카페24·쿠팡·스마트스토어 데이터를 Claude·ChatGPT로 물어보면 얻는 행사·재고·재구매 전략 (라플라스 MCP)
블랙프라이데이 첫날 아침, 메인 상품 광고를 크게 열었는데 이틀 만에 재고가 바닥나서 광고를 내린 경험이 있는 마케터가 많아요. 행사가 끝나고 정산을 맞춰 보면 더 당황스러운 일도 생겨요. A상품을 1,000개나 팔

블랙프라이데이 첫날 아침, 메인 상품 광고를 크게 열었는데 이틀 만에 재고가 바닥나서 광고를 내린 경험이 있는 마케터가 많아요. 행사가 끝나고 정산을 맞춰 보면 더 당황스러운 일도 생겨요. A상품을 1,000개나 팔았는데 판매 수수료, 무료배송으로 판매자가 낸 배송비, 원가, 광고비를 빼고 나니 오히려 마이너스인 거예요.
이런 일은 데이터가 없어서 생기는 게 아니에요. 재고는 재고 파일에, 원가는 원가표에, 수수료는 채널 정산서에, 광고비는 광고 관리자에 따로 있어서 행사 전에 한 번에 엮어 볼 수가 없었을 뿐이에요. 요즘은 Claude나 ChatGPT에 물어보는 분도 많은데, 데이터가 서로 이어져 있지 않으면 AI도 "이번 달 공헌이익은 얼마예요" 정도에서 멈춰요. 이 글에서는 라플라스에 데이터를 모으고 데이터 사이의 관계(온톨로지)를 연결하면 AI가 어디까지 답할 수 있는지, 행사 재고, 적자 상품, 첫 구매와 재구매라는 세 가지 상황으로 자세히 보여 드릴게요.
이 글에서 알 수 있는 것
PART 01 · 데이터를 모으기만 하면 AI는 '공헌이익이 얼마야'에서 멈춰요
라플라스에는 카페24, 스마트스토어, 쿠팡 같은 판매 채널의 주문과 메타, 구글, 네이버 같은 광고 채널의 광고비가 매일 모여요. 여기까지가 첫 단계예요. 데이터가 한곳에 있으니 "지난주 채널별 매출"이나 "이번 달 공헌이익" 같은 질문에는 바로 답할 수 있어요.
그런데 전략을 세우려면 데이터끼리 이어져 있어야 해요. 쿠팡의 '유산균 30포 1+1'과 자사몰의 '유산균 2박스 세트'가 같은 상품이라는 것, 그 상품의 원가가 지난달에 바뀌었다는 것, 어떤 메타 광고 소재가 그 상품을 팔았다는 것, 오늘 그 상품 재고가 며칠 치 남았는지를 서로 이어 두어야 AI가 "이 상품은 행사 때 팔수록 손해예요"라고 말할 수 있어요. 라플라스에서는 이렇게 데이터 사이의 관계를 정의해 둔 구조를 온톨로지라고 불러요.
| 연결할 관계 | 라플라스에서 연결하는 곳 | 비어 있으면 생기는 일 |
|---|---|---|
| 판매 옵션 ↔ 기초 상품 | 데이터 관리의 옵션 ↔ 기초 상품 매칭 | 같은 상품이 채널마다 따로 잡히고, 원가가 빠진 채 계산돼요 |
| 기초 상품 ↔ 원가 이력 | 기초 상품 | 마진과 공헌이익이 실제보다 좋게 나와요 |
| 브랜드·판매처 ↔ 판매 수수료 | 데이터 관리의 수수료 | 수수료가 0%로 계산돼 공헌이익이 부풀려져요 |
| 광고 소재 ↔ 상품 | 광고 소재 ↔ 상품 매칭 | 상품별 공헌이익에서 광고비가 빠져요 |
| 주문 ↔ 고객 | 판매처 구매 내역을 합쳐 같은 고객을 하나로 식별 | 첫 구매와 재구매, LTV가 틀어져요 |
| 기초 상품 ↔ 재고 이력 | 재고 데이터 연결 (담당 매니저가 도와드려요) | 판매 속도로 소진 예상일을 계산할 수 없어요 |
| 기초 상품 ↔ 내 기준표 (발주 리드타임, 행사 일정 등) | 온톨로지 룩업으로 구글 시트를 붙이기 | 라플라스에 없는 값은 AI가 추측할 수밖에 없어요 |
관계가 하나 빠질 때마다 숫자가 조용히 틀어져요. 화면에는 멀쩡한 숫자로 보이니 더 위험해요. PART 04에서 같은 상품의 공헌이익이 어떤 연결이 빠지느냐에 따라 적자에서 흑자로 뒤집히는 예시를 보여 드릴게요. 거꾸로 말하면, 관계를 연결해 두는 일이 곧 데이터 품질을 올리는 일이고, 데이터 품질이 올라가야 AI의 분석도 믿을 만해져요.
그래서 처음 연결했다면 분석보다 점검을 먼저 맡겨 보세요.
"라플라스 데이터로 분석 전에 데이터 품질부터 점검해줘. 기초 상품에 안 묶인 옵션, 수수료가 설정 안 된 판매처, 상품에 안 붙은 광고비가 있는지 보고 매출에 영향이 큰 순서로 알려줘."
AI는 미매칭 옵션과 판매처별 수수료 이력, 카테고리가 붙지 않아 광고비가 빠지고 있는 광고 규칙을 차례로 조회해서 고칠 목록을 만들어 줘요. 이름이 비슷한 기초 상품으로 매칭해 달라고 하면 매칭까지 저장하고, 모든 변경은 변경 이력에 남아 되돌릴 수 있어요.
PART 02 · 단순 조회와 복합 질문은 이렇게 달라요
관계가 연결되기 전에는 질문 하나에 데이터 하나가 답해요. 연결된 뒤에는 질문 하나에 여러 데이터가 함께 움직여요.
| 지금 흔히 하는 질문 | 관계가 연결된 뒤 할 수 있는 질문 | 함께 엮이는 데이터 |
|---|---|---|
| "지난달 공헌이익 얼마야?" | "블프 기간에 공헌이익이 마이너스인 상품을 채널·할인율별로 나눠서 어디서 돈이 새는지 보여줘" | 주문, 원가, 수수료, 판매자 부담 배송비, 상품별 광고비, 할인·쿠폰 |
| "B상품 재고 몇 개 남았어?" | "지난 행사 때 판매 속도로 보면 B상품이 며칠 만에 품절되는지, 리드타임을 감안해 언제 얼마나 발주해야 하는지 계산해줘" | 재고 이력, 행사 메모, 일별 판매량, 리드타임 시트 |
| "B상품 ROAS 얼마야?" | "재고가 5일 치도 안 남은 상품에 붙어 있는 광고와 최근 7일 광고비를 뽑아줘" | 재고 이력, 광고 소재 ↔ 상품 매칭, 광고비 |
| "재구매율 몇 %야?" | "첫 구매 상품별로 90일 재구매율, 재구매 주기, 12개월 누적 공헌이익을 비교해서 첫 구매 쿠폰을 걸 상품을 골라줘" | 고객 식별, 첫 구매 상품, 코호트, 공헌이익 |
| "쿠폰 쓴 매출 얼마야?" | "쿠폰별로 첫 구매 고객 수, 그 고객이 다시 산 비율, 쿠폰 주문의 공헌이익을 같이 보여줘" | 쿠폰명, 첫 구매·재구매 구분, 공헌이익 |
오른쪽 질문들은 사람이 하면 파일 네다섯 개를 열고 반나절 동안 VLOOKUP을 걸어야 하는 일이에요. 데이터가 이미 이어져 있으면 AI가 같은 기준으로 몇 분 안에 계산해요. 이제 실제 상황 세 가지로 하나씩 볼게요. 예시는 건강기능식품 브랜드로 들었어요.
PART 03 · 행사 이틀 만에 광고를 끄지 않으려면 (재고 ↔ 판매 속도 ↔ 광고)
어떤 상황인가요
블랙프라이데이 7일 행사에 멀티비타민(B상품)을 메인으로 걸었어요. 재고는 900개, 평소 하루 90개씩 나가니 재고가 10일 치 있어서 넉넉해 보였어요. 그런데 행사가 시작되자 판매가 평소의 4배로 뛰었고, 2.5일 만에 품절됐어요. 남은 4일 반 동안 메인 광고는 꺼 두었고, 상세페이지에는 품절 표시만 남았어요.
문제는 '평소 기준 재고 일수'만 봤다는 거예요. 행사 때 판매 속도, 발주에 걸리는 시간, 그 상품에 붙은 광고를 한 번에 보지 못했어요.
무엇을 연결해 두어야 하나요
-
재고 이력 기초 상품별 입고, 출고, 기말 재고, 일평균 출고량, 출고량의 표준편차, 재고 일수가 매일 쌓여요.
-
판매 옵션 ↔ 기초 상품 1+1, 세트 상품이 팔려도 기초 상품 몇 개가 나갔는지로 환산돼야 판매 속도가 맞아요.
-
행사 메모 지난 행사 기간을 대시보드 메모로 남겨 두면 AI가 그 기간을 찾아 평소와 비교해요.
-
광고 소재 ↔ 상품 어떤 캠페인과 소재가 B상품을 파는지 이어져 있어야 줄일 광고를 바로 고를 수 있어요.
-
리드타임 시트 발주부터 입고까지 걸리는 날짜는 라플라스에 없는 값이라, 구글 시트에 적어 두고 온톨로지 룩업으로 기초 상품에 붙여요.
AI에게 이렇게 물어보세요
-
"라플라스 데이터로 다음 주 블프 행사에 걸 상품 10개의 지금 재고와 재고 일수를 보여줘. 지난 블프 메모 기간에 판매가 평소보다 몇 배였는지도 같이 계산해서, 그 속도라면 며칠 만에 품절되는지 알려줘."
-
"리드타임 시트를 기초 상품에 붙여서, 행사 7일을 버티려면 상품별로 언제까지 몇 개를 발주해야 하는지 안전재고까지 넣어서 계산해줘."
-
"발주가 행사 전에 못 들어오는 상품은 하루에 팔아도 되는 수량을 계산하고, 그 상품에 붙은 광고와 최근 7일 광고비를 뽑아줘. 대신 광고를 몰아줄 만한 상품을 재고 일수와 공헌이익률 기준으로 추천해줘."
-
"행사 기간에 재고 일수가 3일 아래로 떨어지는 상품이 생기면 매일 오전 슬랙으로 알려줘."
AI는 데이터를 이렇게 엮어요
AI는 먼저 행사 메모로 지난 행사 기간을 찾고, 그 기간과 평소의 기초 상품별 판매량을 비교해 판매 배수를 구해요. 그다음 재고 이력에서 지금 재고, 일평균 출고량, 출고량의 표준편차를 가져와 예상 소진일을 계산하고, 룩업으로 붙인 리드타임으로 안전재고와 발주량을 계산해요. 마지막으로 광고 소재 ↔ 상품 연결을 따라가 그 상품에 쓰이는 캠페인과 광고비를 뽑아요.
| 항목 (예시 계산) | 값 | 계산 |
|---|---|---|
| 평소 일평균 출고 / 출고 표준편차 | 90개 / 25개 | 재고 이력 |
| 지금 재고 | 900개 | 재고 이력 (평소 기준 10일 치) |
| 지난 행사 판매 배수 | 4배 | 행사 메모 기간과 평소 비교 |
| 행사 중 예상 하루 판매 | 360개 | 90개 × 4 |
| 지금 재고로 버티는 날 | 2.5일 | 900개 ÷ 360개 |
| 발주 리드타임 | 5일 | 리드타임 시트 룩업 |
| 안전재고 | 370개 | 1.65 × (25개 × 4) × √5일 ≈ 369개 |
| 7일 행사에 필요한 재고 | 2,520개 | 360개 × 7일 |
| 추가 발주량 | 1,990개 | 2,520개 + 370개 − 900개 |

안전재고 계산에 쓴 1.65는 품절 없이 버틸 확률을 95% 정도로 잡을 때 흔히 쓰는 값이에요. 더 보수적으로 잡고 싶다면 AI에게 "99% 기준으로 다시 계산해줘"라고 하면 돼요.
그래서 세울 수 있는 전략
-
발주 마감일을 행사 일정에서 거꾸로 정해요. 리드타임이 5일이면 행사 시작 5일 전이 마지막 발주일이에요. 상품별 발주 마감일 표를 행사 2주 전에 받아 두면 MD와 마케터가 같은 표를 보고 움직일 수 있어요.
-
발주가 늦는 상품은 광고를 재고에 맞춰요. 위 예시에서 추가 입고가 없다면 안전재고를 빼고 팔 수 있는 건 530개, 7일로 나누면 하루 약 76개예요. 평소 판매량보다 적으니 B상품은 메인 광고에서 빼고, 재고 일수가 넉넉하고 공헌이익률이 좋은 상품으로 예산을 옮기는 게 맞아요.
-
행사 중에는 알림으로 지켜봐요. 재고 일수가 기준 아래로 내려가면 슬랙으로 받아 보고, 광고 예산을 미리 줄이면 '이틀 만에 광고 중단'이 '마지막 날까지 조절하며 운영'으로 바뀌어요.
-
행사가 끝나면 메모를 남겨요. 이번 행사 기간과 판매 배수를 메모로 남겨 두면 다음 행사 때 AI가 더 정확한 배수로 계산해요.
PART 04 · 블프에 1,000개 팔았는데 적자인 상품 찾기 (상품 ↔ 채널 ↔ 할인 ↔ 비용)
어떤 상황인가요
정가 39,000원인 유산균 30일분(A상품)을 블프에 40% 할인한 23,400원에 팔았어요. 1,000개가 팔려서 매출 2,340만 원, 판매 순위 1위였어요. 그런데 판매 수수료, 무료배송으로 판매자가 낸 배송비, 원가, 행사 광고비를 빼 보니 67만 4천 원 적자였어요.

| A상품 1,000개 (예시 계산) | 개당 | 합계 |
|---|---|---|
| 결제금액 (정가 39,000원에서 40% 할인) | 23,400원 | 23,400,000원 |
| 판매 수수료 (채널 평균 11%) | −2,574원 | −2,574,000원 |
| 판매자 부담 배송비 | −3,000원 | −3,000,000원 |
| 원가 | −9,500원 | −9,500,000원 |
| 행사 광고비 | −9,000원 | −9,000,000원 |
| 공헌이익 | −674원 | −674,000원 |
이해를 돕기 위해 부가세는 따로 떼지 않고 단순하게 계산했어요. 라플라스의 공헌이익은 결제금액에서 원가, 광고비, 수수료, 판매자 부담 배송비를 빼고 부가세를 제외해 계산해요.
이 숫자가 맞으려면 무엇이 연결돼 있어야 하나요
같은 A상품이라도 관계가 하나 빠지면 AI가 보는 공헌이익이 이렇게 달라져요.
| 빠진 연결 (예시 계산) | AI가 보는 A상품 공헌이익 | 무엇이 빠졌나 |
|---|---|---|
| 모두 연결됨 | −67.4만 원 | 실제 손익 |
| 판매처 수수료 미설정 | +190만 원 | 수수료 257.4만 원이 0원으로 계산돼요 |
| 광고 소재 ↔ 상품 매칭 없음 | +832.6만 원 | 광고비 900만 원이 상품에 안 붙어요 |
| 옵션 ↔ 기초 상품 매칭 없음 | +882.6만 원 | 원가 950만 원이 빠져요 |
연결이 하나만 빠져도 적자 상품이 '효자 상품'으로 보여요. 이 상태로 AI에게 "다음 행사에 밀 상품 골라줘"라고 하면, AI는 틀린 숫자를 근거로 그럴듯한 답을 내놓아요. 관계를 연결하는 일이 데이터 품질 작업이라고 말하는 이유예요.
AI에게 이렇게 물어보세요
-
"라플라스 데이터로 블프 기간에 판매량 상위 20개 상품의 공헌이익을 보여줘. 결제금액에서 수수료, 판매자 부담 배송비, 원가, 광고비가 각각 얼마나 빠졌는지 나눠서, 적자인 상품만 따로 표시해줘."
-
"적자 상품을 채널별로 나눠줘. 같은 상품이라도 어느 채널에서 손해가 났는지 보고 싶어."
-
"A상품의 할인·쿠폰 금액을 상품 거래액으로 나눠서 날짜별 할인율을 계산하고, 할인율 구간별로 판매량과 개당 공헌이익을 비교해줘."
-
"지금 원가, 수수료, 배송비, 광고비 기준으로 A상품이 손해를 안 보는 최저 판매가와 최대 할인율을 계산해줘."
AI는 데이터를 이렇게 엮어요
AI는 기초 상품 기준으로 채널별 주문을 합치고, 원가 이력에서 그 기간 원가를, 판매처별 수수료 이력에서 요율을, 광고 소재 ↔ 상품 매칭으로 상품별 광고비를 가져와 공헌이익을 분해해요. 채널별로 나눠 보면 평균에 묻혀 있던 차이가 드러나요.
| 채널 (예시 계산) | 판매량 | 수수료율 | 광고비 | 공헌이익 |
|---|---|---|---|---|
| 자사몰 (카페24) | 300개 | 4% | 450만 원 | −1,510,800원 |
| 오픈마켓 (쿠팡·스마트스토어) | 700개 | 14% | 450만 원 | +836,800원 |
| 합계 | 1,000개 | 평균 11% | 900만 원 | −674,000원 |
수수료가 낮은 자사몰이 오히려 적자예요. 자사몰로 사람을 데려오려고 쓴 광고비가 300개에 몰려서 개당 15,000원이 됐기 때문이에요. 이 자사몰 손실이 정말 손해인지는 PART 05의 질문으로 이어져요. 이때 첫 구매로 들어온 고객이 나중에 다시 산다면, 첫 구매 손실은 신규 고객을 데려오는 비용으로 볼 수도 있거든요.
할인율별로 보면 다음 행사의 기준이 보여요.
| 할인율 (예시 계산) | 판매가 | 판매량 | 광고비 | 공헌이익 | 개당 공헌이익 |
|---|---|---|---|---|---|
| 20% | 31,200원 | 550개 | 600만 원 | +2,397,400원 | +4,359원 |
| 30% | 27,300원 | 750개 | 750만 원 | +1,347,750원 | +1,797원 |
| 40% | 23,400원 | 1,000개 | 900만 원 | −674,000원 | −674원 |
1,000개를 팔고 광고비 900만 원을 쓴다고 할 때, 손해를 보지 않는 최저 판매가는 (배송비 3,000원 + 원가 9,500원 + 개당 광고비 9,000원) ÷ (1 − 수수료 11%) = 약 24,157원이에요. 정가 대비 약 38% 할인이 한계라는 뜻이에요.
그래서 세울 수 있는 전략
-
할인 상한을 상품마다 미리 정해요. A상품은 할인 38%가 손익분기점이니, 수수료나 광고비가 조금 늘어날 것까지 생각해 35%를 상한으로 잡아요. 같은 조건에서 35% 할인이면 개당 약 1,062원이 남아요.
-
판매량 1위보다 공헌이익 1위를 메인에 걸어요. 행사 메인 배너와 광고 예산은 '많이 팔리는 상품'이 아니라 '팔수록 남는 상품'에 먼저 배정해요.
-
무료배송 기준을 바꿔 봐요. 개당 3,000원인 판매자 부담 배송비는 할인율보다 먼저 손댈 수 있는 비용이에요. 2개 이상 구매 시 무료배송으로 바꾸면 개당 배송비가 줄어요.
-
행사가 끝나면 상품 손익 표를 저장해요. "이 표를 '블프 결산' 대시보드에 넣어줘"라고 하면 다음 행사 때 같은 기준으로 비교할 수 있어요.
PART 05 · 첫 구매는 어떤 상품으로 열고, 재구매는 어떻게 이을까 (고객 ↔ 첫 구매 상품 ↔ 재구매)
어떤 상황인가요
신규 고객을 늘리려고 첫 구매 쿠폰을 상품 세 개에 걸었어요. 체험팩은 싸서 첫 구매가 잘 일어났지만, 정작 다시 사는 고객이 적었어요. 반대로 첫 구매에서 손해를 본 상품이 나중에 더 많은 이익을 남기기도 해요. 첫 구매 매출만 봐서는 어느 쪽인지 알 수 없어요.
무엇을 연결해 두어야 하나요
-
주문 ↔ 고객 여러 판매처의 구매 내역을 합쳐 같은 고객을 하나로 식별해야 첫 구매와 재구매가 정확해요.
-
첫 구매 상품 ↔ 이후 구매 첫 구매 상품별로 이후 어떤 상품이든 다시 산 비율(재구매율)과 다시 사기까지 걸린 날짜(재구매 주기)를 봐요.
-
쿠폰명 ↔ 주문 주문에 남은 쿠폰명으로 어떤 쿠폰이 어떤 고객을 데려왔는지 나눠요.
-
고객 ↔ 공헌이익 라플라스의 코호트 LTV는 누적 공헌이익을 코호트 고객 수로 나눈 값이라, 매출이 아니라 남긴 돈으로 고객 가치를 봐요.
AI에게 이렇게 물어보세요
-
"라플라스 데이터로 최근 12개월 첫 구매 고객을 첫 구매 상품별로 나눠서 90일 재구매율, 평균 재구매 주기, 12개월 1인당 누적 공헌이익을 비교해줘."
-
"첫 구매 쿠폰별로 첫 구매 고객 수, 첫 구매 주문의 공헌이익, 그 고객들이 90일 안에 다시 산 비율을 같이 보여줘."
-
"유산균을 처음 산 고객이 두 번째로 무엇을 샀는지 따라가 주고, 같은 장바구니에 자주 담긴 상품 조합도 알려줘."
-
"유산균을 처음 사고 아직 다시 사지 않은 고객을 세그먼트로 저장해줘. 첫 구매 후 지난 날짜도 같이 보고 싶어."
AI는 데이터를 이렇게 엮어요
AI는 코호트 분석으로 첫 구매 상품별 재구매율과 누적 공헌이익을, 재구매 주기 분석으로 다시 사기까지 걸린 날짜를, 플로우 분석과 교차 구매 분석으로 두 번째 구매 상품과 함께 담긴 상품을 가져와요. 쿠폰명으로 나눈 첫 구매 주문의 공헌이익까지 붙이면 이런 표가 나와요.
| 첫 구매 상품 (예시 계산) | 첫 구매 1인당 공헌이익 | 90일 재구매율 | 평균 재구매 주기 | 12개월 1인당 누적 공헌이익 |
|---|---|---|---|---|
| 유산균 30일분 (반값 체험 쿠폰) | −6,000원 | 38% | 31일 | +29,000원 |
| 오메가3 90일분 (20% 쿠폰) | +4,000원 | 19% | 76일 | +11,000원 |
| 비타민C 7일 체험팩 (9,900원) | −2,000원 | 12% | 47일 | −500원 |
첫 구매만 보면 오메가3가 가장 좋아 보이지만, 12개월로 보면 첫 구매에서 6,000원을 손해 본 유산균이 1인당 29,000원을 남겨요. 비타민C 체험팩은 첫 구매도 손해이고 1년이 지나도 회수되지 않아요.
첫 구매 적자 허용치 예시 계산
그래서 세울 수 있는 전략
-
첫 구매 쿠폰은 유산균에 집중해요. 첫 구매 적자 허용치(1인당 20,000원) 안에서 쿠폰 금액과 첫 구매 광고비를 정하면, 자사몰 광고비가 많이 든 PART 04의 손실도 '회수되는 투자'인지 판단할 수 있어요.
-
재구매 쿠폰은 구매 주기보다 일주일 먼저 보내요. 유산균 재구매 주기가 31일이면 첫 구매 후 24일째쯤 재구매 쿠폰을 받도록 세그먼트를 만들어 두어요.
-
두 번째 구매를 설계해요. 유산균 첫 구매 고객이 두 번째로 비타민D를 자주 산다면, 재구매 쿠폰을 '유산균 + 비타민D 세트'로 걸어 객단가를 같이 올려요.
-
회수가 안 되는 체험팩은 첫 구매 미끼에서 빼요. 대신 기존 고객의 교차 구매용 상품으로 돌려요.
PART 06 · 어떤 채널과 AI에서 쓸 수 있나요
물어볼 수 있는 범위는 라플라스에 연결해 둔 데이터와 같아요.
-
판매 채널 카페24, 네이버 스마트스토어, 쿠팡 Wing, 쿠팡 로켓그로스, 아임웹, 고도몰5, 카카오쇼핑, 샵바이, 토스쇼핑 등
-
광고 채널 메타, 구글 Ads, 네이버 검색광고, 네이버 GFA, 카카오모먼트, 틱톡 Ads, 쿠팡Ads 등
-
그 밖에 GA4, 재고 데이터, 원가와 리드타임 같은 기준표(구글 시트)
채널별 연결 순서는 라플라스 가이드에 있고, 연결이 어려운 채널은 담당 매니저가 도와드려요.
| AI 도구 | 연결 방식 | 알아 둘 점 |
|---|---|---|
| Claude (웹·앱) | 라플라스 계정 로그인 | 설치가 가장 쉬워서 처음이라면 추천해요 |
| ChatGPT | 라플라스 계정 로그인 | 설정에서 개발자 모드를 켠 뒤 등록해요 |
| Perplexity | 라플라스 계정 로그인 | Pro 이상 유료 플랜에서 연결할 수 있어요 |
| Claude Code · Cursor · VS Code | API 키 | 키 발급 창에서 명령을 복사해 붙여 넣으면 등록돼요 |
| Gemini | API 키 | 개발자용 Gemini CLI에서만 되고, 일반 앱·웹은 아직 지원하지 않아요 |
이용 조건도 같이 확인해 주세요. MCP는 Growth·Pro·Enterprise 플랜에서 쓸 수 있고, Starter 플랜에서는 쓸 수 없어요. 무료 체험 중에는 호출 100회까지 써 볼 수 있어요. 플랜은 프로젝트 소유자 기준으로 확인하니, 초대받은 멤버라면 소유자의 플랜을 따라요.
PART 07 · Claude와 ChatGPT에 연결하는 순서
두 서비스 모두 MCP 서버 주소 하나만 넣으면 돼요.
Claude (웹·앱)
-
설정의 커넥터에서 커스텀 커넥터 추가를 누르고, 이름은 Laplace, 서버 주소는 https://gateway.laplacetec.com/mcp 를 넣어요.
-
연결을 누르고 라플라스 로그인 화면에서 Allow Access를 누른 뒤, 평소 라플라스에 로그인하는 계정으로 들어가요.
-
새 채팅의 + 버튼에서 커넥터 항목의 Laplace가 켜져 있는지 확인해요.
ChatGPT
-
설정의 보안 및 로그인 메뉴에서 개발자 모드를 켜요.
-
플러그인 메뉴의 플러그인 둘러보기에서 + 버튼을 누르고, 이름은 Laplace, 서버 주소는 https://gateway.laplacetec.com/mcp, 인증 방식은 OAuth로 만들어요.
-
라플라스 로그인 화면에서 Allow Access를 누르고 라플라스 계정으로 로그인해요.
연결이 끝나면 "내 라플라스 프로젝트 알려줘"를 보내 보세요. 프로젝트 이름이 나오면 제대로 연결된 거예요. 질문 앞에 "라플라스 데이터로"를 붙이면 AI가 연결된 데이터를 먼저 조회하고, 긴 기간은 90일 이내로 나눠 물어보는 편이 빨라요.
라플라스에 구글 로그인으로 가입했다면 연결할 때도 구글 로그인으로, 이메일로 가입했다면 이메일로 로그인해야 해요. 다른 방식으로 로그인하면 데이터가 안 보이거나 다른 프로젝트가 나올 수 있어요.
PART 08 · 보안과 문제 해결
-
AI는 연결한 사람의 라플라스 권한을 그대로 써요. 라플라스에서 볼 수 없는 데이터는 AI도 조회할 수 없고, 구매자 이름·연락처·주소 같은 개인정보는 조회되지 않아요.
-
조회가 기본이고, 매칭이나 대시보드처럼 데이터를 바꾸는 작업은 요청했을 때만 해요. 모든 변경은 변경 이력에 남아 되돌릴 수 있어요.
-
AI가 조회한 결과는 쓰고 있는 AI 서비스의 대화로 전달되고, 그 서비스의 데이터 정책을 따라요. 회사의 AI 사용 정책에 맞는 계정으로 연결해 주세요.
-
AI가 라플라스 데이터를 안 쓰고 답하면 커넥터에 Laplace가 켜져 있는지 확인하고 질문에 "라플라스 데이터로"를 붙여 보세요.
-
'플랜 업그레이드 필요'나 '체험 종료'가 보이면 Growth 이상 플랜으로 바꾸면 쓸 수 있어요. 프로젝트 소유자가 아니라면 소유자에게 요청해 주세요.
-
연결이 끊기거나 인증 오류가 나면 커넥터를 해제한 뒤 다시 연결하고, API 키로 연결했다면 새 키를 발급해 다시 등록해 주세요.
행사 전에 질문 하나부터 맡겨 보세요
데이터를 모으는 것만으로는 AI가 '공헌이익이 얼마야'까지만 답해요. 상품, 원가, 수수료, 광고, 고객, 재고 사이의 관계를 연결해 두면 같은 AI가 발주 마감일, 할인 상한, 첫 구매 쿠폰 상품까지 근거와 함께 설계해 줘요. 다음 행사 전에 "행사에 걸 상품들의 재고 일수와 할인 상한을 계산해줘" 한 문장부터 맡겨 보세요.
자세한 연결 순서는 라플라스 MCP 시작 가이드에, 할 수 있는 일과 예시 문장은 MCP 소개 페이지에 정리해 두었어요.
이 글의 숫자, 질문과 대화는 이해를 돕기 위한 예시 계산이고, 실제 고객사 데이터가 아니에요. 화면 이름과 메뉴 위치는 라플라스와 각 AI 서비스의 업데이트에 따라 조금 다를 수 있어요.