마케팅 AI 에이전트·코파일럿 연동 제안

에이전트가 부르는 도구에 검색 수요 데이터를 넣습니다광고·CRM·내부 데이터를 도구로 불러 기획과 운영을 돕는 마케팅 AI 에이전트라면, 리스닝마인드 DaaS API를 에이전트의 도구 하나로 연결할 수 있습니다. 기획 단계에서 에이전트가 검색량·연관 검색어·검색 순서를 직접 확인한 뒤 제안하게 됩니다. REST API 외에 MCP Server 커넥터로도 연결합니다.

에이전트 제안의 근거가 내부 데이터에만 있을 때

에이전트가 광고 성과·CRM·내부 문서만 도구로 쓰면, 시장 수요에 대한 판단은 모델이 가진 일반 지식에 기대게 됩니다. 이 경우 수치 근거를 확인할 방법이 없고, 시점도 알 수 없습니다. 실측 데이터 없이 AI가 시장을 분석할 때 생기는 차이는 데이터 없는 AI 분석 오류 문서에서 사례로 다뤘습니다.

리스닝마인드 DaaS API를 도구로 연결하면, 에이전트가 제안 전에 검색 데이터를 직접 조회하고 그 값을 근거로 달 수 있습니다.

• 수요 확인 — keyword_info
• 키워드 확장 — intent_finder
• 주제 구조 — cluster_finder
• 검색 순서 — path_finder
• 검색결과 화면 — serp

연동 지점 — 서비스 작업 흐름 예시

서비스 단계	붙는 데이터	API	호출 1건 크레딧
기획 · 수요 확인 도구	검색어별 월 검색량·추이·검색 의도·CPC	keyword_info	10 / 키워드
아이디어 · 키워드 확장 도구	기준 검색어와 함께 검색되는 연관 검색어 목록	intent_finder	30 + 반환 2/개
주제 구조 파악 도구	함께 검색되는 검색어 묶음과 묶음 사이 관계	cluster_finder	150 + 반환 50/개
검색 순서 확인 도구	기준 검색어 앞뒤로 이어서 검색되는 검색어 순서	path_finder	50 + 경로 키워드 40/개
검색결과 화면 확인 도구	해당 검색어의 현재 검색결과 화면 구성	serp	30 / 키워드

단계별 연동 상세

① 기획 · 수요 확인 도구 — POST /keyword_info

검색어를 한 번에 최대 1,000개까지 넣어 지표를 받습니다. data_type과 관계없이 키워드당 10크레딧이므로, all로 한 번에 받아 필요한 필드만 쓰는 편이 효율적입니다.

• 도구 설명에 “검색어를 묶어 한 번에 조회”하도록 적어 두면, 검색어마다 따로 부르는 호출을 줄일 수 있습니다(1회 최대 1,000개).
• volume_avg(최근 3개월 평균)·volume_total(최근 12개월 합)·volume_trend(3개월 전 대비 증감률). gl이 kr일 때는 구글과 네이버 합산값이며, 채널별 수치는 gg_·nv_ 접두 필드로 받습니다.
• monthly_volume — 최대 48개월 월별 검색량(data_type이 ads_info 또는 all일 때 반환).

② 아이디어 · 키워드 확장 도구 — POST /intent_finder/keyword_list

시드 검색어(최대 100개)를 넣으면 함께 검색되는 연관 검색어를 검색량 순으로 돌려줍니다. 주요 파라미터는 limit(기본 100, 최대 10,000), sort(volume_avg 기본, volume_total·volume_trend·cpc·competition_index 선택), volume_threshold(기본 100 — 이 검색량 미만은 제외)입니다.

• 도구 정의에서 limit 기본값을 작게 두고, 필요할 때만 늘리도록 지시하면 대화당 비용을 예측하기 쉽습니다.
• 시드를 여러 개 넣으면 시드별 결과가 아니라 하나로 합쳐진 목록이 돌아옵니다. 시드별로 나눠 보여주려면 시드마다 따로 호출합니다.
• 시드 자신이나 관련이 약한 검색어가 섞일 수 있어, 호출 후 서비스 쪽에서 한 번 거르는 것을 권장합니다.

③ 주제 구조 파악 도구 — POST /cluster_finder

기준 검색어 하나를 넣으면 함께 검색되는 검색어 묶음(communities)과 검색어 사이 연결(rels)을 돌려줍니다. hop은 관계를 몇 단계까지 넓힐지 정하며 기본값은 2입니다(1은 직접 연관, 3은 탐색용으로 결과와 비용이 크게 늘어납니다). limit 기본값은 500입니다.

• 출력 단가가 높은 도구이므로 hop 2 이하, limit 상한을 도구 정의에 고정하는 것을 권장합니다.
• 묶음 구조 없이 키워드 목록만 필요하면 /cluster_finder/keyword_list(30 + 반환 2/개)로 먼저 받고, 깊게 볼 시드에만 본 API를 쓰면 비용을 줄일 수 있습니다.
• orientation(무방향·순방향·역방향)을 바꿔 호출하면 각각 따로 과금됩니다.

④ 검색 순서 확인 도구 — POST /path_finder

기준 검색어 하나를 넣으면, 그 검색어를 거쳐 간 실제 검색 순서를 경로 배열로 돌려줍니다. limit은 경로 수(기본 300, 최대 1,000)이고, time_point를 curr와 12m으로 각각 조회하면 1년 사이 탐색 경로가 어떻게 바뀌었는지 비교할 수 있습니다.

• 경로 길이는 2개부터 5개 이상까지 섞여 있고, 기준 검색어는 경로의 처음·중간·끝 어디에도 올 수 있습니다.
• 출력 크레딧은 경로 수가 아니라 경로에 등장한 서로 다른 검색어 수 기준(40/개)입니다. 목록만 필요하면 /path_finder/keyword_list(30 + 반환 2/개)를 먼저 씁니다.

⑤ 검색결과 화면 확인 도구 — POST /serp

검색어 하나의 최근 수집된 구글 검색결과 스냅샷을 화면 노출 순서대로 블록 배열로 돌려줍니다. num(10 또는 20, 기본 20)과 features(블록 타입 1개 필터)를 지정할 수 있고, 모바일 검색결과 기준입니다. 필터를 걸어도 과금은 같으므로 여러 블록이 필요하면 필터 없이 한 번에 받습니다.

• 에이전트가 답변에 검색결과를 인용할 때 “현재” 대신 수집 시각 기준 스냅샷이라고 표기하도록 지침을 둡니다.
• 실시간 크롤링이 아니라 수집된 스냅샷입니다. 화면에는 응답의 collected_at을 함께 표기합니다.
• 초당 3회 호출 제한이 있습니다. sequence는 페이지 전체 노출 순서, position은 오가닉 결과 안 순위입니다.

예시 — 에이전트 호출과 지침

사용자가 “요즘 냉장고 시장에서 LG랑 삼성 중 뭐가 더 많이 검색돼?”라고 물으면, 에이전트는 두 검색어를 묶어 keyword_info를 한 번 호출하고 질문 원문을 user_query로 함께 보낼 수 있습니다(통합 가이드 v0.0.60 예시).

POST /keyword_info
{
  "keywords": ["lg 냉장고", "삼성 냉장고"],
  "gl": "kr",
  "data_type": "all",
  "user_query": "요즘 냉장고 시장에서 LG랑 삼성 중 뭐가 더 많이 검색돼?"
}

통합 가이드에 실린 에이전트 지침 예시의 호출 규칙은 다음과 같습니다. 에이전트의 시스템 지침에 그대로 넣어 쓸 수 있습니다.

호출 규칙:
- 사용자 발화 원문을 user_query 파라미터에 함께 전달한다.
- 지원 국가: kr, jp, us (1회 1개국, 교차 추론 금지)
- /serp·/trend_finder 결과는 collected_at·index_date를 함께 표기하고
  "실시간"이라고 표현하지 않는다.
- API 반환값과 계산값을 [실제데이터]/[추정]으로 구분해 표기한다.

MCP Server로 연결하면 호출마다 X-MCP-Client 헤더 기준으로 플랫폼별 사용량이 집계되어, /usage/summary의 platforms[]에서 에이전트 플랫폼별 호출·크레딧을 나눠 볼 수 있습니다.

비용 계산 예시

에이전트가 월 1,000건의 기획 대화를 처리하는 상황을 가정한 계산입니다. 반환 결과가 가정한 수량만큼 채워졌다고 보고 계산했으며, 실제 과금은 각 응답의 cost_detail을 따릅니다.

단계	가정	크레딧 계산	크레딧
수요 확인	대화 1,000건 × 검색어 5개	1,000 × 5 × 10	50,000
키워드 확장	대화 1,000건 × 각 50개 반환	1,000 × (30 + 50 × 2)	130,000
주제 구조	대화 20건 × 각 50개 반환	20 × (150 + 50 × 50)	53,000
검색결과 화면	200회	200 × 30	6,000
합계			239,000

추정 239,000크레딧 × 1.3원 = 약 310,700원(데이터 사용료, VAT 별도). 대화 수에 비례해 늘어나므로, 도구 정의에 반환 수 상한을 두고 자주 묻는 카테고리는 결과를 일정 기간 캐시하는 설계가 유리합니다. 자세한 규칙은 비용 계산 예시와 크레딧 산정 기준을 참고하세요.

연동 방식

• REST API — Base URL https://listeningmind-data-api.ascentlab.io, 요청 헤더 LM-API-KEY로 인증합니다. 서비스 백엔드에서 정기 수집·적재할 때 씁니다.
• MCP Server — https://listeningmind-daas-mcp.ascentlab.io(OAuth). 에이전트가 대화 중 필요한 순간에 도구로 직접 호출합니다. 플랫폼별 설정은 연동하기를 참고하세요.
• user_query — AI 기능을 거친 호출이라면 사용자의 질문 원문을 함께 보낼 수 있습니다. 호출 이력에만 적재되고 과금과 반환 데이터에는 영향이 없습니다.
• 오류 과금 — 4xx·5xx 오류 응답은 입력·출력 모두 과금되지 않습니다.
• 사용량 관리 — GET /usage/summary로 기간별 호출수·에러율·사용 크레딧을 조회해 내부 대시보드에 적재할 수 있습니다(크레딧 미차감).

데이터를 보여줄 때 유의할 점

• 국가 단위 — 검색량·관계·이슈 인덱스는 모두 gl(kr·jp·us) 기준으로 산출됩니다. 한 국가 결과로 다른 국가를 추론하지 않습니다.
• 검색량 채널 — gl이 kr일 때만 구글과 네이버 합산값이고, 일본·미국은 구글 단독 수치입니다.
• 검색결과 시점 — 검색결과 화면은 실시간이 아니라 수집된 스냅샷입니다. “현재 검색결과”가 아니라 “collected_at 기준 스냅샷”으로 표기합니다.
• 빈 결과 — 빈 배열은 “데이터 없음”이지 “수요 없음”이 아닙니다.
• 값의 출처 구분 — API가 돌려준 값과 그 값을 계산해 만든 값(비중·합계 등)을 구분해 표기하면 리포트를 검증하기 쉬워집니다.

함께 보면 좋은 문서

• 에이전틱 AI 설계, ‘실측 데이터’가 마케팅 전략 좌우
• 에이전틱 AI, 왜 실시간 지식 그래프를 구축해야 하는가 — 클러스터파인더 API와 DW/CDP 연동
• 데이터 없는 AI 분석 오류: AI 프롬프트 vs 리스닝마인드 MCP 실측 인사이트 차이
• 키워드 조회 API 활용 가이드 · 연관 쿼리 추출 API 활용 가이드 · 관계 네트워크 분석 API 활용 가이드
• 검색 경로 분석 API 활용 가이드 · 검색결과 조회 API 활용 가이드

호출 1건 크레딧은 공개 요금표 기준입니다. ‘반환 N/개’는 응답에 돌아온 항목(검색어·경로 속 검색어·이슈) 1개마다 더해지는 크레딧입니다. 1크레딧은 공개 요금표 기준 1.3원입니다. 반환 수가 기준 검색어마다 달라 월 사용량은 테스트 Key 실측으로 확인합니다. 검색량 조회 크레딧은 전체 지표를 받는 기준입니다. 검색결과 화면 조회 크레딧은 공개 요금표에 실측 전 기본값으로 표기돼 있어 바뀔 수 있습니다.