# v8: 매출 분석 요청

## 개요

이번 단계에서는 Stripe에서 조회한 매출 데이터를 ChatGPT에 전달하여 분석을 요청합니다. 효과적인 프롬프트 엔지니어링을 통해 실용적인 인사이트를 얻는 방법을 다룹니다.

## 분석 모듈 작성

### src/chatgpt/analyze.ts

```typescript
import { openai } from './client.js';
import { SalesStats, AnalysisResult } from '../types/index.js';
import { formatForChatGPT } from '../utils/formatter.js';
import { env } from '../config/env.js';

/**
 * 매출 데이터를 분석하는 시스템 프롬프트
 */
const SYSTEM_PROMPT = `당신은 전문적인 비즈니스 애널리스트입니다.

당신의 역할:
- 매출 데이터를 분석하여 핵심 인사이트를 도출합니다
- 데이터에 기반한 실용적인 비즈니스 제안을 제공합니다
- 명확하고 간결한 언어로 소통합니다
- 긍정적이면서도 개선점을 놓치지 않습니다

분석 시 고려사항:
- 매출 규모와 거래 건수의 관계
- 카테고리별 매출 비중과 트렌드
- 시간대별 거래 패턴
- 평균 주문 금액(AOV)의 의미
- 실행 가능한 개선 방안`;

/**
 * 매출 분석 프롬프트 생성
 */
function createAnalysisPrompt(stats: SalesStats): string {
  const dataText = formatForChatGPT(stats);

  return `다음은 오늘(${stats.date})의 매출 데이터입니다:

${dataText}

위 데이터를 분석하여 다음 형식으로 제공해주세요:

## 📊 매출 요약
(전체 매출을 2-3문장으로 요약)

## 💡 주요 인사이트
(데이터에서 발견한 중요한 사실 3-5가지, 각각 1-2문장)

## 📈 개선 제안
(실행 가능한 구체적인 제안 2-3가지)

## 🎯 다음 단계
(즉시 실행할 수 있는 액션 아이템 2-3가지)

명확하고 실용적으로 작성해주세요.`;
}

/**
 * ChatGPT로 매출 분석
 */
export async function analyzeSales(stats: SalesStats): Promise<AnalysisResult> {
  console.log('🤖 ChatGPT 분석 시작...\n');

  const prompt = createAnalysisPrompt(stats);

  try {
    const response = await openai.chat.completions.create({
      model: env.openaiModel,
      messages: [
        {
          role: 'system',
          content: SYSTEM_PROMPT,
        },
        {
          role: 'user',
          content: prompt,
        },
      ],
      max_tokens: env.openaiMaxTokens,
      temperature: env.openaiTemperature,
    });

    const rawResponse = response.choices[0].message.content || '';

    // 토큰 사용량 표시
    if (response.usage) {
      console.log(`💰 토큰 사용: ${response.usage.total_tokens} (입력: ${response.usage.prompt_tokens}, 출력: ${response.usage.completion_tokens})`);
    }

    // 응답 파싱
    const parsed = parseAnalysisResponse(rawResponse);

    console.log('✅ 분석 완료!\n');

    return {
      ...parsed,
      rawResponse,
    };
  } catch (error) {
    console.error('❌ 분석 중 에러 발생:', error);
    throw error;
  }
}

/**
 * ChatGPT 응답을 구조화된 데이터로 파싱
 */
function parseAnalysisResponse(response: string): Omit<AnalysisResult, 'rawResponse'> {
  // 기본값
  const result = {
    summary: '',
    insights: [] as string[],
    recommendations: [] as string[],
  };

  // 섹션별로 분리
  const sections = response.split('##').map((s) => s.trim()).filter(Boolean);

  sections.forEach((section) => {
    const lines = section.split('\n').filter((l) => l.trim());
    const title = lines[0].toLowerCase();

    // 매출 요약
    if (title.includes('요약') || title.includes('summary')) {
      result.summary = lines
        .slice(1)
        .join(' ')
        .trim();
    }

    // 주요 인사이트
    if (title.includes('인사이트') || title.includes('insight')) {
      result.insights = lines
        .slice(1)
        .filter((l) => l.trim().match(/^[-•*\d]/))
        .map((l) => l.replace(/^[-•*\d.)\s]+/, '').trim());
    }

    // 개선 제안 + 다음 단계
    if (
      title.includes('제안') ||
      title.includes('recommendation') ||
      title.includes('다음') ||
      title.includes('action')
    ) {
      const recs = lines
        .slice(1)
        .filter((l) => l.trim().match(/^[-•*\d]/))
        .map((l) => l.replace(/^[-•*\d.)\s]+/, '').trim());

      result.recommendations.push(...recs);
    }
  });

  return result;
}

/**
 * 간단한 요약만 생성
 */
export async function generateQuickSummary(stats: SalesStats): Promise<string> {
  const prompt = `다음 매출 데이터를 한 문단(3-4문장)으로 요약해주세요:

날짜: ${stats.date}
총 매출: $${(stats.totalAmount / 100).toFixed(2)}
거래 건수: ${stats.totalCount}
평균 주문 금액: $${(stats.averageAmount / 100).toFixed(2)}`;

  const response = await openai.chat.completions.create({
    model: env.openaiModel,
    messages: [
      {
        role: 'system',
        content: '당신은 매출 데이터를 간결하게 요약하는 전문가입니다.',
      },
      {
        role: 'user',
        content: prompt,
      },
    ],
    max_tokens: 200,
    temperature: 0.7,
  });

  return response.choices[0].message.content || '';
}
```

## 분석 실행 스크립트

### src/analyze-sales.ts

```typescript
import { aggregateSalesData } from './stripe/fetch-data.js';
import { analyzeSales } from './chatgpt/analyze.js';
import { formatSalesStats } from './utils/formatter.js';

async function main() {
  console.log('📊 Stripe 매출 데이터 분석\n');
  console.log('='.repeat(60));

  try {
    // 1. Stripe에서 데이터 조회
    console.log('\n📥 1단계: Stripe 데이터 조회 중...\n');
    const stats = await aggregateSalesData();

    if (stats.totalCount === 0) {
      console.log('⚠️  오늘 거래가 없습니다.');
      console.log('먼저 테스트 결제를 생성해주세요: npm run generate');
      return;
    }

    // 기본 통계 출력
    console.log(formatSalesStats(stats));

    // 2. ChatGPT로 분석
    console.log('\n' + '='.repeat(60));
    console.log('\n🤖 2단계: ChatGPT 분석 중...\n');

    const analysis = await analyzeSales(stats);

    // 3. 결과 출력
    console.log('='.repeat(60));
    console.log('\n🎯 분석 결과\n');
    console.log('='.repeat(60));

    console.log('\n## 📊 매출 요약\n');
    console.log(analysis.summary);

    if (analysis.insights.length > 0) {
      console.log('\n## 💡 주요 인사이트\n');
      analysis.insights.forEach((insight, index) => {
        console.log(`${index + 1}. ${insight}`);
      });
    }

    if (analysis.recommendations.length > 0) {
      console.log('\n## 📈 개선 제안 및 다음 단계\n');
      analysis.recommendations.forEach((rec, index) => {
        console.log(`${index + 1}. ${rec}`);
      });
    }

    console.log('\n' + '='.repeat(60));
    console.log('\n✨ 분석 완료!\n');
  } catch (error) {
    console.error('\n💥 에러 발생:');
    console.error(error);
    process.exit(1);
  }
}

main();
```

### package.json 업데이트

```json
{
  "scripts": {
    "analyze": "tsx src/analyze-sales.ts",
    "report": "tsx src/analyze-sales.ts"
  }
}
```

## 실행 및 테스트

### 1. 테스트 결제 생성

```bash
npm run generate 15
```

### 2. 매출 분석

```bash
npm run analyze
```

### 예상 출력

```
📊 Stripe 매출 데이터 분석

============================================================

📥 1단계: Stripe 데이터 조회 중...

📅 2025-11-28 결제 데이터 조회 중...
✅ 15건의 결제를 찾았습니다.

=== 매출 분석 (2025-11-28) ===

📊 기본 통계
총 매출: $8,432.00
결제 건수: 15건
평균 결제 금액: $562.13

📦 카테고리별 매출
  electronics: $3,890.00 (6건, 46.1%)
  books: $2,240.00 (4건, 26.6%)
  clothing: $1,502.00 (3건, 17.8%)
  home: $800.00 (2건, 9.5%)

⏰ 시간대별 결제 건수
  09:00 | █ 1건
  11:00 | ██ 2건
  14:00 | ████ 4건
  16:00 | ███ 3건
  18:00 | ██ 2건
  20:00 | ██ 2건
  22:00 | █ 1건

💰 최고 결제 Top 5
  1. $950.00 - Smart Watch
  2. $820.00 - Mechanical Keyboard
  3. $680.00 - The Pragmatic Programmer
  4. $560.00 - Wireless Headphones
  5. $490.00 - Winter Jacket

============================================================

🤖 2단계: ChatGPT 분석 중...

🤖 ChatGPT 분석 시작...

💰 토큰 사용: 856 (입력: 542, 출력: 314)
✅ 분석 완료!

============================================================

🎯 분석 결과

============================================================

## 📊 매출 요약

오늘 총 15건의 거래를 통해 $8,432의 견고한 매출을 달성했습니다.
건당 평균 $562.13으로 중상위 가격대의 상품들이 고르게 판매되었습니다.
Electronics 카테고리가 전체 매출의 거의 절반을 차지하며 핵심 매출원으로
확인되었습니다.

## 💡 주요 인사이트

1. Electronics 카테고리가 46.1%의 매출 비중을 차지하며, 평균 주문 금액도
   $648로 가장 높습니다. 이는 고객들이 고가 전자제품에 대한 구매 의향이
   높다는 것을 보여줍니다.

2. 오후 2시(14시)에 거래가 가장 집중되어 있으며, 전체적으로 오후 시간대
   (14-20시)에 80%의 거래가 발생했습니다. 점심 이후 쇼핑 패턴이 뚜렷합니다.

3. Books와 Clothing 카테고리도 각각 26.6%, 17.8%의 안정적인 비중을
   보이며, 카테고리 다각화가 잘 이루어지고 있습니다.

4. Top 5 결제 중 4건이 $500 이상의 고가 상품이며, 이는 고객 세그먼트가
   프리미엄 제품에 집중되어 있음을 시사합니다.

## 📈 개선 제안 및 다음 단계

1. Electronics의 높은 인기를 활용하여 관련 액세서리(케이블, 케이스,
   충전기 등)를 번들로 제안하면 객단가를 더욱 높일 수 있습니다.

2. 오전 시간대(9-12시)의 거래가 전체의 20%에 불과하므로, 오전 한정
   프로모션이나 Early Bird 할인을 통해 거래를 분산시킬 수 있습니다.

3. Home 카테고리의 매출 비중이 9.5%로 낮으므로, 이 카테고리의 상품
   라인업을 확대하거나 계절별 프로모션을 기획해볼 가치가 있습니다.

4. 평균 주문 금액 $562를 기준으로 $600 이상 구매 시 무료 배송 등의
   인센티브를 제공하여 객단가 상승을 유도할 수 있습니다.

============================================================

✨ 분석 완료!
```

## 프롬프트 엔지니어링 팁

### 1. 명확한 역할 정의

```typescript
const SYSTEM_PROMPT = `당신은 전문적인 비즈니스 애널리스트입니다.

당신의 역할:
- 매출 데이터를 분석하여 핵심 인사이트를 도출합니다
- 데이터에 기반한 실용적인 비즈니스 제안을 제공합니다`;
```

### 2. 구체적인 형식 지정

```typescript
위 데이터를 분석하여 다음 형식으로 제공해주세요:

## 📊 매출 요약
(전체 매출을 2-3문장으로 요약)

## 💡 주요 인사이트
(데이터에서 발견한 중요한 사실 3-5가지)
```

### 3. 제약 조건 명시

```typescript
제약 조건:
- 각 인사이트는 1-2문장으로 작성
- 데이터에 근거한 사실만 언급
- 추측이나 가정은 피할 것
- 실행 가능한 제안만 포함
```

### 4. 예시 제공 (Few-shot Learning)

```typescript
const EXAMPLE_ANALYSIS = `
예시:

## 📊 매출 요약
오늘 20건의 거래를 통해 $12,450의 매출을 달성했습니다.
건당 평균 $622.50으로 안정적인 수준을 유지했습니다.

## 💡 주요 인사이트
1. Electronics 카테고리가 전체 매출의 55%를 차지하며 핵심 카테고리로 확인됨
2. 오후 2-5시 사이에 전체 거래의 60%가 집중되어 있음
`;

// 프롬프트에 추가
const prompt = `${EXAMPLE_ANALYSIS}\n\n이제 다음 데이터를 분석해주세요:\n\n${dataText}`;
```

## 고급 분석 기능

### 비교 분석

```typescript
/**
 * 어제와 비교 분석
 */
export async function compareWithYesterday(
  today: SalesStats,
  yesterday: SalesStats
): Promise<string> {
  const prompt = `다음은 오늘과 어제의 매출 비교입니다:

오늘 (${today.date}):
- 총 매출: $${(today.totalAmount / 100).toFixed(2)}
- 거래 건수: ${today.totalCount}
- 평균 주문: $${(today.averageAmount / 100).toFixed(2)}

어제 (${yesterday.date}):
- 총 매출: $${(yesterday.totalAmount / 100).toFixed(2)}
- 거래 건수: ${yesterday.totalCount}
- 평균 주문: $${(yesterday.averageAmount / 100).toFixed(2)}

변화율과 주요 차이점을 분석하여 3-4문장으로 설명해주세요.`;

  const response = await openai.chat.completions.create({
    model: env.openaiModel,
    messages: [
      {
        role: 'system',
        content: '당신은 매출 트렌드 분석 전문가입니다.',
      },
      {
        role: 'user',
        content: prompt,
      },
    ],
    max_tokens: 300,
  });

  return response.choices[0].message.content || '';
}
```

### 목표 대비 분석

```typescript
/**
 * 목표 대비 실적 분석
 */
export async function analyzeVsGoal(
  stats: SalesStats,
  goalAmount: number,
  goalCount: number
): Promise<string> {
  const achievementRate = (stats.totalAmount / goalAmount) * 100;
  const countRate = (stats.totalCount / goalCount) * 100;

  const prompt = `오늘의 매출 목표와 실적:

목표:
- 매출 목표: $${(goalAmount / 100).toFixed(2)}
- 거래 목표: ${goalCount}건

실적:
- 실제 매출: $${(stats.totalAmount / 100).toFixed(2)} (달성률: ${achievementRate.toFixed(1)}%)
- 실제 거래: ${stats.totalCount}건 (달성률: ${countRate.toFixed(1)}%)

목표 달성 여부를 평가하고, 개선이 필요한 부분을 2-3가지 제안해주세요.`;

  const response = await openai.chat.completions.create({
    model: env.openaiModel,
    messages: [
      {
        role: 'user',
        content: prompt,
      },
    ],
    max_tokens: 400,
  });

  return response.choices[0].message.content || '';
}
```

### 다국어 분석

```typescript
/**
 * 한국어/영어 선택 가능한 분석
 */
export async function analyzeSalesMultiLang(
  stats: SalesStats,
  language: 'ko' | 'en' = 'ko'
): Promise<AnalysisResult> {
  const langInstruction =
    language === 'ko'
      ? '한국어로 답변해주세요.'
      : 'Please respond in English.';

  const systemPrompt = `${SYSTEM_PROMPT}\n\n${langInstruction}`;

  // ... 나머지 로직
}
```

## 응답 캐싱 (비용 절감)

```typescript
import fs from 'fs/promises';
import crypto from 'crypto';

/**
 * 분석 결과 캐싱
 */
export async function analyzeSalesWithCache(
  stats: SalesStats
): Promise<AnalysisResult> {
  const cacheDir = '.cache';
  const hash = crypto
    .createHash('md5')
    .update(JSON.stringify(stats))
    .digest('hex');
  const cacheFile = `${cacheDir}/analysis-${hash}.json`;

  try {
    // 캐시 확인
    const cached = await fs.readFile(cacheFile, 'utf-8');
    console.log('📦 캐시된 분석 결과 사용');
    return JSON.parse(cached);
  } catch {
    // 캐시 없음, 새로 분석
    const result = await analyzeSales(stats);

    // 캐시 저장
    await fs.mkdir(cacheDir, { recursive: true });
    await fs.writeFile(cacheFile, JSON.stringify(result, null, 2));

    return result;
  }
}
```

## 체크리스트

v8를 완료하기 전에 다음을 확인하세요:

- [ ] `src/chatgpt/analyze.ts` 작성
- [ ] `src/analyze-sales.ts` 작성
- [ ] package.json 스크립트 추가
- [ ] 테스트 결제 생성 (`npm run generate`)
- [ ] 분석 실행 (`npm run analyze`)
- [ ] 프롬프트가 적절한 응답을 생성하는지 확인
- [ ] 응답 파싱이 제대로 작동하는지 확인
- [ ] 토큰 사용량 확인

## 트러블슈팅

### 1. 응답이 형식에 맞지 않음

**원인**: ChatGPT가 지정된 형식을 따르지 않음

**해결**:
- 프롬프트에 형식을 더 명확히 지정
- 예시 추가
- Temperature 낮추기 (0.5 이하)

### 2. 분석이 너무 일반적임

**원인**: 구체적인 데이터가 부족하거나 프롬프트가 모호함

**해결**:
- 더 많은 컨텍스트 제공
- 구체적인 질문 추가
- Few-shot 예시 제공

### 3. 토큰 한도 초과

**원인**: 응답이 너무 김

**해결**:
- `max_tokens` 증가
- 또는 요청을 여러 번으로 분할

## 다음 단계

v9에서는 분석 결과를 더 보기 좋게 포맷팅하고 출력합니다.

준비할 것:
- 분석이 정상적으로 작동하는지 확인
- 응답 품질 평가

---

**작성일**: 2025-11-28
**상태**: ✅ 완료
**다음**: v9 - 결과 포맷팅 및 출력