직접입력시 업종추가

app/home/api/routers/v1/home.py

@@ -421,6 +421,7 @@ async def _crawling_logic(
 ## 요청 필드
 - **customer_name**: 업체명 / 브랜드명 (필수)
 - **address**: 도로명 또는 지번 주소 (필수)
+- **category**: 업종/카테고리 자유 입력 (선택, 예: 펜션, 카페). 비우면 업체명 기반 AI 분류
 
 ## 반환 정보
 - **processed_info**: 가공된 장소 정보 (customer_name, region, detail_region_info)
@@ -445,9 +446,9 @@ async def manual_marketing(
         # Step 2: GPT API 호출 → 마케팅 분석 결과 생성
         # place_id 없이 업체명+주소만으로 분석 (크롤링 없이 직접 입력된 경우)
         chatgpt_service = ChatgptService()
-        # 요청에 industry가 있으면 사용, 없으면 업체명 기반 AI 분류
-        industry = request_body.industry or await _resolve_industry(
-            "", request_body.store_name
+        # 크롤링 경로와 동일하게 category를 우선 사용하고, 없으면 업체명 기반 AI 분류
+        industry = await _resolve_industry(
+            request_body.category, request_body.store_name
         )
         processed_info.industry = industry
         input_marketing_data = {

app/home/schemas/home_schema.py

@@ -260,13 +260,14 @@ class ManualMarketingRequest(BaseModel):
             "example": {
                 "store_name": "스테이 머뭄",
                 "address": "전북특별자치도 군산시 절골길 18",
+                "category": "펜션",
             }
         }
     )
 
     store_name: str = Field(..., description="업체명 / 브랜드명")
     address: str = Field(..., description="도로명 또는 지번 주소")
-    industry: str = Field(default="", description="업종 분류 (stay|restaurant|cafe|salon|clinic|fitness|academy|attraction). 비우면 업체명 기반 AI 분류")
+    category: str = Field(default="", description="업체 업종/카테고리 자유 입력 (예: 펜션, 카페). 크롤링 경로와 동일하게 AI가 8개 industry enum으로 자동 분류하는 데 사용. 비우면 업체명 기반 AI 분류")
 
 
 class ErrorResponse(BaseModel):

app/utils/prompts/chatgpt_prompt.py

@@ -1,6 +1,6 @@
 import json
 import re
-from pydantic import BaseModel
+from pydantic import BaseModel, ValidationError
 from typing import List, Optional
 from openai import AsyncOpenAI
 
@@ -131,11 +131,23 @@ class ChatgptService:
         })
         last_error = None
         for attempt in range(self.max_retries + 1):
-            response = await self.client.beta.chat.completions.parse(
-                model=model,
-                messages=[{"role": "user", "content": content}],
-                response_format=output_format
-            )
+            try:
+                response = await self.client.beta.chat.completions.parse(
+                    model=model,
+                    messages=[{"role": "user", "content": content}],
+                    response_format=output_format
+                )
+            except (ValidationError, json.JSONDecodeError) as e:
+                # 모델이 스키마에 맞지 않는 JSON을 반환한 경우 (예: trailing characters).
+                # 확률적 출력 문제일 수 있으므로 재시도 대상에 포함한다.
+                logger.warning(
+                    f"[ChatgptService({self.model_type})] Structured output parse failed "
+                    f"(attempt {attempt + 1}/{self.max_retries + 1}): {e}"
+                )
+                last_error = ChatGPTResponseError("parse_error", type(e).__name__, str(e))
+                if attempt < self.max_retries:
+                    logger.info(f"[ChatgptService({self.model_type})] Retrying request...")
+                continue
             # Response 디버그 로깅
             logger.debug(f"[ChatgptService({self.model_type})] attempt: {attempt}")
             logger.debug(f"[ChatgptService({self.model_type})] Response ID: {response.id}")

docs/database-schema/migration_2026_07_03_add_image_match.sql

@@ -0,0 +1,12 @@
+-- ============================================================
+-- Migration: marketing 테이블에 image_match 컬럼 추가
+-- Date: 2026-07-03
+-- Description: 이미지 슬롯 배정 결과물 저장
+--   - lyric 생성 사전 단계(get_image_tags_by_task_id → template_matching_taged_image)에서
+--     산출된 슬롯별 이미지 배정 결과를 저장
+--   - 영상 생성 시점에는 저장된 결과를 읽어 음악 URL/주소만 보완하여 재사용
+-- ============================================================
+
+ALTER TABLE marketing
+    ADD COLUMN image_match JSON NULL
+    COMMENT '이미지 슬롯 배정 결과물' AFTER subtitle;