바이브 코딩으로 만든 CGV 영화 분석 시스템

프로젝트 개요

프로젝트: CGV 영화 분석 시스템
개발 기간: 2025.04.02 ~ 2025.04.09 (1주일)
기술 스택: Bun, Elysia, TypeScript, GPT-4o-mini, Supabase
커밋 수: 15 commits

무엇을 만들었나

CGV 영화 데이터를 자동으로 수집하고 AI로 분석하는 시스템이다.

주요 기능:

🎬 상영중인 영화 목록 자동 수집
⭐ 에그지수(관람객 평점) 트래킹
💬 리뷰 스크래핑 및 감정 분석
📊 시간별/일별 통계 생성
📧 이메일 리포트 자동 발송
🔥 바이럴 콘텐츠 분석 (네이버, X, YouTube)

왜 만들었나

영화 마케팅 인사이트가 필요했다. 어떤 영화가 화제인지, 관객 반응이 어떤지를 데이터로 파악하고 싶었다. CGV 에그지수 변화나 SNS 바이럴 트렌드를 자동으로 수집하면 좋겠다고 생각했다.

시스템 구조

┌─────────────────┐
│   Cron Jobs     │
├─────────────────┤
│ • 영화 목록 수집  │ → 매일 00:00
│ • 리뷰 스크래핑   │ → 주기적
│ • AI 감정 분석   │ → 리뷰 수집 후
│ • 바이럴 스크래핑 │ → 네이버/X/YouTube
│ • 리포트 생성    │ → 일별
└─────────────────┘
         ↓
┌─────────────────┐
│    Supabase     │
│   (데이터 저장)   │
└─────────────────┘

바이브 코딩 경험

1. 스크래핑 로직 구현

CGV 웹사이트 구조를 파싱하는 코드를 Claude와 함께 작성했다. @llami/gpt-torch 라이브러리로 HTML을 분석한다.

const { summaryJSON } = await GPTTorch(html, {});
const { elements } = summaryJSON;

// 영화 목록 추출
const retrieveMovieList = async (element: ReadableElement) => {
  if (element.href?.includes("/movies/detail-view/?midx=")) {
    movieList.push(element.href.split("midx=")[1]);
  }
  // 재귀적으로 탐색
  if (element.children) {
    for (const children of element.children) {
      await retrieveMovieList(children);
    }
  }
};

2. AI 감정 분석 파이프라인

수집된 리뷰를 GPT-4o-mini로 분석한다. 동시성 제어도 Claude가 도와줬다.

cronAnalyze({ concurrency: 5, opt: "gpt-4o-mini" });
cronCGVImageAnalyze({ concurrency: 5, opt: "gpt-4o-mini" });

3. 바이럴 멀티플랫폼 분석

네이버 블로그, X(트위터), YouTube까지 확장했다. 각 플랫폼별 스크래핑 로직이 다르지만, Claude와 함께라면 금방 구현할 수 있었다.

기술적 포인트

Bun + Elysia 조합

Node.js 대신 Bun을 선택했다. 빠른 실행 속도와 네이티브 TypeScript 지원이 장점이다. Elysia는 Express보다 타입 안전성이 좋다.

메모리 모니터링

장시간 돌아가는 스크래핑 작업이라 메모리 누수를 조심해야 했다.

startMemoryMonitor(120000); // 2분마다 체크
logMemoryUsage("정기 메모리 체크");

크론 작업 설계

여러 크론 작업이 서로 의존하지 않도록 설계했다. 영화 목록이 업데이트되면 리뷰 스크래핑이, 리뷰가 수집되면 AI 분석이 순차적으로 실행된다.

일주일 만에 완성

1주일(04.02~04.09) 동안 15커밋으로 핵심 기능을 모두 구현했다. 바이브 코딩의 속도를 체감한 프로젝트였다.

배운 점

스크래핑은 생각보다 까다롭다: 사이트 구조 변경, 봇 차단 등 예외 케이스가 많다
AI 분석 비용 관리: GPT-4o-mini를 선택한 이유는 비용 효율성
멀티플랫폼 데이터 통합: 각 플랫폼의 데이터 구조가 달라서 정규화가 필요
자동화의 힘: 한 번 만들어두면 계속 데이터가 쌓인다

마무리

영화 산업 데이터를 자동으로 수집하고 분석하는 시스템. 단순히 스크래핑에서 그치지 않고 AI 분석까지 연결한 점이 재밌었다.

바이브 코딩으로 일주일 만에 완성한 데이터 파이프라인. 혼자 했으면 한 달은 걸렸을 것 같다.

이 글은 바이브 코딩 시리즈의 일부입니다.