Why
매일 아침 30분씩 반복되던 리포트 데이터 정리 작업을 완전히 없애야 했습니다.
💡 이런 고민이 있는 분께 이 페이퍼를 추천해요
매일 아침 에어브릿지에서 CSV를 내려받아 엑셀로 정리하고 계신가요?
자동화 도구를 시도했지만 매체별 카테고리 매핑이나 ROAS 산출처럼 복잡한 로직까지는 자동화하지 못해 결국 수작업으로 돌아왔다면, 이 페이퍼가 도움이 됩니다.
개발 인력 없이 에어브릿지 API와 AI 어시스턴트만으로 리포트 완전 자동화를 달성한 실전 사례를 담았습니다.
배경
크몽
크몽은 디자인, 마케팅, 개발, 영상 등 다양한 분야의 전문가와 의뢰인을 연결하는 국내 최대 프리랜서 마켓플레이스입니다.
크몽 마케팅팀은 다수의 광고 매체에 동시에 예산을 집행하고 있으며, 채널별 성과를 통합 측정하기 위해 에어브릿지를 도입했습니다. 도입 이후 에어브릿지의 유료 광고 데이터와 마케팅 비용 데이터를 결합해 BI 툴 기반 대시보드를 구축하여 전사 마케팅 성과를 한눈에 파악하고 있습니다.
Needs
대시보드 자체는 잘 작동했지만, 문제는 매일 반복되는 데이터 업데이트 과정이었습니다.
에어브릿지 대시보드에서 CSV를 다운로드하고 엑셀에서 클렌징한 뒤 대시보드에 맞춰 업데이트하는 과정에 매일 30분이 걸렸습니다. 특히 매체별 광고 카테고리 분류 기준이 달라, 단순 다운로드로 끝나지 않고 크몽 내부 분류 체계에 맞게 2차 카테고리를 매핑하는 작업까지 수작업이었습니다.
이 문제를 해결하기 위해 외부 AI 도구와 노코드 자동화, 외주 Python 스크립트까지 시도했지만 모두 자동화의 마지막 1마일인 '사람이 실행 버튼을 누르지 않아도 되는 상태' 에 도달하지 못했습니다.
액션 아이템
Strategy
에어브릿지 Actuals Report API로 데이터 수집을 코드화하고, AI 코딩 어시스턴트로 매체별 매핑·ROAS 산출 로직을 구현한 뒤, 로컬 스케줄러로 매일 자동 실행되게 만드는 것이었습니다. 이는 서버 인프라 없이도 완전 자동화를 달성하는 구조입니다.
에어브릿지 Actuals Report API
에어브릿지는 대시보드 화면뿐 아니라 API를 통해서도 어트리뷰션 데이터를 조회할 수 있습니다. Actuals Report API는 대시보드 Actuals 리포트의 데이터를 그대로 JSON으로 받아올 수 있는 엔드포인트를 설정할 수 있습니다. API 토큰 인증 한 번이면 되고, 아래와 같은 파라미터를 조합해 원하는 리포트를 설계합니다.
그룹 기준과 지표만 바꾸면 하나의 호출 구조로 여러 종류의 리포트를 뽑을 수 있어, 크몽은 이를 활용해 3종 리포트(소재 효율 / 거래액 / ROAS)를 동일한 코드 구조로 자동 생성했습니다.
How to do
[Step 1] 에어브릿지 API로 리포트 3종 데이터 자동 수집
Python 스크립트에서 Actuals Report API를 호출해 3종 리포트 데이터를 자동 수집합니다. 공통 모듈 하나(엔드포인트·인증 헤더·페이지네이션 처리)를 만들고, 리포트 별로는 groupBys와 metrics 파라미터만 바꿔 호출합니다.
조회 기간(from/to)은 스크립트 실행 시점을 기준으로 '어제 하루'가 자동 계산되도록 설정했으며, API 토큰과 조회 조건을 사전에 설정해두면 실행 한 번으로 세 가지 데이터가 동시에 준비됩니다.
Actuals Report API 호출 코드 예시(재구성)
123456789101112131415161718192021222324252627282930
import requests
from datetime import date, timedelta # 추가
APP = "your-app-name"
TOKEN = "your-api-token"
# 리포트 생성 엔드포인트 (v7)
url = f"https://api.airbridge.io/reports/api/v7/apps/{APP}/actuals/query"
headers = {
"Accept-Language": "ko", # 누락 시 응답 언어 영어로 반환
"Content-Type": "application/json",
"Authorization": f"Bearer {TOKEN}",
}
payload = {
"from": str(date.today() - timedelta(days=1)), # 전일자 자동 계산
"groupBys": ["channel", "campaign", "ad_creative"], # 분류 기준 (최대 10개)
"metrics": ["app_installs", "cost_channel"], # 수집 지표 (최대 20개)
"filters": [ # 필수 파라미터 — 조건 없으면 빈 배열 []
{"dimension": "channel_type", "filterType": "IN", "values": ["Integrated Channel"]}
],
"sorts": [ # 필수 파라미터 — 정렬 없으면 빈 배열 []
{"fieldName": "channel", "isAscending": True}
],
}
# POST 요청 → 비동기 처리 시작, taskId 반환
res = requests.post(url, headers=headers, json=payload)
task_id = res.json()["task"]["taskId"] # 이후 GET /{taskId} 로 결과 폴링리포트 메트릭 용어집
에어브릿지는 리포트 메트릭을 더 쉽게 찾을 수 있도록 Data Spec을 제공하고 있습니다. 하기 링크를 참고해주세요.
[STEP 2] AI 코딩 어시스턴트로 자동화 코드 작성 및 GitHub 배포
크몽에서는 AI 코딩 어시스턴트와 대화하며 기존 수작업 로직을 코드로 옮겼습니다. 매체별 광고 네이밍 규칙에서 2차 카테고리를 추출하고 크몽 내부 분류 체계로 치환하는 로직, 비용·매출 데이터 매칭 로직 등을 단계별로 구현했습니다. 완성된 코드는 GitHub에 배포해 팀 내에서 함께 관리하고 협업할 수 있는 형태로 만들었습니다.
[STEP 3] 로컬 스케줄러로 완전 자동화
서버 접근 권한 없이도 자동화를 달성하기 위해 Mac의 로컬 스케줄러(headless 실행)를 활용했습니다.
매일 지정된 시간에 Python 스크립트가 자동으로 실행되어 API 호출부터 데이터 변환, 스프레드시트 업데이트까지 사람의 개입 없이 완료됩니다. 기존에 해결하지 못했던 스케줄링 문제를 서버 대신 로컬 환경으로 우회해 풀어낸 접근이 자동화의 마지막 1마일을 메웠습니다.
Impact
다음은 크몽 마케팅팀 리드이신 이준성님과의 인터뷰 내용입니다.
Q. 에어브릿지 API 자동화 전후로 팀의 아침 루틴이 어떻게 바뀌었나요?
A. 기존에는 에어브릿지에서 각종 리포트를 다운로드 받아 각자의 엑셀에서 수식을 적용하며 수정하고 대시보드에 연결된 시트에 업로드를 해야 했어요. 해서 각각의 팀원이 매일 약 10분씩 시간을 써야만 했죠. 그런데 이 과정이 모두 사라져서 이제 출근 후 데일리 업데이트를 하지 않아도 되게 바뀌었어요.
Q. 에어브릿지 MCP를 사용해볼 생각이 있으신가요?
A. 내부 보안 정책 때문에 아직 도입하지 못했지만 관심은 있습니다. 에어브릿지 담당 매니저님과 소통하며 어떻게 활용할 수 있는지 그 가치를 확인해본 뒤 시도해보려 해요.
Q. 앞으로 추가로 자동화하고 싶은 영역이 있나요?
A. 저희가 AB180에서 제공하는 솔루션 3개 모두 활용하고 있는데요. 현재 시도하고 있는 것은 브레이즈 세팅 간소화, 더 나아가 세팅 자동화까지 가는 것이에요. 특성상 일회성 프로모션 발송이 많은데요. 이를 위해 매번 브레이즈에서 작업하는 것 대비 간소화를 통해 진행하니 업무 난이도가 확실히 줄어들고 다른 팀과 협업할 때도 편하더라고요. 에어브릿지나 앰플리튜드와 연동하여 데이터 분석도 자동화가 된다면 업무 효율이 더 늘어날 것으로 기대합니다.
일일 리포트 작업 시간 83% 단축
크몽 마케팅팀은 에어브릿지 API 자동화로 매일 30분 넘게 걸리던 리포트 업데이트를 5분으로 줄였습니다. 3종 리포트의 데이터 수집과 매체별 카테고리 매핑이 자동으로 처리되면서, 마케터는 최종 확인과 대시보드 반영만 하면 됩니다.
더 의미 있는 변화는 하루의 시작 방식 자체가 바뀌었다는 점입니다. 데이터 복사·붙여넣기 대신 성과 분석과 캠페인 최적화에 먼저 집중할 수 있게 되었고, 이는 사내 개발자의 제안과 마케터의 업무 로직 이해가 결합해 만들어진 결과입니다. 크몽 마케팅팀은 현재 Claude Code를 활용해 원본 데이터를 자연어로 조회하는 기능과 '마케팅 팀 에이전트'까지 확장해가고 있습니다.
Key Takeaways
CSM's Insight
이번 사례의 핵심은 자동화의 성공 요인이 기술 난이도가 아니라 업무 로직의 명확한 정리에 있다는 점입니다.
매체별 카테고리 분류 기준과 ROAS 산출 구조를 정확히 알고 있었기에 AI 도구에게 명확한 지시를 줄 수 있었고, 에어브릿지 Actuals Report API는 동일한 호출 구조로 다양한 리포트를 생성할 수 있어 이런 자동화에 적합한 기반이 되어줍니다.
2026년 3월부터 에어브릿지는 MCP(Model Context Protocol)와 Pilot(AI 어시스턴트)을 공식 지원하고 있어, 이제는 이번 사례처럼 API 스펙을 일일이 코드로 옮기지 않아도 자연어로 리포트를 조회하고 데일리 자동화를 구성할 수 있습니다. Claude·Cursor 같은 AI 도구를 MCP로 연결하거나 대시보드 내 Pilot에게 직접 질문하는 방식으로, 자동화까지의 거리가 한층 짧아진 셈입니다.
반복 업무를 줄이고 싶다면 지금 바로 에어브릿지 API 문서를 확인해보시거나, 담당 CSM에게 문의해보세요.
AUTHORS
이준성 Junsung Lee ∙ 크몽 ∙ IM team Lead
크몽에서 퍼포먼스/CRM 마케팅을 담당하는 IM팀에서 성장을 위해 노력하고 있습니다. 사업을 잘 이해하고 이를 기반으로 마케팅 기술이 더해질 때 가장 큰 성장이 이루어진다 믿으며 마케팅을 하고 있습니다.
정운채 Unchae Jeong ∙ AB180 ∙ Customer Success Manager
AB180의 Customer Success Manager로서 Airbridge를 활용하는 다양한 버티컬의 고객사를 담당하고 있습니다. AB180 이전 인하우스와 에이전시에서의 디지털 광고 운영 경험을 바탕으로 고객사들의 솔루션 도입과 활용을 전문적으로 지원합니다.