지금 사업을 하는 모든 사람에게는 경쟁자가 있습니다. 기술이 빠르게 발전함에 따라 경쟁에서 앞서가는 것이 중요할 뿐만 아니라 필수적입니다.
이를 위해 많은 기업에서는 경쟁업체 활동, 제품, 시장 변화, 고객 행동 및 감정을 추적하는 데 도움이 되는 경쟁 정보(CI) 도구를 사용합니다. AI를 기반으로 하는 이러한 도구는 한 단계 더 발전하여 데이터를 분석하고 이를 기업이 더 현명한 결정을 내리고 경쟁 우위를 유지하는 데 도움이 되는 실행 가능한 통찰력으로 전환합니다.
AI로 강화된 CI 도구를 사용하면 단순히 추세를 관찰하는 것이 아니라 기업이 업계에서 일어나고 있는 일을 실시간으로 더 깊이 이해할 수 있습니다. 이를 통해 기업은 변화에 적극적으로 적응하고 경쟁사의 움직임에 대응하며 새로운 기회가 널리 알려지기 전에 이를 식별할 수도 있습니다. 실제로 CI는 대기업만을 위한 것이 아닙니다. 소규모 기업도 공평한 경쟁의 장을 마련하여 대기업이 내린 결정과 동일한 정보를 바탕으로 데이터 기반 결정을 내릴 수 있도록 지원합니다.
경쟁 인텔리전스(CI)는 단순히 경쟁업체의 활동을 관찰하는 것이 아니라 비즈니스 결정을 내리는 데 도움이 되는 귀중한 통찰력을 얻는 것입니다. 가격 책정 전략을 수정하거나, 메시지를 개선하거나, 가치 제안을 최적화하거나, 신제품을 개발하는 등 CI는 정보에 입각한 선택을 내리는 데 필요한 데이터를 제공합니다. 하지만 이는 단순히 정보를 수집하는 것만이 아닙니다. 앞서 나가기 위해 해당 정보를 효과적으로 사용하는 것이 중요합니다.
AI 기반 CI 도구로 해결할 수 있는 몇 가지 주요 문제는 다음과 같습니다.
경쟁사보다 앞서 나가기:
경쟁업체의 가격, 제품, 캠페인을 실시간으로 추적함으로써 기업은 시장 변화를 예측하고 사후 대응이 아닌 변화가 일어나기 전에 조치를 취할 수 있습니다. McKinsey & Company는 CI 도구가 기업이 경쟁 환경에서 앞서 나가는 데 어떻게 도움이 되는지 강조합니다.
시장 포지셔닝 개선:
CI 도구는 경쟁업체가 제품을 포지셔닝하는 방식을 보여주고 시장의 격차를 식별하여 기업이 제품을 조정할 수 있도록 해줍니다. Harvard Business Review에서는 CI가 포지셔닝을 개선하고 미개척 시장을 타겟팅하는 데 어떻게 도움이 되는지 보여줍니다.
의사결정 간소화:
AI 기반 CI 도구는 불필요한 데이터를 필터링하고 실행 가능한 통찰력을 제공하므로 경영진이 정보에 기초한 결정을 더 쉽고 빠르게 내릴 수 있습니다. Gartner에 따르면 이러한 자동화를 통해 더욱 빠르고 전략적인 의사 결정이 가능해졌습니다.
새로운 트렌드 파악:
AI 도구는 대규모 데이터 세트를 스캔하여 새로운 트렌드와 소비자 행동을 조기에 파악하여 기업이 경쟁력을 유지하는 데 도움을 줍니다. Forrester는 이러한 도구를 통해 추세가 주류로 자리잡기 전에 기업이 이를 미리 파악할 수 있는 방법을 설명합니다.
제품 개발 및 혁신 강화:
경쟁업체의 제품과 소비자 피드백을 이해함으로써 기업은 시장 요구에 맞게 제품을 개선할 수 있습니다. Forrester는 혁신과 제품 개발을 주도하는 데 있어서 CI의 역할을 강조합니다.
마케팅 및 판매 최적화:
CI 도구는 경쟁사 마케팅 전략을 분석하여 효과가 있는 것과 없는 것을 밝혀내고, 기업이 캠페인을 세부적으로 조정하고 참여도를 높이는 데 도움을 줍니다. Harvard Business Review에서는 CI가 더 나은 고객 전환을 위해 마케팅 전략을 개선하는 방법을 간략하게 설명합니다.
위험 최소화 및 시장 인식 제고:
경쟁사 활동을 추적하면 기업이 잠재적인 위험이나 갑작스러운 시장 변화를 발견하고 전략을 조정하여 좌절을 피할 수 있습니다. McKinsey & Company는 CI가 경쟁사의 움직임을 예측하여 위험을 최소화하는 방법을 지적합니다.
이러한 모든 장점을 통해 경쟁 정보 도구를 비즈니스에 통합하는 것이 더 이상 선택 사항이 아니라 필수라는 것이 분명해졌습니다.
이제 경쟁력 인텔리전스의 가치를 이해했으니, 자신만의 AI 기반 경쟁 인텔리전스 도구를 구축하는 방법을 살펴보겠습니다.
우리는 다음 도구를 사용할 것입니다:
먼저 Python 환경을 설정합니다. 그런 다음 프로젝트의 루트 폴더에 요구 사항.txt라는 파일을 만듭니다. 다음 종속성을 복사하여 해당 파일에 붙여넣습니다.
streamlit langchain langchain_ollama selenium beautifulsoup4 lxml html5lib python-dotenv
다음으로 다음 명령을 실행하여 환경을 활성화합니다.
./name_of_environment/Scripts/Activate
그런 다음 다음 명령을 실행하여 모든 종속성을 한 번에 설치합니다.
pip install -r requirements.txt
루트 폴더에 main.py라는 Python 파일을 만듭니다. 이 파일에서는 간단한 Streamlit 사용자 인터페이스를 구축합니다.
Streamlit은 최소한의 코드로 Python 기반 웹 애플리케이션을 생성할 수 있는 매우 간단한 도구입니다. 이는 이 튜토리얼에서 사용할 LLM(대형 언어 모델)과 같은 도구와 상호 작용하는 가장 쉬운 방법 중 하나입니다.
인터페이스를 설정하는 코드는 다음과 같습니다.
streamlit langchain langchain_ollama selenium beautifulsoup4 lxml html5lib python-dotenv
Streamlit 애플리케이션을 실행하려면 터미널을 열고 가상 환경을 활성화한 후(아직 활성화되지 않은 경우) Streamlit 앱이 포함된 Python 파일 이름(이 경우 main.py)을 지정하여 다음 명령을 입력합니다. :
./name_of_environment/Scripts/Activate
애플리케이션이 포함된 웹 서버가 회전하여 열립니다.
Streamlit UI를 구축한 후 다음 단계는 스크랩하려는 웹사이트에서 실제로 데이터를 가져오는 것입니다. 그러기 위해 우리는 Selenium이라는 Python 모듈을 사용할 것입니다.
Selenium을 사용하면 웹 브라우저를 자동화할 수 있으므로 실제로 웹 페이지로 이동하여 해당 페이지에 있는 모든 콘텐츠를 가져온 다음 콘텐츠에 일부 필터링을 적용한 다음 ChatGPT와 같은 LLM에 전달할 수 있습니다. 또는 Gemini를 사용하여 해당 LLM을 사용하여 데이터를 구문 분석하고 의미 있는 응답을 제공할 수 있습니다.
Bright Data는 기업이 공개 웹 데이터를 수집 및 구성할 수 있을 뿐만 아니라 광범위한 프록시 네트워크 덕분에 차단되거나 오도되지 않고 어느 위치에서나 웹을 정확하게 볼 수 있도록 하는 웹 데이터 플랫폼입니다.
이 튜토리얼에서는 모든 기능을 무료로 사용할 수 있습니다.
계정을 만들려면 여기를 클릭하세요.
그런 다음 대시보드로 이동하여 스크래핑 브라우저라는 도구의 새 인스턴스/영역을 만듭니다.
스크래핑 브라우저에는 보안 문자 해결 기능이 포함되어 있을 뿐만 아니라 프록시 네트워크에 연결됩니다. 이것이 의미하는 바는 마치 웹사이트에 액세스하는 실제 사용자인 것처럼 시뮬레이션하기 위해 새 IP 주소를 자동으로 제공하고 이를 통해 순환한다는 것입니다.
또한 보안 문자가 있으면 자동으로 해결하므로 보안 문자로 인해 차단될 필요가 없습니다.
그러니 존 이름을 입력하고 생성해 보세요.
그런 다음 확인을 클릭하세요.
개발자를 위한 Bright Data의 주요 장점 중 하나는 이미 가지고 있는 코드에서만 작동한다는 것입니다.
저희 경우에는 Selenium을 사용하고 있습니다. 그러니 URL만 복사하세요
그런 다음 루트 디렉터리에 .env 파일을 만들고 URL을 붙여넣습니다.
streamlit langchain langchain_ollama selenium beautifulsoup4 lxml html5lib python-dotenv
다음으로 scrape.py라는 새 파일을 만듭니다. 여기에서 웹 스크래핑 기능을 작성하고 기본 파일과 분리하여 탐색이 더 쉽도록 할 것입니다.
시작하려면 몇 가지 셀레늄 모듈을 scrape.py 파일로 가져온 다음 웹사이트 도메인을 가져와서 웹페이지의 모든 콘텐츠를 스크랩하고 정리한 다음 모든 콘텐츠를 반환하는 함수를 작성하세요.
./name_of_environment/Scripts/Activate
parse.py라는 새 파일을 만듭니다. 그런 다음 아래 코드를 복사하여 붙여넣은 다음 LLM을 실행하는 데 사용되는 Ollama를 로컬로 설정하겠습니다.
pip install -r requirements.txt
Ollama를 사용하면 컴퓨터에서 로컬로 오픈소스 LLM을 실행할 수 있습니다. 따라서 API 토큰 같은 것에 의존할 필요가 없으며 완전히 무료입니다.
Ollama를 시작하려면 다음 링크를 방문하세요: https://ollama.com/download
Ollama가 다운로드되어 설치되면 터미널이나 명령 프롬프트를 열고 다음 Ollama 명령을 입력하세요.
import streamlit as st
st.title("Competitive Intelligence Tool (Demo)")
url = st.text_input("Enter Competitor's Website URL")
if st.button("Gather Insights"):
if url:
st.write("Analyzing the website...")
다음과 같은 결과를 얻게 됩니다.
다음으로 해야 할 일은 Ollama 모델을 가져오는 것입니다. 코드를 실행하기 전에 Ollama 모델을 로컬로 다운로드해야 합니다.
그렇게 하려면 https://github.com/ollama/ollama를 방문하세요
여기서 사용할 수 있는 다양한 모델을 모두 볼 수 있습니다.
컴퓨터 사양에 따라 적절한 모델을 선택하세요. 이 튜토리얼에서는 Llama 3.2 모델을 사용합니다. RAM은 3GB만 필요합니다.
다음으로 터미널이나 명령 프롬프트로 돌아가서 다음 명령을 실행하세요.
streamlit run main.py
그러면 모델이 컴퓨터에 다운로드됩니다. 이 작업이 완료되면 이제 Parse.py 파일에서 이 모델을 사용할 수 있습니다.
이제 다음 명령을 사용하여 코드를 실행할 수 있습니다.
SBR_WEBDRIVER="paste_the_url_here"
모든 준비가 완료되었습니다.
계속해서 원하는 대로 코드를 수정하고 여러 URL 또는 여러 도메인에서 동시에 데이터를 가져오도록 설정할 수 있습니다.
pandas.pydata.org 및 matplotlib.org를 사용하여 비즈니스에 실행 가능하도록 데이터 시각화를 추가하세요
또는 데이터 수집 프로세스를 자동화하여 경쟁사 업데이트를 정기적으로 추적할 수도 있습니다. cron 작업 또는 Python의 schedule 모듈을 사용하여 정의된 간격으로 데이터 스크래핑 및 분석 스크립트를 실행하세요.
전체 코드를 보려면 GitHub 저장소를 확인하세요.
숄라헤게데
/
경쟁 AI
AI 기반 경쟁 정보 도구
비즈니스 또는 제품 내에서 경쟁력 정보 도구를 구축할 수 있는 잠재력은 많습니다. 웹 스크래핑과 텍스트 분석을 결합하면 경쟁에서 앞서고 더 현명한 결정을 내리는 데 도움이 되는 도구를 만들 수 있습니다.
이를 통해 제품 개발, 마케팅 전략, 영업 홍보 및 전반적인 시장 인지도
를 크게 향상할 수 있습니다.이러한 도구가 제공하는 경쟁 우위는 특히 변화가 빠르게 일어나고 경쟁이 치열한 산업에서 매우 중요합니다. AI와 머신러닝의 발전으로 예측 분석부터 실시간 시장 알림까지 더욱 정교한 기능을 기대할 수 있습니다.
CI 도구 구축을 고려하고 있다면 이와 같은 프로젝트부터 시작하는 것이 실무 경험을 얻을 수 있는 환상적인 방법입니다. 비즈니스 운영에 가치를 더할 수 있는 새로운 방법을 파악하면서 도구를 실험하고, 반복하고, 개선하세요.
이 튜토리얼에 대한 생각이나 피드백이 있으신가요? 아래 댓글로 공유하시거나 저에게 연락주세요. 경쟁 정보를 활용하여 비즈니스를 어떻게 변화시키고 있는지 듣고 싶습니다!
위 내용은 AI로 구동되는 경쟁력 있는 인텔리전스 도구 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
