Apsity AI 그로스 에이전트 — Claude 기반 키워드 최적화 자동화 정리

2026년 4월 · Apsity

App Store에서 키워드를 수동으로 고르고, 순위가 떨어지면 원인을 직접 파고, 경쟁앱 변화를 하나씩 확인하는 작업을 매일 반복하는 건 현실적으로 어렵다. 앱이 여러 개면 더 그렇다. Apsity는 이 작업을 AI에게 넘겼다.

Apsity AI 그로스 에이전트는 Claude Sonnet 4.6을 기반으로 5가지 분석을 자동으로 실행한다. 키워드 100자 자동 생성, 앱이름 제안, 순위 하락 진단, 리뷰 키워드 추출, 국가별 다운로드 급증 감지. 매일 새벽에 Cron이 돌면서 데이터를 수집하고, AI가 분석하고, 아침에 결과가 대시보드에 올라와 있다.

이 글에서는 5가지 기능이 각각 어떻게 동작하는지, Cron 실행 순서는 어떻게 되는지, 인사이트 신뢰도 뱃지가 뭔지까지 정리했다.

AI 그로스 에이전트 전체 구조

먼저 전체 그림을 본다. Apsity의 AI 기능은 독립된 모듈 5개로 구성되어 있다. 각 모듈은 특정 데이터를 입력받아 특정 결과를 출력한다.

5개 모듈은 매일 새벽 4시 30분(KST)에 순차 실행된다. 그 전에 매출 동기화(3시), 키워드 순위 수집(3시 30분), 경쟁앱 메타데이터 스냅샷(4시)이 먼저 완료된다. AI는 항상 최신 데이터를 기반으로 분석한다.

KEYWORD_GENERATOR — 100자 키워드 자동 생성

App Store 키워드 필드는 100자 제한이다. 쉼표로 구분한 키워드를 100자 안에 넣어야 한다. 이 100자를 어떻게 채우느냐에 따라 검색 노출이 달라진다. 수동으로 하면 키워드를 고르고, 글자 수를 세고, 순서를 바꿔보고, 난이도를 확인하는 반복 작업이 생긴다.

KEYWORD_GENERATOR는 이 작업을 Claude Sonnet에게 넘긴다. 현재 등록된 키워드의 순위와 난이도 데이터를 입력으로 받는다. Claude는 세 가지 기준으로 키워드를 선별한다.

난이도는 해당 키워드 상위 10개 앱의 평점 수를 기반으로 계산된다. 평점 수가 많으면 이미 대형 앱들이 점유한 키워드다. 난이도 70 이상이면 인디앱이 순위를 올리기 현실적으로 어렵다고 판단하고 제외한다.

결과는 쉼표로 구분된 키워드 문자열이다. App Store Connect의 키워드 필드에 그대로 복사해서 붙여넣을 수 있다. "이 키워드를 고려해보세요"가 아니라 "이걸 복사하세요"다.

NAME_SUGGESTION — 인디 성공앱 패턴 기반 이름 제안

앱 이름과 부제는 ASO에서 키워드 다음으로 중요한 요소다. App Store 검색에서 앱 이름에 포함된 단어가 순위에 반영되기 때문이다. 근데 이름을 바꾸는 건 부담이 크다. 잘못 바꾸면 기존 사용자가 혼란스러워하고, 브랜드 인식도 흐려진다.

NAME_SUGGESTION은 앱의 카테고리와 현재 키워드 데이터를 Claude에게 보낸다. Claude는 같은 카테고리에서 인디 규모로 성공한 앱들의 이름 패턴을 분석한다. 평점 50~1,000개 사이인 앱을 인디 성공 앱으로 분류한다. 이 범위의 앱들이 실제로 어떤 이름 구조를 쓰는지 패턴을 추출해서, 앱 이름과 부제를 각각 2~3개씩 제안한다.

제안이 나오면 사용자가 판단한다. 바로 적용할 수도 있고, 참고만 할 수도 있다. 이건 SUGGESTION 등급 인사이트다. 데이터 기반이지만 확정은 아니다.

RANK_DROP_DIAGNOSIS — 순위 하락 자동 진단

키워드 순위가 떨어지면 원인을 찾아야 한다. 근데 원인이 하나가 아닐 수 있다. 경쟁앱이 메타데이터를 바꿨을 수도 있고, App Store 알고리즘이 조정됐을 수도 있고, 내 앱의 다운로드가 줄어서 자연 하락한 것일 수도 있다. 이걸 수동으로 파악하려면 경쟁앱을 하나하나 들어가서 변경 사항을 확인해야 한다.

RANK_DROP_DIAGNOSIS는 두 가지 데이터를 교차 분석한다. 내 앱의 키워드 순위 변동 데이터와, 경쟁앱의 메타데이터 변화 기록이다. 경쟁앱 메타데이터는 매일 새벽 4시에 iTunes Lookup API로 수집된다. 앱 이름, 부제, 설명, 아이콘, 버전 다섯 가지를 전날과 비교해서 변경이 있으면 기록한다.

결과에는 FACT와 CORRELATION이 구분된다. "다운로드 15% 감소"는 데이터에서 확인된 사실이다. "경쟁앱 메타 변경 직후 순위 하락"은 시간적 상관관계지, 인과가 확인된 건 아니다. 이 구분이 중요하다. 상관관계를 인과로 착각하면 잘못된 대응을 하게 된다.

REVIEW_SUGGESTION — 저평점 리뷰 키워드 추출

별점 1~2점 리뷰에는 사용자가 실제로 불만인 포인트가 들어 있다. 근데 리뷰를 하나하나 읽는 건 시간이 걸린다. 앱이 여러 개면 더 그렇다. REVIEW_SUGGESTION은 저평점 리뷰에서 반복적으로 등장하는 키워드를 top 3~5개로 추출한다.

예를 들어 가계부 앱의 저평점 리뷰 30개를 분석하면, "동기화 느림", "카테고리 추가 불가", "광고 많음" 같은 패턴이 나온다. Claude가 리뷰 텍스트를 읽고, 비슷한 불만을 묶어서 키워드로 정리한다. 각 키워드 옆에 해당 리뷰 개수가 표시된다.

이 결과의 용도는 두 가지다. 첫째, 앱 업데이트 우선순위를 잡을 수 있다. 가장 많이 언급되는 불만부터 해결하면 된다. 둘째, ASO에 활용할 수 있다. 사용자가 실제로 쓰는 단어를 키워드에 반영하면 검색 의도와 더 잘 맞는다.

HIDDEN_MARKET — 국가별 다운로드 급증 감지

HIDDEN_MARKET은 국가별 다운로드 데이터에서 이상치를 찾는다. 기준은 간단하다. 특정 국가에서 전주 대비 다운로드가 50% 이상 증가하면 감지 대상이 된다.

앱이 갑자기 특정 국가에서 많이 받아지는 이유는 여러 가지다. 누군가 블로그에 소개했을 수도 있고, 경쟁앱이 해당 국가에서 문제가 생겼을 수도 있고, App Store 피처에 올랐을 수도 있다. 원인은 아직 AI가 특정할 수 없지만, 급증 자체를 놓치지 않는 게 핵심이다.

알아야 대응할 수 있다. 태국에서 다운로드가 급증하고 있는데 해당 국가의 키워드나 스크린샷이 현지화되지 않았다면, 현지화만으로도 성장을 유지할 수 있다. 이 정보가 없으면 기회가 지나간 후에야 알게 된다.

Cron 실행 순서 — 데이터 → 분석 → 알림

5가지 AI 모듈이 제대로 동작하려면 최신 데이터가 먼저 수집되어야 한다. Apsity는 Vercel Cron으로 매일 새벽에 7개 작업을 순차 실행한다.

순서가 중요하다. 매출과 키워드 데이터가 먼저 들어와야 AI가 분석할 재료가 있다. 경쟁앱 스냅샷이 먼저 찍혀야 순위 하락 진단에서 교차 비교가 가능하다. 각 Cron은 Vercel의 after() 패턴을 사용해서 10초 타임아웃을 우회한다. 응답을 먼저 보내고 실제 작업은 백그라운드에서 처리하는 방식이다.

AI 인사이트 생성(4시 30분)에서 Claude API를 호출한다. 앱별로 5개 모듈을 순차 실행한다. 앱이 12개면 12 x 5 = 60회 분석이 돌아간다. Starter 플랜부터 이 자동화가 적용된다. Free 플랜에서는 데이터 수집까지만 동작하고 AI 분석은 실행되지 않는다.

신뢰도 뱃지 — FACT, CORRELATION, SUGGESTION

AI가 만든 인사이트를 무조건 따르는 건 위험하다. 데이터에서 확인된 사실과 AI가 추론한 의견은 성격이 다르다. Apsity는 모든 인사이트에 신뢰도 뱃지를 붙여서 이 차이를 명확히 한다.

각 인사이트 카드에는 [근거 보기] 토글이 있다. 누르면 AI가 어떤 데이터를 보고 이 결론을 냈는지 원본 수치가 나온다. "지난 7일 다운로드 평균 대비 34% 이탈, 동일 기간 경쟁앱 2개 메타데이터 변경" 같은 구체적 근거를 확인할 수 있다. AI의 판단을 따를지 말지는 사용자가 결정한다.

실제 사용 시나리오

가계부 앱을 운영하는 인디 개발자를 기준으로 하루 흐름을 보면 이렇다.

새벽 3시에 Cron이 시작된다. 어제 매출과 다운로드가 Supabase에 저장된다. 3시 30분에 등록된 키워드 30개의 순위가 수집된다. 4시에 경쟁 가계부 앱 5개의 메타데이터가 스냅샷으로 찍힌다. 4시 30분에 Claude가 5가지 분석을 실행한다. 5시에 순위 하락이 감지된 키워드에 대한 알림이 발송된다.

아침 9시에 대시보드를 연다. 인사이트 카드 목록이 보인다. "가계부" 키워드 순위가 12위에서 25위로 떨어졌다는 FACT 뱃지. 경쟁앱 2개가 어제 앱 설명을 업데이트했다는 CORRELATION 뱃지. "예산" 키워드를 추가하면 노출 확대가 가능하다는 SUGGESTION 뱃지. 100자 키워드 세트가 생성되어 있어서 복사해서 App Store Connect에 바로 붙여넣는다. 전체 과정에 5분이 걸렸다.

FAQ

Q. AI 모델로 뭘 쓰나?

Anthropic의 Claude Sonnet 4.6을 사용한다. 키워드 생성, 앱이름 제안, 순위 하락 진단, 리뷰 분석, 시장 감지 5가지 모듈 전부 동일 모델이다. API 호출은 Apsity 서버에서 처리한다. 사용자가 별도로 API 키를 발급받거나 비용을 낼 필요가 없다.

Q. 키워드 100자를 자동으로 맞춰주나?

맞춰준다. App Store 키워드 필드는 100자 제한이다. Claude가 쉼표 구분자 포함 100자 이내로 키워드를 조합한다. 난이도 70 이상은 자동 제거된다. 결과를 그대로 복사해서 App Store Connect에 붙여넣으면 된다.

Q. 하루에 몇 번 실행되나?

하루 1회다. 매일 새벽 4시 30분(KST)에 Vercel Cron이 트리거한다. 매출 동기화(3시), 키워드 수집(3시 30분), 경쟁앱 스냅샷(4시)이 먼저 완료된 후 실행된다. 항상 최신 데이터 기반으로 분석한다.

Q. 경쟁앱 변화를 어떻게 감지하나?

매일 새벽 4시에 iTunes Lookup API로 등록된 경쟁앱의 메타데이터를 수집한다. 앱 이름, 부제, 설명, 아이콘, 버전 5가지를 전날 스냅샷과 비교한다. 변경이 감지되면 MetaChange 테이블에 기록하고, 순위 하락 진단 시 상관관계 분석에 활용한다.

Q. 인사이트 신뢰도 뱃지가 뭔가?

모든 AI 인사이트에 붙는 세 가지 등급이다. FACT는 데이터에서 확인된 수치 사실이다. CORRELATION은 데이터 간 패턴에서 유추된 연관성이다. SUGGESTION은 AI가 데이터를 기반으로 추론한 행동 제안이다. 각 인사이트에 근거 데이터를 함께 제공해서, 사용자가 직접 판단할 수 있다.

정리

Apsity AI 그로스 에이전트는 Claude Sonnet 4.6 기반으로 5가지 분석을 매일 자동 실행한다. 키워드 100자 생성은 복사해서 바로 쓸 수 있고, 순위 하락 진단은 경쟁앱 메타 변화까지 교차 분석한다. 모든 결과에 신뢰도 뱃지가 붙어서 팩트와 추론을 구분할 수 있다.

Starter $9 이상 플랜에서 사용 가능하다. Free 플랜에서도 데이터 수집은 동작하므로, 먼저 데이터가 쌓이는 걸 확인하고 AI 기능이 필요할 때 업그레이드하면 된다.