광고 앵글 발굴기 - 실제 구매자 언어에서 광고 앵글을 추출합니다 — Claude Skill
Claude Code용 Claude 스킬 · 제공: Gooseworks · 실행: /ad-angle-miner (Claude 내)·업데이트: 2026년 6월 11일
고객 언어 데이터에서 전환율 높은 광고 앵글을 발굴합니다
- G2/Capterra 리뷰, Reddit, Twitter, 경쟁사 광고를 채굴합니다
- 구매자가 실제로 쓰는 pain language와 원하는 outcome 표현을 추출합니다
- 근거 강도, 감정 강도, 차별성을 기준으로 앵글을 점수화합니다
- 각 앵글마다 근거 인용문이 붙은 우선순위 앵글 뱅크를 출력합니다
- 앵글별 추천 광고 형식(검색, 영상, 캐러셀)을 제안합니다
대상
기능
브레인스토밍으로 추측하지 않고, 실제 구매자가 우리 제품과 경쟁사에 대해 이미 말하는 내용에서 검증된 앵글을 추출합니다.
유료 광고를 집행하기 전에 대화를 채굴해 아직 아무도 쓰지 않는 앵글을 찾습니다.
앞으로의 모든 캠페인에서 꺼내 쓸 수 있는 검증된 앵글 라이브러리를 구조화합니다.
작동 방식
제품, 경쟁사, ICP를 입력으로 받습니다
스크레이퍼로 리뷰, Reddit, Twitter, 경쟁사 광고를 채굴합니다
pain, outcome, identity, fear, displacement 앵글을 원문 인용과 함께 추출합니다
근거, 감정, 차별성, ICP 적합도, freshness 기준으로 모든 앵글을 점수화합니다
티어별 샘플 헤드라인이 포함된 우선순위 앵글 뱅크를 출력합니다
개선되는 지표
지원 도구
광고 앵글 발굴기을(를) 사용해 보시겠어요?
시작 방법을 선택하세요.
이 스킬을 컴퓨터에 로컬로 설치하고 실행합니다.
컴퓨터에서 터미널을 열고 이 명령을 붙여넣으세요:
이 명령은 스킬과 모든 파일을 컴퓨터에 다운로드합니다:
모든 프로젝트에서 사용하려면 끝에 -g를 추가하세요.
Claude Code를 시작한 다음 명령을 입력하세요:
광고 앵글 발굴기
고객 언어 데이터(리뷰, Reddit, support ticket, 경쟁사 광고)를 깊게 파고들어 광고를 전환시키는 구체적인 언어, pain point, outcome desire를 추출합니다. 출력은 팀이 어떤 캠페인에서든 꺼내 쓸 수 있는 앵글 뱅크입니다.
핵심 원칙: 최고의 광고 앵글은 brainstorm에서 발명되지 않습니다. 실제 사람들이 이미 말하는 내용에서 추출됩니다. 이 스킬은 그런 앵글을 찾아 근거 강도별로 순위를 매깁니다.
언제 사용할지
- "광고에서 어떤 앵글을 돌려야 하나요?"
- "광고 카피에 쓸 pain point를 찾아줘"
- "[competitors]에 대해 사람들이 무엇을 불평하나요?"
- "리뷰에서 광고 메시지를 채굴해줘"
- "똑같이 지친 소재 말고 새로운 광고 앵글이 필요해요"
Phase 0: Intake
- 우리 제품 — 이름 + 한 문장 설명
- 경쟁사 — 경쟁사 2-5곳 이름(리뷰 채굴용)
- ICP — 누구를 타깃하나요? (role, company stage, pain)
- 채굴할 데이터 소스(해당하는 것 모두 선택):
- G2/Capterra/Trustpilot 리뷰(우리 제품 + 경쟁사)
- 관련 subreddit의 Reddit thread
- Twitter/X 불만 또는 칭찬
- Support ticket 또는 NPS comment(붙여넣기 또는 파일)
- 경쟁사 광고(Meta + Google)
- 이미 테스트한 앵글이 있나요? — 그것들은 건너뛸 수 있도록
Phase 1: Source Collection
1A: Review Mining
우리 제품과 각 경쟁사에 대해 review-scraper를 실행합니다:
python3 skills/review-scraper/scripts/scrape_reviews.py \
--product "<product_name>" \
--platforms g2,capterra \
--output json
집중할 것:
- 경쟁사의 1-2점 리뷰 — 그들이 해결하지 못하는 pain
- 우리 제품의 4-5점 리뷰 — 구매자를 기쁘게 하는 outcome
- 경쟁사의 4-5점 리뷰 — counter하거나 match해야 하는 강점
- Review language pattern — 구매자가 쓰는 정확한 표현
1B: Reddit/Community Mining
관련 subreddit에 대해 reddit-scraper를 실행합니다:
python3 skills/reddit-scraper/scripts/scrape_reddit.py \
--query "<product category> OR <competitor> OR <pain keyword>" \
--subreddits "<relevant_subreddits>" \
--sort relevance \
--time month \
--limit 50
추출할 것:
- 구매 전 사람들이 묻는 질문
- 현재 solution에 대한 불만
- "[product]가 ...해주면 좋겠어요" 같은 진술
- 비교 thread(vs 논의)
1C: Twitter/X Mining
twitter-scraper를 실행합니다:
python3 skills/twitter-scraper/scripts/scrape_twitter.py \
--query "<competitor> (frustrating OR broken OR hate OR love OR switched)" \
--max-results 50
1D: Competitor Ad Mining(Optional)
경쟁사가 현재 어떤 앵글을 쓰는지 보려면 ad-creative-intelligence를 실행합니다. 이것은 다음을 드러냅니다:
- 이미 검증한 앵글(오래 운영되는 광고 = 작동 중)
- 테스트 중인 앵글(새 광고)
- 아무도 쓰지 않는 앵글(white space)
1E: Internal Data(Optional)
사용자가 support ticket, NPS comment, sales call transcript를 제공하면 ingest하고 아래와 같은 framework로 태깅합니다.
Phase 2: Angle Extraction
수집한 모든 데이터를 이 extraction framework로 처리합니다:
Angle Categories
| 카테고리 | 찾아볼 것 | 광고 영향력 |
|---|---|---|
| 고통 앵글 | 현상 유지 또는 경쟁사에 대한 구체적 불만 | 높음 — 고통은 행동을 유도합니다 |
| 결과 앵글 | 구매자가 자신의 말로 설명하는 원하는 결과 | 높음 — 긍정적 열망 |
| 정체성 앵글 | 구매자가 자신을 설명하거나 보이고 싶어 하는 방식 | 중간 — 감정적 공명 |
| 두려움 앵글 | 전환하지 않거나 행동하지 않을 때의 위험 | 중간 — 손실 회피 |
| 경쟁사 전환 앵글 | 경쟁사에서 전환한 구체적 이유 | 매우 높음 — 직접 비교 |
| 사회적 증거 앵글 | 리뷰에서 구매자가 언급한 outcome 또는 metric | 높음 — 신뢰도 |
| 대비 앵글 | 전/후 또는 기존 방식/새 방식 framing | 높음 — 명확한 value prop |
각 앵글에서 추출할 것:
- 앵글 — 한 문장 framing
- Proof quotes — source에서 뽑은 원문 인용 2-5개
- 소스 수 — 독립 소스 몇 개가 이를 언급하는가?
- Competitor weakness? — 특정 경쟁사의 gap을 활용하는가?
- Emotional register — Frustration / Aspiration / Fear / Relief / Pride
- 추천 형식 — 검색 광고 / Meta 정적 이미지 / Meta 영상 / LinkedIn / Twitter
Phase 3: Scoring & Ranking
각 앵글을 다음 기준으로 점수화합니다:
| 요소 | 가중치 | 설명 |
|---|---|---|
| 근거 강도 | 30% | 이를 언급한 독립 소스 수 |
| Emotional intensity | 25% | 사람들이 얼마나 강하게 느끼는가(language intensity) |
| Competitive differentiation | 20% | 우리를 차별화하는가, 아니면 어떤 경쟁사도 주장할 수 있는가? |
| ICP relevance | 15% | 타깃 구매자의 세계와 얼마나 가까운가? |
| Freshness | 10% | 경쟁사 광고에서 이미 과도하게 쓰이는 앵글인가? |
총점은 100점 만점입니다. 모든 앵글의 순위를 매기세요.
Phase 4: Output Format
# 광고 앵글 뱅크 — [Product Name] — [DATE]
채굴한 소스: [list]
추출한 전체 앵글: [N]
최상위 앵글(score 70+): [N]
---
## Tier 1: 확신도 가장 높은 앵글(Score 70+)
### 앵글 1: [One-sentence angle]
- **카테고리:** [Pain / Outcome / Identity / Fear / Displacement / Proof / Contrast]
- **Score:** [X/100]
- **Emotional register:** [Frustration / Aspiration / etc.]
- **Proof quotes:**
> "[Verbatim quote 1]" — [Source: G2 review / Reddit / etc.]
> "[Verbatim quote 2]" — [Source]
> "[Verbatim quote 3]" — [Source]
- **소스 수:** [N] independent mentions
- **활용한 경쟁사 약점:** [Competitor name + specific gap, or "N/A"]
- **추천 형식:** [Search ad headline / Meta static / Video hook / etc.]
- **샘플 헤드라인:** "[Draft headline using this angle]"
- **샘플 본문 카피:** "[Draft 1-2 sentence body]"
### 앵글 2: ...
---
## Tier 2: 테스트할 가치가 있는 앵글(Score 50-69)
[같은 형식, 더 간단하게]
---
## Tier 3: Emerging / Low-Evidence (Score < 50)
[근거는 부족하지만 잠재력이 있는 앵글의 간단한 목록]
---
## Competitive Angle Map
| Angle | Your Product | [Comp A] | [Comp B] | [Comp C] |
|-------|-------------|----------|----------|----------|
| [Angle 1] | 주장 가능 ✓ | 여기 약함 ✗ | 역시 주장 | 관련 없음 |
| [Angle 2] | 강함 ✓ | 강함 | 약함 ✗ | 관련 없음 |
...
---
## Recommended Test Plan
### Week 1-2: Tier 1 Angles 테스트
- [Angle] → [Format] → [Platform]
- [Angle] → [Format] → [Platform]
### Week 3-4: Tier 2 Angles 테스트
- [Angle] → [Format] → [Platform]
clients/<client-name>/ads/angle-bank-[YYYY-MM-DD].md에 저장합니다.
비용
| Component | Cost |
|---|---|
| Review scraper(제품별) | ~$0.10-0.30 (Apify) |
| Reddit scraper | ~$0.05-0.10 (Apify) |
| Twitter scraper | ~$0.10-0.20 (Apify) |
| Ad scraper(optional) | ~$0.40-1.00 (Apify) |
| Analysis | 무료(LLM reasoning) |
| Total | ~$0.25-1.60 |
필요한 도구
- Apify API token —
APIFY_API_TOKENenv var - 상위 스킬:
review-scraper,reddit-scraper,twitter-scraper - 선택 사항:
ad-creative-intelligence(경쟁사 광고 앵글용)
트리거 문구
- "리뷰에서 광고 앵글을 발굴해줘"
- "어떤 앵글을 돌려야 하나요?"
- "광고에 쓸 pain language를 찾아줘"
- "[client]를 위한 광고 앵글 뱅크를 만들어줘"
- "[competitor]에 대해 사람들이 무엇을 불평하나요?"