정이 수월해집니다.
웹 브라우저에서 완성된 문서를 실행한 후 임의의 텍스트를 입력해 연산이 정상적으로 수행되는지 검증합니다. 입력창에 값을 넣었을 때 마진 정보가 카드 형식으로 즉시 출력되면 성공입니다.
규칙 정의 문서를 마련해 두면 AI가 연산 공식을 잘못 적용하거나 일관되지 않은 분석 결과를 출력하는 현상을 예방할 수 있습니다. 수수료나 요율 변경 시 해당 규칙 문서만 수정하면 되어 관리가 용이합니다.
업데이트된 코드를 기반으로 무게 데이터가 기재된 정보를 대입하여 요금 가산과 플랫폼 이용료 공제율이 정의한 수치대로 엄밀하게 계산되어 출력되는지 검증을 거칩니다.
비정형 텍스트로부터 정형화된 데이터를 설계된 데이터 모델에 맞춰 도출하는 과정입니다. ChatGPT API 가 복잡한 세부 명세서 구조 내에서 핵심적인 파라미터를 정확하게 식별하는 임무를 수행합니다.
웹 화면의 입력 양식에 API 연동 키를 보관한 후 해외 사이트의 상세 소개글을 대입하여 연산 속도와 정보 획득의 정확도를 점검합니다. 수작업으로 찾기 힘든 가격과 포장 중량이 구조화된 형태로 취합됩니다.
분석 현황판의 시각적인 식별 효율과 사용자 편의 기능을 확장하는 단계입니다. 수익률 구간별로 다른 테두리 색을 부여하여 수많은 상품군 중 소싱 가치가 높은 매물을 직관적으로 판별하게 돕습니다.
마진 계산서 출력을 확인하고 클릭 한 번으로 요약문을 클립보드로 전송하는 복사 기능을 점검합니다. 획득한 요약 정보를 내부 관리용 문서나 협업용 메신저 채널에 신속하게 전달하는 데 도움을 줍니다.
자주 발생하는 문제 및 해결 방법
현상: API 연동 후 결과창에 가격이나 무게 정보가 0으로 출력되거나 데이터를 제대로 파싱하지 못합니다.
원인은 입력값의 다양한 계량 단위(예: 온스, 킬로그램 등) 및 문자 포맷팅이 얽혀 추출 로직이 수치를 누락하기 때문입니다. 특히 달러나 유로 등의 통화 기호 부재 시 계산 오류가 잦아집니다.
해결 방안으로는 모델 호출 시 전송하는 규칙 프롬프트에 단위 변환 정책을 추가하는 방법이 있습니다. 타 단위 입력 시 파운드로 환산하도록 유도하고, 기호가 생략된 숫자 패턴도 정확히 파싱하도록 시스템 명령을 정교화하여 대응할 수 있습니다.
현상: 인증 키를 입력하고 연동을 시도하면 CORS 관련 에러 메시지가 웹 브라우저 콘솔에 나타나며 전송이 제한됩니다.
원인은 보안 조치로 인해 로컬 파일 시스템에서 직접 외부 OpenAI API 서버 측으로 HTTP 요청을 전송하는 과정에서 보안 정책 충돌이 발생하기 때문입니다.
개발 진행 시에는 브라우저 자체의 출처 보안 제약을 우회하는 파라미터 설정을 부여하여 구동하거나, 로컬 가상 웹 서버 프로그램을 실행하여 로컬호스트 주소 환경에서 웹 문서를 확인하는 방식으로 오류를 방지합니다.
현상: 화면에 표현된 예상 마진율의 최종 연산치가 수동으로 점검한 값과 대조했을 때 오차를 보입니다.
자바스크립트가 처리하는 부동 소수점 연산 상의 미세 편차 혹은 입력 상자로부터 전달받은 문자열 속성이 제대로 형변환을 거치지 않은 채 수학적 연산에 투입되는 과정에서 결함이 생깁니다.
이러한 연산 이상은 데이터 유입 단계에서 반드시 자바스크립트의 숫자 변환용 형변환 함수를 명시적으로 적용함으로써 해소됩니다. 출력 문자열의 소수점 단위를 제한하는 포맷 함수를 사용해 수치를 제어하면 소수점 오차가 말끔히 정정됩니다.
성능 강화를 위한 확장 아이디어
기본적인 마진 분석 로직이 원활히 동작하면, 국내외 실시간 환율 정보를 연동하는 공공 데이터를 접목해 보시기 바랍니다. 날마다 변동되는 대미 환율 정보를 화면에 대입하면 계산의 정밀함이 더욱 개선되어 완성도 높은 시스템을 갖추게 됩니다.
이후 장에서는 자동 발굴한 제품군 정보를 바탕으로 포털 쇼핑 등록 시 노출률을 높이기 위한 연관 검색 태그를 자동으로 조합하고 정렬하는 자동화 시스템 설계 단계를 차례로 다루어 보겠습니다.
이런 글도 있어요
관련 검색어
- 🔍 ChatGPT 사용법
- 🔍 ChatGPT 비교
- 🔍 Amazon 사용법
- 🔍 Amazon 비교
- 🔍 소싱 에이전트 사용법
- 🔍 소싱 에이전트 비교