3,500개 바이어 기록, 단순 중복 제거가 아니었다
B2B 비즈니스를 운영하며 가장 골치 아픈 업무 중 하나가 바로 바이어 정보 관리다. 우리 팀은 구글 시트에 3,500개가 넘는 바이어 연락처를 보유하고 있었다. 그중 상당수가 중복이라고 예상했지만, 정말로 얼마나 많은지는 몰랐다.
Before: 수동 확인의 나락
처음엔 팀원이 직접 스크롤을 내리며 이메일 주소를 비교했다. 같은 도메인(@company.com)이 여러 개면 표시하고, 이름 형식이 다르면 재확인하고... 이 과정이 하루에 100개 정도만 진행됐다. 3주가 걸렸다.
더 심각한 문제는 사람의 눈으로 놓친 중복들이 있다는 것. 같은 사람이 이메일 형식을 조금씩 다르게 입력한 경우(john.smith@, john_smith@, jsmith@) 눈으로 구분하기 어려웠다.
After: Claude Code로 5시간 안에 해결
윈도우 디바이스에서 Claude Code를 열었다. 간단한 요청을 했다.
「구글 시트에서 이메일 컬럼을 기준으로 정확한 중복을 찾고, 회사 도메인별로 그룹화해줘. 같은 회사의 여러 담당자들도 함께 보여줘」
30분 만에 스크립트가 완성됐다. 실행했다.
결과는 충격적이었다.
• 완전히 동일한 이메일: 287개 (즉시 삭제 후보)
• 같은 회사, 다른 담당자: 1,200개 (보관 필요)
• 형식만 다른 중복(john.smith vs john_smith): 156개 (수동 검토)
• 이상한 패턴들: 47개 (조사 필요)
예상 밖의 발견: "같은 사람이 여러 번 가입했다"
Bot이 회사별 그룹화를 마친 후, 우리는 패턴을 분석했다.
한 회사에서 8명이 등록되어 있다고 생각했는데, 자세히 보니 같은 사람("Park, Michael")이 4개의 이메일로 등록되어 있었다.
• michael.park@company.com
• m.park@company.com
• michael_park@company.com
• mpark@company.com
그동안 우리는 같은 사람에게 4번 이메일을 보내고 있었던 것이다. 상대방은 얼마나 답답했을까?
이 패턴은 전체 데이터셋에서 42번 반복되고 있었다. 수동으로는 절대 찾을 수 없는 규모였다.
다음 단계: 자동화의 한계를 배우다
Bot의 보고서를 받고 우리는 3가지를 배웠다.
1. **중복 제거는 단순하지 않다** - 단순 삭제가 아니라, 어떤 기록을 살릴지 판단하는 비즈니스 로직이 필요하다.
2. **도메인 그룹화가 핵심** - 회사별로 데이터를 보면, 패턴이 보인다.
3. **자동화도 검수가 필요** - Bot의 결과를 100% 믿으면 안 된다. 특히 "담당자 통합 여부" 같은 판단은 사람이 해야 한다.
지금은 47개 이상 패턴 항목들을 하나씩 점검 중이다. Bot이 1시간에 할 일을 5주에 걸쳐 검토하고 있다. 느리지만, 정확도는 훨씬 높다.
결론: 자동화는 속도, 사람은 판단
비개발자인 우리가 배운 것은 간단하다. Bot은 빠르게 문제를 찾아내고, 우리는 그것이 정말 문제인지 판단한다. 그 조합이 강하다.
다음 번엔 처음부터 데이터 수집 단계에서 이메일 정규화(normalization) 규칙을 적용해두려고 한다. Bot의 빠른 손과 사람의 느린 생각이 만났을 때, 가장 좋은 결과가 나온다.