292 lines
15 KiB
Markdown
292 lines
15 KiB
Markdown
# 검색/분석 파이프라인 종합 개선 계획
|
||
|
||
**작성일**: 2026-04-04
|
||
**최종 수정**: 2026-04-07 (파이프라인 전수 감사 + P0 버그 수정)
|
||
**상태**: Sprint 0 ✅ 구현 완료 | Sprint 1 ✅ 완료 | Sprint 2 🔜 진행 중
|
||
|
||
---
|
||
|
||
## 2026-04-07 전수 감사 결과 (Full Pipeline Audit)
|
||
|
||
### URL → DB → Channel Discovery → Firecrawl → Report 흐름 검증
|
||
|
||
전체 4단계 파이프라인을 코드 수준으로 감사한 결과:
|
||
|
||
### ✅ 이미 구현 완료된 것들
|
||
| 항목 | 파일 | 상태 |
|
||
|------|------|------|
|
||
| Registry-first domain lookup | `discover-channels/index.ts` | ✅ 완전 구현 |
|
||
| Vision Analysis (screenshot + Gemini) | `_shared/visionAnalysis.ts`, `collect-channel-data` | ✅ 완전 구현 |
|
||
| `wrapChannelTask` 에러 격리 | `_shared/retry.ts` | ✅ Promise.all 안전 |
|
||
| `fetchWithRetry` + 지수 백오프 | `_shared/retry.ts` | ✅ Firecrawl/Apify에 적용 |
|
||
| channel_errors 추적 + unconditional DB save | `collect-channel-data/index.ts` | ✅ 구현 |
|
||
| 강남언니 Firecrawl JSON scrape | `collect-channel-data/index.ts` | ✅ 구현 (rating 버그 수정됨) |
|
||
| Vision data → report 강제 주입 harness | `generate-report/index.ts` | ✅ 구현 |
|
||
| Founding year 3단계 fallback chain | collect → generate 양쪽 | ✅ 구현 |
|
||
| V3 dual-write (clinics + analysis_runs) | discover + collect + generate | ✅ 구현 |
|
||
|
||
### 🔧 이번 세션에서 수정한 P0 버그
|
||
| 버그 | 위치 | 수정 내용 |
|
||
|------|------|----------|
|
||
| 강남언니 rating 0-10 스케일 오변환 | `collect-channel-data:323` | `rating ≤ 5 → ×2` 로직 제거. Firecrawl 프롬프트가 이미 0-10 지시 → 직접 신뢰 |
|
||
| Perplexity 단일 fetch (재시도 없음) | `generate-report:115` | `fetchWithRetry(maxRetries:2, backoffMs:[5000,15000], timeoutMs:90s)` 로 교체 |
|
||
|
||
### 🚧 남은 Gap (우선순위순)
|
||
| 우선순위 | Gap | 세부 내용 |
|
||
|---------|-----|---------|
|
||
| P1 | Health score 미계산 | `channel_snapshots.health_score` 컬럼은 있지만 항상 NULL. 수집된 followers/rating/reviews 기반으로 계산 필요 |
|
||
| P1 | 네이버 블로그 공식 컨텐츠 미수집 | 현재: Naver Search API로 3rd-party 언급 수집. 필요: 등록된 공식 블로그 URL을 Firecrawl로 직접 스크랩 |
|
||
| P1 | Firecrawl 스크린샷 URL 만료 | GCS URL 7일 후 만료 → Supabase Storage로 아카이빙 필요 |
|
||
| P2 | Delta/트렌드 비교 없음 | `channel_snapshots`에 시계열 데이터 있지만 이전 run 대비 delta 계산 미구현 |
|
||
| P2 | V3 dual-write silent error | 에러 발생 시 console만 출력, `analysis_runs.error_message`에 기록 안 됨 |
|
||
| P3 | 강남언니 rating > 5 엣지케이스 | 수정 후에도 Firecrawl이 0-5 반환 시 그대로 저장. 추후 `rawRating`과 비교하는 정규화 로직 고려 |
|
||
|
||
---
|
||
|
||
## Context
|
||
|
||
현재 파이프라인의 3-phase 아키텍처(discover → collect → generate)는 구조적으로는 괜찮으나, **실행 신뢰성**과 **정보 수집 범위**에 심각한 문제가 있음.
|
||
|
||
### 핵심 문제
|
||
- **Vision 분석 부재**: 텍스트만 수집 → 이미지 속 정보(개원 연도, 의료진 사진, 인증 마크, 시술 전후) 100% 누락. 전체 정보의 약 40%를 놓침
|
||
- **Silent failure 16건**: 모든 catch 블록이 에러를 삼킴
|
||
- **데이터 품질 8건**: 잘못된 URL, 동명이인 병원, 평점 스케일 혼동
|
||
- **에러 복구 0건**: 재시도 로직 없음, 새로고침 시 데이터 유실
|
||
- **API 불안정 6건**: 타임아웃, 쿼터 소진, 인증 실패 미감지
|
||
|
||
**목표**: Vision 분석 추가 + 검색 정확도 + 에러 회복력 + UX 투명성 대폭 개선
|
||
|
||
---
|
||
|
||
## 진행 상태 체크리스트
|
||
|
||
### Sprint 0: Vision Analysis 추가 ✅ 완료
|
||
|
||
성형외과 홈페이지의 핵심 정보가 이미지로 제공됨 (배너, 의료진 사진, 인증 마크 등).
|
||
Firecrawl screenshot + Gemini Vision으로 이미지 속 정보를 추출.
|
||
|
||
- [x] **WP-V1**. 멀티페이지 스크린샷 캡처 + 저장 (45min)
|
||
- 파일: `collect-channel-data/index.ts`에 추가 (Phase 2 — 검증된 URL들이 있는 시점)
|
||
- 캡처 대상 (6+ 페이지):
|
||
1. **병원 메인 페이지** — 배너, 소셜 아이콘, 카카오톡 버튼
|
||
2. **의료진 페이지** — siteMap에서 `/doctor`, `/team`, `/staff` URL 자동 탐지
|
||
3. **시술 안내 페이지** — `/surgery`, `/service`, `/procedure` 탐지
|
||
4. **YouTube 채널 랜딩** — `youtube.com/@{handle}` (구독자 수, 고정 영상)
|
||
5. **Instagram 프로필** — `instagram.com/{handle}` (팔로워 수, 피드 미리보기)
|
||
6. **강남언니 페이지** — verified URL (평점, 리뷰 수, 의료진)
|
||
- API: Firecrawl `formats: ["screenshot"]` + `screenshotOptions: { fullPage: false, quality: 80, viewport: { width: 1280, height: 800 } }`
|
||
- 저장: Supabase Storage `screenshots/{reportId}/{channel}.png` → signed URL
|
||
- DB: `channel_data.screenshots[]`에 `ScreenshotEvidence` 형태로 저장
|
||
- 프론트엔드: 이미 구현된 `ScreenshotProvider` → `EvidenceGallery` → `EvidenceLightbox` 에 바로 연결
|
||
|
||
- [x] **WP-V2**. Gemini Vision 분석 (1h)
|
||
- 파일: 새 `_shared/visionAnalysis.ts`
|
||
- API: Google Gemini `gemini-2.0-flash` (GEMINI_API_KEY 이미 .env에 있음)
|
||
- 각 스크린샷별 분석 프롬프트:
|
||
- **메인 페이지**: 개원 연도, 소셜 아이콘, 카카오톡 버튼, 브랜드 컬러, 슬로건, 인증 마크
|
||
- **의료진 페이지**: 의사 이름 + 전문 분야 + 약력 (이미지 내 텍스트 OCR)
|
||
- **시술 페이지**: 시술 카테고리, 가격 정보, 전후 사진 유무
|
||
- **YouTube 랜딩**: 구독자 수, 영상 수, 최근 업로드 제목, 고정 영상
|
||
- **Instagram 프로필**: 팔로워 수, 게시물 수, 최근 피드 미리보기, 바이오
|
||
- **강남언니**: 평점(/10), 리뷰 수, 의료진 수, 시술 종류
|
||
- 응답: 페이지별 JSON → `channel_data.visionAnalysis`에 저장
|
||
|
||
- [x] **WP-V3**. Vision 데이터 → 리포트 + 증거 통합 (45min)
|
||
- 파일: `generate-report/index.ts`, `transformReport.ts`
|
||
- 변경:
|
||
- 스크린샷 → `report.screenshots[]` (ScreenshotEvidence 형태)
|
||
- 프론트엔드의 기존 EvidenceGallery/Lightbox에 바로 표시
|
||
- Vision 추출 의료진 → `clinicSnapshot.doctors` 보강 (이미지에서 읽은 정보)
|
||
- Vision 추출 개원 연도 → `clinicSnapshot.established` 보강
|
||
- Vision 추출 YouTube/Instagram 수치 → KPI에 cross-reference
|
||
- 각 채널 진단 항목에 `evidenceIds` 연결 → 해당 채널 스크린샷이 증거로 표시
|
||
- 검증:
|
||
- 그랜드성형외과 분석 → "SINCE 2004" 개원 연도 추출 확인
|
||
- YouTube 분석 섹션 → 채널 랜딩 스크린샷 썸네일 표시 확인
|
||
- Instagram 분석 섹션 → 프로필 스크린샷 표시 확인
|
||
- 스크린샷 클릭 → 라이트박스 모달에서 풀사이즈 보기 확인
|
||
|
||
### Vision Analysis 프롬프트 설계
|
||
|
||
```
|
||
System: You are a medical clinic website visual analyst. Extract structured
|
||
information from website screenshots. Respond ONLY with valid JSON.
|
||
|
||
User: Analyze this Korean plastic surgery clinic homepage screenshot.
|
||
Extract:
|
||
1. Founding year or operation duration (e.g., "SINCE 2004", "21년 무사고")
|
||
2. Doctor names and specialties shown in profile photos
|
||
3. Certification badges/marks (JCI, 보건복지부, medical tourism)
|
||
4. Main service categories from navigation menu
|
||
5. Social media icons/buttons visible (Instagram, YouTube, Blog, KakaoTalk, etc.)
|
||
6. Floating consultation buttons (KakaoTalk, LINE, WhatsApp)
|
||
7. Brand colors (primary, accent) from visual elements
|
||
8. Any promotional text or slogans in banners
|
||
|
||
{
|
||
"foundingYear": "2004",
|
||
"operationYears": 21,
|
||
"doctors": [{"name": "김OO", "specialty": "안면윤곽", "position": "대표원장"}],
|
||
"certifications": ["JCI", "보건복지부 인증"],
|
||
"serviceCategories": ["눈성형", "코성형", "가슴성형", "안면윤곽"],
|
||
"socialIcons": [{"platform": "instagram", "visible": true}, ...],
|
||
"floatingButtons": ["kakaotalk", "line"],
|
||
"brandColors": {"primary": "#C4A882", "accent": "#FF1493"},
|
||
"slogans": ["끊임없이 의료성형 뷰티 트렌드를 연구하는 그랜드 의료진"]
|
||
}
|
||
```
|
||
|
||
### Vision Analysis에 필요한 API/리소스
|
||
|
||
| API | 용도 | 비용 |
|
||
|-----|------|------|
|
||
| Firecrawl `formats: ["screenshot"]` | 페이지 스크린샷 캡처 | 기존 요금에 포함 |
|
||
| Gemini `gemini-2.0-flash-exp` | 이미지 분석 (Vision) | ~$0.002/이미지 |
|
||
| Gemini `GEMINI_API_KEY` | 이미 설정됨 (.env) | ✅ 사용 가능 |
|
||
|
||
### Vision으로 수집 가능한 추가 정보 (현재 누락)
|
||
|
||
| 정보 | 현재 수집 | Vision 추가 후 |
|
||
|------|---------|-------------|
|
||
| 개원 연도 | ❌ AI 추측 (자주 틀림) | ✅ 배너에서 직접 읽기 |
|
||
| 의료진 수/이름 | ⚠️ 강남언니에서만 | ✅ 홈페이지 프로필에서 추출 |
|
||
| 인증 마크 | ❌ 미수집 | ✅ JCI, 보건복지부 등 인식 |
|
||
| 시술 카테고리 | ⚠️ Firecrawl JSON | ✅ 네비게이션 메뉴에서 확인 |
|
||
| 카카오톡 상담 버튼 | ❌ JS 렌더링이라 못 잡음 | ✅ 플로팅 버튼 감지 |
|
||
| 브랜드 컬러 | ⚠️ CSS 추출 (부정확) | ✅ 실제 비주얼에서 추출 |
|
||
| 슬로건/태그라인 | ⚠️ 이미지 내 텍스트 누락 | ✅ 배너 텍스트 OCR |
|
||
|
||
---
|
||
|
||
### Sprint 1: 데이터 품질 Quick Wins (~2.5h) ✅ 완료
|
||
|
||
- [x] **WP-1**. YouTube Channel ID 정규식 수정 (20min)
|
||
- [x] **WP-2**. Naver Place 동명이인 방지 (30min)
|
||
- [x] **WP-3**. Google Maps URL 수정 (20min)
|
||
- [x] **WP-4**. Naver Blog 공식 블로그 분리 (30min)
|
||
- [x] **WP-5**. 강남언니 평점 정규화 (30min)
|
||
- [x] **WP-6**. Perplexity 모델 상수화 (20min)
|
||
- [x] **WP-7**. Apify 타임아웃 증가 (10min)
|
||
|
||
**추가 완료:**
|
||
- [x] 소셜 버튼 직접 추출 (Firecrawl actions + JS 렌더링 후 href 추출)
|
||
|
||
---
|
||
|
||
### Sprint 2: 에러 가시성 ✅ 완료
|
||
|
||
- [x] **WP-8**. 채널 수집 에러 추적 ⭐ 핵심 (1.5h)
|
||
- 파일: `collect-channel-data/index.ts`
|
||
- DB: `ALTER TABLE marketing_reports ADD COLUMN IF NOT EXISTS channel_errors JSONB DEFAULT '{}';`
|
||
- 변경:
|
||
- [ ] HTTP 상태 코드 체크 (429, 403, 500)
|
||
- [ ] `Promise.allSettled` 결과 순회 → `channelErrors` 기록
|
||
- [ ] 부분 성공이어도 항상 DB 저장 (unconditional save)
|
||
- [ ] status: `"collected"` vs `"partial"` vs `"collection_failed"`
|
||
- [ ] 응답: `{ channelData, channelErrors, partialFailure }`
|
||
- 검증: API 토큰 무효화 시 에러가 기록되는지 확인
|
||
|
||
- [ ] **WP-9**. Instagram/Facebook 검증 개선 (45min)
|
||
- 파일: `_shared/verifyHandles.ts`
|
||
- 변경:
|
||
- [ ] `verified` 타입: `boolean | "unverifiable"`
|
||
- [ ] Instagram: 로그인 리다이렉트 감지
|
||
- [ ] Facebook: HEAD → GET, 실패 시 `"unverifiable"`
|
||
- [ ] `collect-channel-data`에서 `"unverifiable"` 포함
|
||
- 검증: Facebook 핸들이 "unverifiable"로 표시되고 수집은 시도됨
|
||
|
||
---
|
||
|
||
### Sprint 3: 에러 회복 🔜 일부 완료 (~5.25h)
|
||
|
||
- [x] **WP-10**. API 재시도 유틸리티 (2h)
|
||
- 파일: 새 `_shared/retry.ts`
|
||
- 변경: `fetchWithRetry()` — 지수 백오프, 429 존중, AbortController 타임아웃
|
||
- 검증: 429 응답 시 자동 재시도 후 성공
|
||
|
||
- [x] **WP-11**. 부분 실패 복구 (1h)
|
||
- 파일: `collect-channel-data/index.ts`
|
||
- 변경: `Promise.allSettled` 직후 무조건 중간 DB 저장
|
||
- 검증: 일부 채널 실패해도 나머지 데이터 보존
|
||
|
||
- [ ] **WP-12**. 파이프라인 이어하기 (1.5h)
|
||
- 파일: `AnalysisLoadingPage.tsx`, `supabase.ts`
|
||
- 변경:
|
||
- [ ] `sessionStorage`에 reportId 저장
|
||
- [ ] URL에 reportId 포함
|
||
- [ ] DB status 폴링
|
||
- [ ] status별 이어하기 로직
|
||
- 검증: 분석 중 새로고침 → 이어서 진행
|
||
|
||
- [ ] **WP-13**. Enrichment 재시도 버튼 (45min)
|
||
- 파일: `useEnrichment.ts`, `EmptyState.tsx`
|
||
- 변경: `retry()` 함수 + "다시 시도" 버튼 (최대 2회)
|
||
- 검증: Enrichment 실패 후 버튼 클릭 → 재시도 성공
|
||
|
||
---
|
||
|
||
### Sprint 4: UX 마무리 (~50min)
|
||
|
||
- [ ] **WP-14**. EmptyState 상태별 UI (20min)
|
||
- 파일: `EmptyState.tsx`
|
||
- 변경: `loading | error | not_found` 상태별 다른 UI
|
||
- 검증: 각 상태에 맞는 아이콘/메시지/버튼 표시
|
||
|
||
- [ ] **WP-15**. Firecrawl Rate Limiting (30min)
|
||
- 파일: `_shared/retry.ts`에 추가
|
||
- 변경: 도메인별 500ms 간격 강제
|
||
- 검증: Firecrawl 429 에러 발생 안 함
|
||
|
||
---
|
||
|
||
## 핵심 파일 목록
|
||
|
||
| 파일 | Sprint | 설명 |
|
||
|------|--------|------|
|
||
| `supabase/functions/discover-channels/index.ts` | 0, 1 | 채널 발견 + Vision |
|
||
| `supabase/functions/collect-channel-data/index.ts` | 0, 1, 2, 3 | 데이터 수집 |
|
||
| `supabase/functions/_shared/visionAnalysis.ts` (신규) | 0 | Vision 분석 유틸 |
|
||
| `supabase/functions/_shared/config.ts` | 1 | 공유 설정 |
|
||
| `supabase/functions/_shared/verifyHandles.ts` | 1, 2 | 핸들 검증 |
|
||
| `supabase/functions/_shared/retry.ts` (신규) | 3 | 재시도 유틸 |
|
||
| `supabase/functions/enrich-channels/index.ts` | 1 | 레거시 enrichment |
|
||
| `supabase/functions/generate-report/index.ts` | 0 | 리포트에 Vision 데이터 반영 |
|
||
| `supabase/migrations/20260404_channel_errors.sql` (신규) | 2 | DB 마이그레이션 |
|
||
| `src/pages/AnalysisLoadingPage.tsx` | 3 | 로딩 페이지 |
|
||
| `src/hooks/useEnrichment.ts` | 3 | Enrichment 훅 |
|
||
| `src/components/report/ui/EmptyState.tsx` | 4 | 빈 상태 UI |
|
||
| `src/lib/supabase.ts` | 3 | API 클라이언트 |
|
||
|
||
## 총 예상 소요 시간
|
||
|
||
| Sprint | 시간 | 배포 범위 | 상태 |
|
||
|--------|------|---------|------|
|
||
| Sprint 0: Vision Analysis | ~2h | Edge Functions + Gemini | 🔜 다음 |
|
||
| Sprint 1: Quick Wins | ~2.5h | Edge Functions × 5 | ✅ 완료 |
|
||
| Sprint 2: 에러 가시성 | ~2.25h | DB + Edge Functions | 대기 |
|
||
| Sprint 3: 에러 회복 | ~5.25h | Edge Functions + Frontend + Vercel | 대기 |
|
||
| Sprint 4: UX 마무리 | ~50min | Frontend + Vercel | 대기 |
|
||
| **합계** | **~13h** | | |
|
||
|
||
---
|
||
|
||
## Vision Analysis 아키텍처
|
||
|
||
```
|
||
discover-channels (Stage A)
|
||
├─ A1. Firecrawl scrape (JSON + links) ← 기존
|
||
├─ A2. Firecrawl map ← 기존
|
||
├─ A3. Firecrawl branding ← 기존
|
||
├─ A4. Firecrawl social buttons (JS actions) ← 방금 추가
|
||
└─ A5. Firecrawl screenshot + Gemini Vision ← Sprint 0 신규
|
||
├─ 메인 페이지 스크린샷 캡처
|
||
├─ Gemini Vision 분석 (개원 연도, 의료진, 인증, 소셜 아이콘)
|
||
└─ 결과를 clinic 정보 + socialHandles에 병합
|
||
|
||
collect-channel-data
|
||
└─ Vision 데이터를 channel_data.visionAnalysis에 저장
|
||
|
||
generate-report
|
||
└─ Vision 데이터를 리포트 프롬프트에 포함 (실제 데이터 기반)
|
||
```
|