의류 쇼핑몰 코디 추천문과 리뷰 분석을 Claude Code로 단축하는 실무 절차

금요일 저녁, “신상 50종 상세페이지를 월요일에 오픈하고 싶다”는 말을 들은 날이었습니다.

사진은 다 찍었습니다. 치수도 쟀습니다. 그런데 한 종마다 “코디 추천문”을 세 가지 버전으로 쓰고, 지난 리뷰에서 잘 팔리는 소구 포인트도 뽑아서 넣어 달라고 합니다. 50종 × 3버전이면 150개. 게다가 사이즈 핏이나 원단에 대한 불만까지 읽어서 상품 설명에 반영해 달라는 말이 이어집니다.

저는 그때 리뷰를 복사하려고 탭을 20개나 열어둔 채, 밤 11시에 “오늘은 무리다”라고 중얼거리고 있었습니다. 의류 쇼핑몰의 상세페이지 작업은 사진과 치수가 끝난 뒤의 텍스트 작업에서 반드시 막힙니다.

이때 도움이 된 것이 Claude Code였습니다. 추천문 초안과 리뷰 분류를 맡기고, 저는 “이건 우리 브랜드 말투가 아니다”를 고치는 쪽으로 돌았습니다. 그랬더니 150개가 하룻밤에 형태를 갖췄습니다. 오늘은 그 절차를 복붙해서 바로 쓸 수 있는 형태로 전달합니다.

핵심 요약

의류 쇼핑몰 코디 추천문은 “종류·상황·핏”을 AI에 넘기면 초안이 한 번에 쏟아진다. 사람은 어미와 브랜드 톤만 손본다
리뷰 분석은 “별점만 집계”로 끝내지 않는다. 핏·원단·배송 3축으로 태깅해서 상품 개선으로 연결한다
AI에 맡기는 것은 초안·분류·요약. 할인 판단, 재고 문구, 과장 광고에 걸리는 단정 표현은 사람이 반드시 멈춘다
상품명이나 품번만 넘기면 돌아간다. 고객 이름이나 이메일을 AI에 넘기지 않는 것이 개인정보 보호의 철칙이다
50종 추천문에서 수작업 4시간이 30분 안팎으로 줄었다. 시급 환산으로도 ROI가 맞는다

의류 쇼핑몰 상세페이지 작업, 어디서 막히나

독자상을 명확히 합시다. 이 글은 의류 쇼핑몰에서 상품 상세페이지를 만드는 사람을 가정합니다. 촬영·치수·원고(이걸 흔히 “상세페이지 제작”이라고 부릅니다)를 돌리고, 오픈 뒤에는 리뷰를 보며 개선합니다. 혼자서 여러 브랜드를 겸하는 경우도 많은 역할입니다.

업무 흐름은 대체로 이렇습니다.

입고된 신상을 촬영하고 치수를 잰다
상품명·소재·사이즈 표를 입력한다
코디 추천문이나 활용 코디 문구를 쓴다
오픈하고, 리뷰가 쌓이면 경향을 읽는다
핏이나 원단 불만을 다음 상품 설명이나 발주에 반영한다

손이 다시 가는(재작업) 지점은 3번과 5번입니다. 추천문은 한 개 쓰는 데 15분이 걸리고, 50종이면 꼬박 하루. 리뷰 분석은 “별 3개가 많네”에서 멈추기 쉽고, 왜 별 3개인지를 언어로 정리하지 않은 채 다음 입고가 옵니다. 결과적으로 같은 핏 불만이 반년 동안 반복됩니다. 이것이 의류 쇼핑몰 운영의 조용한 소모입니다.

Claude Code를 처음 다룬다면, 먼저 Claude Code 시작하기 가이드로 환경만 갖춰 두면 이다음 절차가 그대로 돌아갑니다.

사례 1: 코디 추천문을 1종 3버전으로 초안 작성하기

가장 먼저 효과가 나는 것이 추천문 대량 작성입니다. 품번·카테고리·소재·예상 상황을 넘기면 톤이 다른 초안 3개가 나옵니다. 사람이 하는 일은 취사선택과 어미 다듬기뿐입니다.

맡길 범위와 사람이 판단할 범위를 표로 나눕니다.

공정	AI에 맡긴다	사람이 반드시 판단한다
코디 아이디어 내기	○ 후보 5안 제시	자사 재고에 있는 조합인지 확인
추천문 초안	○ 상황별 3개	브랜드 말투·어미로 수정
소재·관리법 서술	△ 초안만	세탁 표시와 모순되지 않는지 확인
”최저가” “절대” 같은 단정	× 생성 금지	과장 광고·표시 광고법 관점에서 삭제

추천문 작성용 복붙 프롬프트는 이것입니다. 상품 상세페이지에 붙일 전제이므로, 과도한 단정을 피하는 지시를 넣어 두었습니다.

당신은 의류 쇼핑몰 카피라이터입니다. 다음 상품에 대해
코디 추천문을 3가지 버전으로 작성해 주세요.

# 상품 정보
- 품번: KN-2026SS-014
- 카테고리: 오버사이즈 니트
- 소재: 면 60% 아크릴 40%
- 색상: 아이보리 / 모카
- 예상 상황: 출근, 휴일 카페, 동네 장보기

# 조건
- 각 버전 120~160자, 어미는 "~합니다" 체
- 함께 코디할 아이템(하의나 소품)을 반드시 1개 넣는다
- "최저가" "절대" "의학적" 같은 단정이나 효능 표현은 쓰지 않는다
- 사이즈 표기는 다루지 않고, 분위기와 상황에 집중한다

출력은 다음 형식:
버전1: 본문
버전2: 본문
버전3: 본문

핵심은 “단정을 쓰지 않는다”를 조건에 넣는 것입니다. 의류는 표시 광고법에 걸리기 쉬워서, “절대로 날씬해 보인다” 같은 표현을 나중에 지우는 수고가 은근히 무겁습니다. 첫 지시에서 막아 두면 수정이 줄어듭니다.

사례 2: 리뷰를 3축으로 태깅해서 상품 개선으로 연결하기

두 번째는 리뷰 분석입니다. 별 개수만 세는 거라면 스프레드시트로 충분합니다. 가치가 나오는 것은 자유 서술을 “핏·원단/품질·배송/포장” 3축으로 분류하고, 개선 액션까지 말로 풀어냈을 때입니다.

리뷰 분류 체크리스트를 둡니다. AI의 출력을 이 관점으로 다시 보면 누락이 줄어듭니다.

핏 언급을 “크다/작다/보통”으로 분류했는가
원단 불만을 “얇다/까끌까끌/보풀” 같은 구체어로 잡았는가
배송·포장 이야기를 상품 평가와 섞지 않았는가
같은 불만이 몇 건인지 세었는가
개선 액션을 “다음 입고”인지 “설명문 수정”인지로 나눴는가

리뷰 분류용 프롬프트 양식입니다. 집계하기 쉽도록 표 형식으로 답하게 합니다.

다음은 어떤 상품의 리뷰 본문입니다. 한 건씩 다음 3축으로 태깅하고,
마지막에 개선 제안을 3가지 제시해 주세요.

# 축
1. 핏: 크다 / 작다 / 보통 / 언급 없음
2. 원단·품질: 좋음 / 불만(내용) / 언급 없음
3. 배송·포장: 좋음 / 불만(내용) / 언급 없음

# 출력
| No | 핏 | 원단·품질 | 배송·포장 | 한 줄 요약 |
표 다음에 "## 개선 제안"으로, 입고 시 고칠 점과
상품 설명문에서 미리 대응할 수 있는 점을 나눠서 쓴다.

# 리뷰 본문
(여기에 한 건당 한 줄로 붙여넣기)

“설명문에서 미리 대응할 수 있는 점”을 뽑게 하는 것이 요령입니다. 예를 들어 “생각보다 얇다”가 5건 있으면, 원단을 바꾸기 전에 상품 설명에 “가벼운 착용감의 얇은 소재입니다”라고 쓰는 것만으로 기대치 차이가 줄어듭니다. 발주를 바꾸지 않고도 별점이 오르는 일은 드물지 않습니다.

사례 3: 추천문 품질을 기계로 점검하기

세 번째는 검증입니다. 150개 추천문을 사람 눈으로만 확인하면 글자 수 초과나 금지어 혼입이 반드시 빠져나갑니다. 그 부분을 기계 문지기에게 맡깁니다.

아래 스크립트는 생성한 추천문이 담긴 JSON을 읽어, 글자 수와 금지어를 자동으로 점검합니다. Node.js가 있으면 그대로 돌아갑니다. 의류 쇼핑몰에서 지뢰가 되기 쉬운 단정 표현을 NG_WORDS에 나열해 두었으니, 자사 표현 규칙에 맞춰 추가해 주세요.

import { readFile } from "node:fs/promises";

// 점검 대상: [{ id, text } ...] 배열을 담은 JSON
const items = JSON.parse(await readFile("./proposals.json", "utf8"));

const NG_WORDS = ["최저가", "절대", "반드시 날씬", "의학적", "No.1", "전국 1위"];
const MIN = 120;
const MAX = 160;

let ng = 0;
for (const item of items) {
  const len = [...item.text].length; // 글자 단위로 센다
  const hits = NG_WORDS.filter((w) => item.text.includes(w));
  const problems = [];
  if (len < MIN || len > MAX) problems.push(`글자 수 ${len}(${MIN}-${MAX} 예상)`);
  if (hits.length) problems.push(`금지어: ${hits.join(", ")}`);

  if (problems.length) {
    ng++;
    console.log(`NG ${item.id}: ${problems.join(" / ")}`);
  }
}

console.log(`\n총 ${items.length}개 중 ${ng}개 수정 필요`);
process.exit(ng === 0 ? 0 : 1);

proposals.json은 이런 형태입니다. 추천문을 생성할 때 이 형태로 내달라고 하면 연동이 편해집니다.

[
  { "id": "KN-2026SS-014-A", "text": "부드러운 인상의 오버사이즈 니트. …" },
  { "id": "KN-2026SS-014-B", "text": "출근에도 잘 어울리는 깔끔한 한 장. …" }
]

이 스크립트를 오픈 전에 한 번만 돌리면, 금지어 혼입과 글자 수 어긋남은 오픈 전에 멈춥니다. CLAUDE.md에 이런 규칙을 적어 두면 매번 잡아 주므로, CLAUDE.md 작성법도 함께 봐 두면 운영이 안정됩니다. 프롬프트를 한 단계 더 다듬고 싶은 사람은 프롬프트 엔지니어링 응용이 참고가 됩니다.

도입 전후로 무엇이 바뀌었나

숫자로 보면 효과가 분명합니다. 어디까지나 제 손안의 어림치이지만, 기준으로 둡니다.

작업	도입 전	도입 후
추천문 50종×3개	약 4시간(1개 15분 환산의 일부)	약 30분(초안+어미 수정)
리뷰 100건 경향 파악	약 2시간	약 20분
오픈 전 글자 수·금지어 확인	육안으로 누락 발생	스크립트로 자동, 누락 0

대략 추천문과 리뷰에서 월 10시간 안팎이 떴습니다. 시급 2만 원으로 환산해도 월 20만 원어치. 뜬 시간을 촬영 디렉션이나 발주 판단으로 돌릴 수 있었던 점이, 금액 이상으로 효과가 컸습니다.

AI에 맡기는 범위와, 사람이 반드시 멈추는 선

편리하다고 전부 맡기면 의류 쇼핑몰에서는 사고가 납니다. 선 긋기를 분명히 합니다.

맡겨도 되는 것은 초안·분류·요약·형식 점검입니다. 추천문 초안, 리뷰 태깅, 개선안 후보 내기. 이쪽은 AI가 빠릅니다.

사람이 반드시 멈추는 것은 다음입니다.

할인·세일 문구의 최종 판단(원가와 이익에 직결된다)
“절대” “최저가” 같은 단정이나 효능 표현(표시 광고법·약사법 리스크)
재고 수나 입고 시기 서술(오기가 품절 클레임이 된다)
브랜드 세계관에 관련된 말투(기계적인 어미는 이탈을 부른다)

비개발자 팀에서 이 선 긋기를 공유한다면, 비개발자를 위한 Claude Code 입문을 한 번 읽어 두면 맡겨도 되는 작업의 감각이 맞춰집니다. 운영 속도를 더 끌어올리고 싶다면 Claude Code 생산성 팁도 함께 보면 좋습니다.

개인정보와 보안 주의점

여기는 대충 할 수 없습니다. 리뷰 분석에서는 본문에 구매자의 이름이나 주문 번호, 주소의 일부가 섞여 있는 경우가 있습니다. 이걸 그대로 AI에 붙이는 것은 피합니다.

실무에서의 약속은 단순합니다.

AI에 넘기는 것은 상품명·품번·카테고리·소재·이미 공개된 리뷰 본문까지
고객의 이름·이메일·전화·주문 번호·주소는 마스킹한 뒤 넘긴다
리뷰 본문에 실명이 섞여 있으면, 붙이기 전에 치환한다
사내 비밀인 원가나 거래처 이름은 입력하지 않는다

리뷰의 실명은, 붙여넣기 전에 에디터의 치환으로 “님” “씨”가 붙은 고유명을 가림 처리하는 것만으로 대부분 막힙니다. 수고처럼 보여도, 여기를 건너뛰면 한 번에 신용을 잃으므로 반드시 합니다.

자주 묻는 질문

Q. 생성한 추천문이 다 비슷한 말투가 됩니다. A. 프롬프트에 “3버전은 톤을 바꾼다(깔끔/캐주얼/릴랙스)“를 명시하세요. 상황만 바꾸면 어휘가 비슷해지므로, 톤 축을 따로 더하면 흩어집니다.

Q. 리뷰가 수백 건이라 다 붙일 수 없습니다. A. 한 번에 전부 넣지 말고, 50건씩 나눠 같은 프롬프트로 돌린 뒤, 마지막에 집계표만 통합하세요. 건수가 많을수록, 사례 3의 검증 스크립트로 기계 집계에 기대는 가치가 올라갑니다.

Q. 브랜드 톤을 매번 지시하는 게 번거롭습니다. A. 브랜드의 어미·금지어·선호하는 말투를 CLAUDE.md에 정리해 두면, 매번의 지시가 필요 없어집니다. 팀에서 공유할 수 있는 것도 장점입니다.

Q. 나온 문장을 그대로 공개해도 되나요? A. 초안으로 다루세요. 어미와 브랜드 톤, 그리고 단정 표현 점검은 사람이 통과시키는 전제입니다. 사례 3의 스크립트는 보조이며, 최종 판단이 아닙니다.

실제로 시험해 본 결과

서두의 “50종을 월요일 오픈”을, 실제로 이 절차로 돌렸습니다.

추천문은 품번과 소재와 상황을 넘겨 3버전씩 생성. 150개 초안이 20분쯤에 나왔고, 제가 한 일은 어미 통일과, 2개에 섞여 있던 “분명 가장 잘 어울린다”는 단정의 삭제뿐이었습니다. 검증 스크립트에 통과시켰더니 글자 수 초과가 7개, 금지어가 2개. 이걸 오픈 전에 잡아낸 게 컸습니다.

리뷰 분석에서는, 별 3개의 이유가 “사이즈가 큰 편”에 집중되어 있다는 걸 알게 되어, 상품 설명에 “넉넉한 핏입니다”라고 미리 적었습니다. 다음 입고를 기다리지 않고 칠 수 있는 수가 있다는 걸 안 게 수확입니다.

결국 가장 효과가 컸던 것은, AI에 맡길 작업과 내가 멈출 작업을 처음에 나눈 것이었습니다. 초안은 AI, 톤과 단정과 사이즈의 최종 판단은 사람. 이 선을 그은 뒤로, 밤 11시에 “무리다”라고 중얼거리는 횟수가 줄었습니다. 팀에서 같은 흐름을 정리하고 싶다면, 교육·상담에서 운영 규칙까지 함께 설계하는 것이 빠른 길입니다.

외부의 표시 광고법 기초는, 한국 공정거래위원회의 표시·광고 정책 안내에 눈을 두면, 단정 표현의 선 긋기를 자기 말로 설명할 수 있게 됩니다.