산업 정보 스캐너 — 매일 받는 정보 브리핑 — Claude Skill

산업 정보 스캐너

클라이언트의 산업과 관련된 모든 것을 인터넷에서 매일 깊이 조사한 뒤, 발견한 내용을 바탕으로 전략적 시장 진출 기회를 생성하는 에이전트입니다.

빠른 시작

<client>에 대한 산업 스캔을 실행해. clients/<client>/config/industry-scanner.json의 구성을 사용해.

주간 심층 스캔:

<client>에 대한 주간 산업 스캔을 --lookback 7로 실행해.

입력

• 클라이언트 이름 — 불러올 구성 및 맥락 파일 결정
• 조회 기간(선택) — 일일은 1(기본값), 주간 심층 스캔은 7
• 초점 영역(선택) — 특정 범주로 스캔 제한(예: "경쟁사만", "이벤트만")

---

단계별 프로세스

1단계: 구성 로드

1. clients/<client>/config/industry-scanner.json 읽기 — 스캔할 모든 키워드, 출처, 경쟁사, URL 포함
2. clients/<client>/context.md 읽기 — 관련 전략을 만들려면 ICP, 가치 제안, 포지셔닝이 필요함
3. 조회 기간 설정: 일일 스캔은 1일, 주간은 7, 또는 사용자가 지정한 값
4. 출력 파일명에 사용할 오늘 날짜 기록

클라이언트 구성이 없으면 사용자에게 핵심 입력을 묻고 skills/industry-scanner/config/example-config.json 예시에서 하나 만들겠다고 제안합니다.

2단계: 데이터 수집

가능한 경우 아래 데이터 출처를 병렬로 실행합니다. 구성되지 않은 출처는 건너뜁니다. 각 출처는 문서화된 기존 스킬의 CLI 또는 도구를 사용합니다.

중요: 전체 스캔 시간을 줄이려면 아래 bash 명령을 가능한 한 많이 병렬로 실행하세요. 출처는 서로 독립적입니다.

2A. 웹 검색(내장 WebSearch 도구)

구성된 web_search_queries와 시간 민감 수식어를 조합해 웹 검색 5-8개를 실행합니다. 예:

• "<industry keyword> news this week"
• "<competitor name> shutdown OR closing OR acquired 2026"
• "<industry> conference 2026 speaker applications"
• "<industry keyword> new regulation OR policy change"
• "<competitor name> layoffs OR pivot OR rebrand"

최근 뉴스를 잡기 위해 각 경쟁사 이름도 직접 검색합니다.

2B. 산업 블로그 및 출판물

python3 skills/blog-scraper/scripts/scrape_blogs.py \
  --urls "<comma-separated blog_urls from config>" \
  --days <lookback> --output json

전체 CLI 참조는 skills/blog-scraper/SKILL.md를 읽습니다.

2C. Reddit

구성된 각 subreddit에 대해 실행:

python3 skills/reddit-scraper/scripts/search_reddit.py \
  --subreddit "<comma-separated subreddits from config>" \
  --keywords "<comma-separated reddit_keywords from config>" \
  --days <lookback> --sort hot --output json

참여도가 높은 게시물을 잡기 위해 --sort top --time week으로 별도 검색도 실행합니다.

전체 CLI 참조는 skills/reddit-scraper/SKILL.md를 읽습니다.

2D. Twitter/X

구성된 각 Twitter 쿼리에 대해:

python3 skills/twitter-scraper/scripts/search_twitter.py \
  --query "<twitter_query>" \
  --since <yesterday-YYYY-MM-DD> --until <today-YYYY-MM-DD> \
  --max-tweets 30 --output json

전체 CLI 참조는 skills/twitter-scraper/SKILL.md를 읽습니다.

2E. LinkedIn

linkedin-post-research 스킬로 구성된 각 LinkedIn 키워드를 검색합니다.

RUBE_SEARCH_TOOLS로 CRUSTDATA_SEARCH_LINKED_IN_POSTS_BY_KEYWORD를 찾은 다음, 각 키워드를 date_posted: "past-day"(주간 스캔은 "past-week")로 검색합니다.

전체 Rube/Crustdata 워크플로는 skills/linkedin-post-research/SKILL.md를 읽습니다.

2F. Hacker News

python3 skills/hacker-news-scraper/scripts/search_hn.py \
  --query "<hn_query>" --days <lookback> --output json

구성된 hn_queries 항목마다 한 번씩 실행합니다. 전체 CLI 참조는 skills/hacker-news-scraper/SKILL.md를 읽습니다.

2G. RSS 뉴스 피드

클라이언트에 accounting-news-monitor 또는 유사한 구성이 있으면:

python3 skills/accounting-news-monitor/scripts/monitor_news.py \
  --new-only --days <lookback> --output json

전체 CLI 참조는 skills/accounting-news-monitor/SKILL.md를 읽습니다.

2H. 뉴스레터 받은편지함

클라이언트에 뉴스레터 모니터링이 구성되어 있으면:

python3 skills/newsletter-monitor/scripts/scan_newsletters.py \
  --days <lookback> --output json

전체 CLI 참조는 skills/newsletter-monitor/SKILL.md를 읽습니다.

2I. 리뷰 사이트

구성된 각 리뷰 URL에 대해:

python3 skills/review-scraper/scripts/scrape_reviews.py \
  --platform <platform> --url "<review_url>" \
  --days <lookback> --max-reviews 20 --output json

전체 CLI 참조는 skills/review-scraper/SKILL.md를 읽습니다.

3단계: 통합 및 범주화

모든 데이터 수집이 끝나면 결과를 통합합니다.

1. 중복 제거 — 여러 출처에 나타난 항목(예: 블로그와 Reddit 모두에 있는 뉴스). 가장 풍부한 버전을 유지하되 다중 출처 등장(더 강한 신호)을 기록합니다.

2. 각 항목을 다음 유형 중 하나로 범주화:

3. 관련성 평가 — 클라이언트의 ICP와 가치 제안에 얼마나 직접 관련되는지 기준으로 높음 / 중간 / 낮음.

4. 잡음 제거 — 정말 주목할 만하지 않다면 관련성 낮음 항목은 제외합니다. 목표는 양이 아니라 신호입니다.

4단계: 전략적 기회 생성

통합된 정보를 검토하고 진짜 시장 진출 기회를 제공하는 항목 또는 관련 항목 클러스터를 식별합니다.

중요: 모든 항목에 억지로 전략을 붙이지 마세요. 많은 항목은 "알아두면 좋은 것"일 뿐이며, 그런 항목은 정보 브리핑에 넣으면 됩니다. 성장에 의미 있게 영향을 줄 수 있는 실제 실행 가능한 기회가 있을 때만 전략 아이디어를 생성하세요.

각 실제 기회에 대해 생성:

참고할 전략 패턴

체크리스트가 아니라 영감으로 사용하세요. 트리거에 맞는 패턴을 선택합니다.

곤란한 경쟁사(종료, 나쁜 리뷰, 해고, 방향 전환):

• 그들의 고객을 겨냥한 마이그레이션/비교 가이드 게시
• 리뷰 사이트, 그들을 언급한 LinkedIn 게시물에서 고객 찾기 → 연락
• 사람들이 종료/문제를 논의하는 소셜 게시물에 참여
• SEO 확보용 "X 대안" 콘텐츠 생성
• 스킬: web-archive-scraper(고객 목록 복구), review-scraper(리뷰어 찾기), linkedin-post-research(그들에 대한 게시물 찾기), setup-outreach-campaign

다가오는 산업 이벤트:

• 발표 신청(발표자 슬롯이 열려 있으면)
• 참석자 대상 사전 이벤트 연락 계획(스킬: luma-event-attendees 또는 conference-speaker-scraper)
• 이벤트별 콘텐츠 생성(예: "[Event]에서 주목하는 것")
• 현장 존재감과 후속 캠페인 계획

바이럴 게시물 또는 뜨는 토론:

• 스레드에 신중하게 참여(LinkedIn 댓글, Reddit 답글, 트윗)
• 클라이언트의 전문가 관점을 담은 응답 콘텐츠 생성(블로그 글, LinkedIn 게시물)
• 게시자가 ICP라면 직접 후속 조치
• 스킬: linkedin-post-research, company-contact-finder

인수 또는 합병 발표:

• 인수된 회사의 고객에게 연락(전환기라 대안에 열려 있음)
• 인수가 산업에 의미하는 바에 대한 콘텐츠 생성
• 스킬: web-archive-scraper(고객 목록 찾기), company-contact-finder

새 규정 또는 정책 변화:

• 클라이언트를 전문가로 포지셔닝하는 교육 콘텐츠 생성
• 변화의 영향을 받는 회사에 직접 연락
• 컴플라이언스 관련 웨비나 주최 또는 가이드 게시

고통 지점 노출(Reddit 불만, 부정적 리뷰, LinkedIn 불평):

• 게시물에 도움이 되는 방식으로 참여(판매하지 말고 먼저 가치 제공)
• 게시자가 ICP라면 직접 메시지/이메일로 후속 조치
• 특정 고통 지점을 다루는 콘텐츠 생성
• 스킬: company-contact-finder

뜨는 주제 또는 콘텐츠 빈틈:

• 주제가 뜨거울 때 사고 리더십 콘텐츠 게시
• CEO/창업자의 독창적 관점이 담긴 LinkedIn 게시물
• 뜨는 주제에 대한 팟캐스트 또는 웨비나

대상 회사의 투자 라운드 발표:

• 회사에 연락(투자 직후 = 새 도구 예산 가능)
• 스킬: company-contact-finder, setup-outreach-campaign

5단계: 출력 생성

다음 구조로 보고서를 clients/<client>/intelligence/<YYYY-MM-DD>.md에 저장합니다.

---

# 산업 정보 브리핑 — <Client Name>
**날짜:** <YYYY-MM-DD>
**스캔 유형:** 일일 / 주간
**스캔한 출처:** <결과를 반환한 출처 목록>

---

## 경영진 요약

<가장 중요한 발견에 대한 2-3문장 개요. 오늘 클라이언트가 무엇에 주목해야 하는가?>

---

## 정보 브리핑

### 경쟁사 뉴스
| 항목 | 출처 | 링크 | 관련성 |
|------|--------|------|-----------|
| ... | ... | ... | 높음/중간 |

### 산업 이벤트
| 항목 | 출처 | 링크 | 날짜 | 관련성 |
|------|--------|------|------|-----------|

### 시장 추세
| 항목 | 출처 | 링크 | 참여도 | 관련성 |
|------|--------|------|------------|-----------|

### 투자 / M&A
| 항목 | 출처 | 링크 | 관련성 |
|------|--------|------|-----------|

### 규제 / 정책
| 항목 | 출처 | 링크 | 관련성 |
|------|--------|------|-----------|

### 기술
| 항목 | 출처 | 링크 | 관련성 |
|------|--------|------|-----------|

### 인물 이동
| 항목 | 출처 | 링크 | 관련성 |
|------|--------|------|-----------|

### 고통 지점 및 불만
| 항목 | 출처 | 링크 | 참여도 | 관련성 |
|------|--------|------|------------|-----------|

### 콘텐츠 기회
| 항목 | 출처 | 링크 | 이유 | 관련성 |
|------|--------|------|-----|-----------|

*(항목이 있는 섹션만 포함합니다. 빈 범주는 건너뜁니다.)*

---

## 전략적 성장 기회

*(실제 실행 가능한 전략과 의미 있는 잠재 영향이 있는 기회만 포함합니다. 조용한 날에는 기회가 0개여도 완전히 괜찮습니다.)*

### 기회 1: <짧은 제목>

**트리거:** <무슨 일이 있었는가>

**전략:** <무엇을 할 것인가>

**전술:**
1. <구체적 조치> *(스킬: <skill-name>, 해당되는 경우)*
2. <구체적 조치>
3. <구체적 조치>

**긴급도:** Immediate / Soon / Evergreen
**작업량:** Low / Medium / High
**예상 영향:** <왜 중요한가>

---

### 기회 2: ...

---

## 스캔 통계

- **발견된 전체 항목:** X
- **범주별:** 경쟁사 뉴스(X), 이벤트(X), 추세(X), ...
- **식별된 기회:** X
- **결과를 반환한 출처:** 구성된 Y개 중 X개

---

구성

각 클라이언트에는 clients/<client>/config/industry-scanner.json 구성 파일이 필요합니다. 전체 스키마는 skills/industry-scanner/config/example-config.json를 참고하세요.

핵심 필드:

• web_search_queries — 광범위한 산업 검색어
• competitors — 모니터링할 경쟁사 이름
• subreddits + reddit_keywords — Reddit 모니터링 구성
• twitter_queries — Twitter/X 검색어
• linkedin_keywords — LinkedIn 게시물 검색어
• blog_urls — 산업 출판물 URL(RSS 스크래핑용)
• hn_queries — Hacker News 검색어
• review_urls — 경쟁사 리뷰 페이지 URL(G2, Capterra, Trustpilot)
• event_keywords — 컨퍼런스 및 이벤트 검색어

팁

• 일일 vs 주간: 일일 스캔(--lookback 1)은 빠르지만 천천히 전개되는 이야기를 놓칠 수 있습니다. 포괄적 커버리지를 위해 매주 월요일 주간 심층 스캔(--lookback 7)을 실행하세요.
• 잡음이 많은 출처: 어떤 출처가 계속 관련 없는 결과를 반환하면 출처 전체를 버리지 말고 구성의 키워드를 조정하세요.
• 다중 출처 신호: 여러 출처(예: Reddit과 Twitter)에 함께 나타난 항목은 더 강한 신호입니다. 브리핑에 표시하세요.
• 전략 품질 > 수량: 억지 기회 5개가 있는 날보다 전략적 기회가 0개인 날이 낫습니다. 정보 브리핑은 기회가 없어도 독립적인 가치가 있습니다.
• 후속 조치: 기회가 하위 스킬(예: company-contact-finder)을 참조하면 사용자는 바로 그 스킬로 이어서 실행할 수 있습니다.

의존성

하위 스킬이 요구하는 것 외 추가 의존성은 없습니다.

• requests(Python) — blog-scraper, reddit-scraper, twitter-scraper, hn-scraper, review-scraper, news-monitor용
• APIFY_API_TOKEN env var — Reddit, Twitter, 리뷰 스크래핑용
• agentmail + python-dotenv — newsletter-monitor용(구성된 경우)
• Rube/Crustdata 연결 — LinkedIn 게시물 검색용(구성된 경우)