23년도에 ChatGPT가 상용화된 AI에 관심이 높아졌을 뿐만 아니라 대중들의 사용 경험도 많이 축적되었습니다. 24년에 RAG를 활용하는 서비스들이 확산되고 25년에 Agent 서비스가 도입되면서 이제는 없으면 안될 기능이 되어가고 있습니다. 이런 기술의 발전과 시장의 변화에 대응하고자 25년 7월에 MCP 알파 서비스를 제공하고 있습니다. 그리고 8월 8일에 “안될 공학”에서 관련 컨텐츠를 만들어 주신걸 보고 우리 MCP를 사용하면 뭐가 다른지에 대해서 설명을 조금 더 하면 좋겠다는 생각이 들었습니다. 이번 글에서는 Listening Mind MCP를 사용하면 어떤 차이를 볼 수 있는지를 중심으로 정리해 보겠습니다.
검색 데이터에 고객 모든 게 담겼다… 1개월 무료로 푼 미친 데이터 분석 AI 툴 | 국내는 물론 일본, 미국 시장 꿰뚫어보는 괴물 플랫폼 [리스닝마인드x안될공학]
ChatGPT를 통해서 기대할 수 있는 정보
ChatGPT를 사용해 보면 어떤 질문을 하더라도 답변은 합니다. 왜 그런지는 LLM의 작동원리를 참조하시면 좋을 것 같습니다.아래 링크의 컨텐츠가 제가 보기에는 가장 쉽게 하지만 핵심적인 내용을 이해할 수 있도록 만들어진 컨텐츠 같습니다.
이미 Data를 가지고 있다면 정확한 답에 가까운 문장이 생성되겠지만 Data가 없다고 해도 그럴듯한 이야기를 해 줍니다. 그래서 중요한 것이 LLM이 목적에 적합한 Data를 활용할 수 있도록 제공해 주어야 합니다. 그럼 ChatGPT같은 LLM 서비스는 어떤 방법으로 Data를 가지게 될까요? 3가지 방법이 있습니다.
- Model에서 사전에 학습한 Data
- Foundation Model을 만들면서 학습시킨 Data
- 특정한 목적을 위해 Fine Tuning하면서 학습시킨 Data
- 모델을 만들면서 많은 비용을 투입하여 만드는 데이터이기 때문에 특정한 회사만이 사용 가능하고 사용자에게 공개하면 누구나 사용할 수 있는 Data임.
- RAG또는 Prompt를 통해서 제공하는 Data
- Prompt를 통해서 LLM에 지시하거나 제공하는 Data
- 사용자가 특정 Data를 제공하거나 LLM이 목적에 맞게 가지고 와서 답변을 제공하는데 사용할 수 있음.
- 이 데이터는 명시적으로 지정해야 하며, LLM이 응답에 사용할 수 있도록 지시해야 한다.
- MCP를 통해서 제공하는 Data
- Context로 제공되는 Data로 규약을 지키면 사용 가능한 Data
- ChatGPT 같은 LLM 서비스에 연결되어 있으면 질문에 따라 필요한 Data를 LLM이 자동으로 호출해서 사용 가능함.
- 상대적으로 적은 비용으로 다양한 Data를 활용해서 답변을 만들게 할 수 있음.
LLM이 가치가 있는 이유는 시간이 많이 소요되는 조사나 분석을 매우 효율적으로 진행할 수 있기 때문이라고 생각합니다. 최근에는 검색을 통해서 Data를 가지고 오는 경우도 있지만 LLM이 사용할 수 있는 양질의 Data를 MCP 형태로 제공할 수 있다면 현 시점에서는 AI를 가장 차별적으로 사용할 수 있을 것이라고 생각합니다.
Listening Mind MCP에 기대할 수 있는 효과
Listening Mind MCP를 통해서 활용할 수 있는 Data는 구글과 네이버의 키워드와 개별 키워드의 검색 정보 그리고 검색 경로를 활용한 검색 의도를 볼 수 있습니다. 현재 제공하고 있는 Data는 Listening Mind Hubble에서 확인할 수 있지만 LLM을 활용하면 아래와 같은 차이를 만들 수 있습니다.
1. 검색 Data를 기반으로 하기 때문에 일반 GPT와는 차별화된 답을 얻을 수 있습니다.
What is Model Context Protocol (MCP)? | IBM
IBM의 문서에 따르면 LLM은 AI 도구가 없어도 후속 텍스트 예측, 기본적인 질의 응답, 감정분석, 그리고 언어번역에 있어서는 일정수준 이상의 역량을 보여줄 수 있다고 합니다. 하지만 도구를 활용해서 보다 유용한 정보를 제공한다면 훨씬 우수한 결과를 낼 수 있다고 합니다. 특히 Listening Mind가 보유한 검색 Data는 사람들의 검색 행동 데이터이기 때문에 실제 사람들의 생각과 선호를 반영해서 답변을 제공할 수 있습니다. Listening Mind MCP가 있는 경우와 없는 경우로 “티스테이션”에 대한 사람들의 생각을 정리해 달라고 했습니다.
결론부터 이야기 하면
Only ChatGPT는 이미 존재하는 문서에서 사용자의 질문에 유사하다고 생각되는 문서를 요약해서 답을 해 줍니다. 이미 우리는 구글의 AI Overview나 ChatGPT에서 제공하는 답변에서 많이 경험했습니다. 공개된 문서 (최근에 한글로 질문하면 해외 문서의 요약이 증가한 경험이 있으실텐데 네이버가 LLM에서 문서를 수집하는 것을 막았고 이로 인해 네이버 블로그 이외의 플랫폼에서 작성된 문서가 없으면 해외 문서를 요약합니다.) 를 기반으로 답을해 줍니다.
Listening Mind MCP를 활용하면 리스닝 마인드에서 제공하는 검색어, 검색량, 키워드 관계와 검색 경로를 활용해서 답을 해 줍니다. 리스닝 마인드에서 제공하는 검색어 등의 정보는 Fact Data 입니다. 사람들이 검색한 키워드이고 구글,네이버에서 제공한 검색량이고 이를 바탇으로 분석된 관계와 경로입니다. 그렇기 때문에 웹문서를 기반으로 제공하는 답변에 비해서 사실에 가깝고 사람의 검색 행동을 기반으로 만들어져서 사람의 선호와 생각을 반영하고 있습니다.
- Listening Mind MCP를 활용한 ChatGPT 답변의 요약
| 분류 | 주요 키워드/흐름 | 사용자 의도 및 해석 | 긍정적/부정적 시사점 |
| 가격/비용 | 타이어 가격, 타이어 교체비용, 휠 얼라이먼트 가격, 공임비 | 명확한 가격 정보 탐색 | ✔ 투명한 가격은 신뢰 형성✖ 공임비 과다로 인한 불만 |
| 비교 탐색 | 공임나라, 공임나라 단점, 공임나라 눈탱이, 공임표 | 더 저렴하거나 정직한 대안 탐색 | ✔ 소비자의 합리적 비교 성향✖ 티스테이션에 대한 불신 요소 |
| 브랜드 인식 | 티스테이션 광고 모델, 하율리, 직영점, 예약 | 브랜드 이미지 확인 및 매장 이용 준비 | ✔ 광고 효과 및 브랜드 친숙도 증가 |
| 후기/리뷰 | 티스테이션 후기, 디시, 호구, 과잉 수리, 친절 | 실제 사용자 경험 참고 | ✔ 일부 매장의 친절한 서비스✖ 후기 상의 불만(비용·권유 등) |
| 타 브랜드와 비교 | 한국타이어 가격표, 금호타이어, 넥센, 타이어뱅크 | 타 브랜드/업체와의 가격·품질 비교 | ✔ 시장 내 브랜드 경쟁 구조 명확✖ 상대적 비용 인식 상승 가능 |
| 자동차 정비 서비스 | 펑크 수리, 타이어 패치, 빵꾸, 수리점 | 응급상황 시 티스테이션 방문 가능성 | ✔ 인지도가 높은 긴급 서비스 제공처 |
- Only ChatGPT
| 구분 | 내용 | 상세 설명 |
| 1. 서비스 만족도 | 높음 | – 소음 감소, 핸들링 개선 등 교체 후 체감 효과- 친절한 설명, 빠른 작업 속도 (약 40분)- 쾌적한 대기 공간 제공 |
| 2. 접근성과 편의성 | 우수함 | – 온라인에서 제품 비교 → 결제 → 장착까지 원스톱- 카카오톡 연동, 리뷰, 라이브커머스 등 다양한 접점- 픽업·딜리버리, 타이어 보관 등 부가 서비스 |
| 3. 브랜드 신뢰도 | 매우 높음 | – 한국산업 브랜드파워 17년 연속 1위- 한국타이어, 전반적 신뢰도 23년 연속 1위 |
| 4. 고객 충성도 | 강력함 | – 티스테이션 구매 고객 재방문율 70% 이상- 국내 타이어 유통 점유율 약 25% 차지 |
| 5. 핵심 서비스 | ‘All My T’ 통합 플랫폼 | – 정비 이력 관리, 마모도 확인, 타이어 보관- ‘오늘서비스’, ‘픽업앤딜리버리’, ‘30일 해피보증’ 등 |
| 6. 차별화 요소 | 안심 서비스 제공 | – 고객 과실로 인한 파손 시 무상 교체- 정기 점검, 필터링, A/S 연계 기능 포함 |
| 7. 한계점 | 특별한 불만 없음 | – 리뷰 상 반복적으로 언급된 명확한 단점은 드뭄- 다만, 일부 지점별 서비스 편차는 있을 수 있음 |
문장으로 받은 답변에는 위의 동영상에 나오는 것처럼 근거 문서, 이유에 대한 설명 등이 있었는데 두 답변을 기재하려니 너무 길어서 다시 ChatGPT에 표로 요약을 요청해서 정리한 것입니다. 결정적으로 GPT만 사용하여 만들어준 내용에는 한계점이 없습니다. 단점도 없고 매우 강력하고 안심이 되는 서비스라고 답해 줍니다. 그런데 검색 데이터에 근거한 답변으로 보면 서비스는 만족스럽지만 가격에 대한 불만이나 대안을 찾는 경우는 분명히 있는 것 같고 문제가 있어 방문할 경우 Upsale이 과한 것으로 보입니다.
2. 복잡하고 많은 검색 Data를 쉽게 분석 가능합니다.
검색 Data의 특성 중 하나가 Data가 많다는 점인데 이 부분이 사용자에게는 분석의 부담이 큽니다. 검색량을 분석하는 것만도 부담이 크지만 여기에 경로를 분석하거나 클러스터를 분석해서 사용자의 검색 의도를 분석하는 것은 어려움이 많습니다.
예를 들면,
무신사의 현재 패스와 3개월전의 패스를 비교하는 작업인데 여기에 표시된 키워드가 800개 정도 입니다. 이 정도 규모의 데이터를 경로별로 분석하는 것은 시간이 아주 많이 걸리는 작업입니다. 하지만 GPT에 이 Data의 해석을 요청하면 아주 간단하고 쉽게 결과를 얻을 수 있습니다.
| 항목 | 3개월 전 | 현재 |
| 관심 핵심 | 가격 혜택, 쇼핑 경험 | 브랜드 정체성, 플랫폼 신뢰 |
| 연결 키워드 | 커뮤니티(어미새, 에펨코 등), 제휴몰(29cm, 에이블리 등) | 브랜드 확장 탐색(musinsa standard, 우먼 라인 등) |
| 감정적 흐름 | 실속, 비교, 혜택 기대 | 궁금함, 의문, 불안(채용/정체성 등) |
| 브랜드 위치 | 강력한 패션몰 중 하나 | 라이프스타일 브랜드로 포지셔닝 시도 중 |
무신사는 25년 들어서면서 상장 준비를 하고 있는 것으로 보이고 이를 위해서 많은 노력을 기울이고 있는 것으로 알고 있습니다. 그런 결과가 브랜드의 확장이나 라이프 스타일 브랜드로 포지셔닝 되고 있는 것으로 보이지만 어떤 측면에서는 기존의 아이덴터티가 변화하고 있는 것 같습니다. 인력 확충도 급증하고 있는 것 같고 이로 인해서 조직 문화도 이제 자리를 잡고 있는 것 같습니다. 리스닝 마인드에는 한번 조회로 5천개 이상의 키워드가 조회되는 기능이 아주 많이 있습니다. 이런 부분을 빠르게 확인하는데는 아주 좋은 도구가 될 수 있을 것이라고 생각합니다.
3. 키워드를 통해 사람들의 생각이나 선호를 파악할 수 있습니다.
1번에서 언급한 바가 있습니다만 LLM은 후속 텍스트 예측, 기본적인 질의 응답, 감정분석, 그리고 언어번역에 장점을 가지고 있습니다. 여기서 감정분석이라는 부분이 무엇일지 생각해 보면 LLM은 방대한 대화·리뷰·문학 텍스트를 학습해 감정과 문맥의 패턴을 자연스럽게 익힐 수 있습니다. 이 덕분에 단어뿐 아니라 비유, 반어, 문화적 맥락까지 고려해 복합적 감정을 추론할 수 있습니다. Listening Mind가 문장 형태로 Data를 제공하지는 않지만 검색 경로, 키워드 클러스터의 형태로 Data를 전달하기 때문에 이를 통한 감정이나 선호를 분석 가능한 것입니다. 보다 중요한 부분은 제공 받는 Data가 사람들의 검색 행동에 기반한 Fact 라는 것입니다.
닥터지 선크림에 대해서 호불호를 정리해 달라고 했습니다.
- Listening Mind MCP를 활용한 ChatGPT 답변의 요약
| 구분 | 대표 키워드 | 특징 |
| 호감 | 민감성 피부, 저자극, 무기자차, 재구매, 할인 이벤트, 후기 긍정, 여름철 필수템, 30~50대 여성, 꾸준한 사용, 피부 안전성 | ‘민감성 피부도 안전’이라는 브랜드 이미지와 실제 반복 구매 경험에서 오는 신뢰. 계절성 수요가 높고 충성 고객층이 두터움. |
| 비호감 | 백탁, 끈적임, 얼굴 따가움, 무거운 발림성, 남자 톤업크림 극혐, PX 이미지, 논란, 성분 조작 의혹, 군대 선크림, 커뮤니티 불만 | 사용감 문제(백탁·끈적임·자극감)와 특정 타겟(남성층) 부적합. 일부 온라인 커뮤니티에서 신뢰성 논란이 제기되며 이미지에 부정적 영향. |
- Only ChatGPT
| 구분 | 대표 키워드 | 내용 요약 |
| 호감 | 가벼움, 촉촉함, 순함, 무자극, 발림성 좋음, 피부톤 보정, 지속력 | 무기자차 특유의 무거움이 적고 피부 자극이 덜하다는 평이 많음. 발림성이 부드럽고 촉촉해 데일리 사용에 적합. 일부 제품은 자연스러운 톤업 효과로 화장 전에도 선호됨. |
| 비호감 | 가격 부담, 용량 적음, 건조함, 당김, 백탁, 무거움, 느린 흡수 | 가격 대비 용량이 작고, 일부 제품은 보습력이 부족해 건조감·당김 발생. 피부 타입에 따라 백탁 현상이나 무거운 발림, 흡수 지연 문제가 지적됨. |
두 결과는 큰 차이가 있다고 생각합니다. Only GPT가 전반적인 분위기를 설명하는 수준이라면 MCP를 사용하면 아주 구체적인 근거를 확인할 수 있습니다.
글 맺음
ChatGPT와 Listening Mind의 결합은
- LLM이 구체적인 사실을 기반으로 답변을 제공한다. .
- 검색 Data의 활용에 필요한 기술적 부담을 줄였다.
- 사람들의 선호, 생각을 파악할 수 있다.
입니다.
그리고 이 글에서는 언급을 많이 하지는 않았지만 한국, 일본, 미국의 검색 데이터를 동일할 기준으로 사용할 수 있고 같은 데이터에 대해서 1년이라는 기간 안에서 기간별 비교도 가능합니다.
이러한 부분들은 GPT와 Listening Mind가 가진 단점을 보완하고 장점을 극대화할 수 있는 방법이 될 뿐 아니라 이전에 접근할 수 없던 Data에 접근 가능할 수 있도록 함으로써 시장 조사와 전략 수립, 상품 기획 등의 업무를 훨씬 효율적 효과적으로 수행 가능하게 할 수 있다고 생각합니다.