JTBD + 페르소나 분석 (Commerce JTBD & Persona)

개요

리뷰·Q&A 데이터를 분석하는 1스킬 2모드 스킬입니다. 이커머스 셀러가 고객의 구매 동기(JTBD)와 구체적인 페르소나를 데이터 기반으로 자동 생성합니다.

데이터 소스:

• 네이버 쇼핑 리뷰 — 상품 페이지 리뷰 복사 텍스트 또는 스크린샷
• 자사몰(카페24 등) 리뷰 — 관리자 리뷰 내보내기 파일
• 자사몰 Q&A — 관리자 Q&A 내보내기 파일 (구매 전 불안·질문 패턴)
• 시장조사 결과 (commerce-market-research 산출물) 입력 연계

데이터 연동: 연결된 커머스 MCP 커넥터가 있으면 리뷰·Q&A를 직접 조회하고, 없으면 사용자가 첨부한 내보내기 파일·복사 텍스트·스크린샷을 분석합니다.

트리거 키워드

JTBD, 고객 동기, 구매 이유, 잡스 투 비 던, 기능적 동기, 감성적 동기, 사회적 동기, 페르소나, 타겟 고객 프로필, 리뷰 분석, 구매결정요인, 고객 여정, 니즈 분석, 불만 분석

모드 선택

| 모드 | 플래그 | 핵심 산출물 | |------|--------|-----------| | JTBD 도출 | --mode jtbd | JTBD 9개 + 시장 매칭 우선순위 | | 페르소나 생성 | --mode persona | 페르소나 3명 (8필드) |

모드 미지정 시: --mode jtbd 먼저 실행 후 --mode persona 연속 실행 권장.

워크플로우 — mode=jtbd

입력 슬롯

| 항목 | 필수 여부 | 예시 | |------|----------|------| | 시장조사 결과 | 필수 | commerce-market-research 산출물 .md 파일 경로 | | 상품 정보 | 필수 | 상품명, USP, 카테고리 | | 채널 | 선택 | 스마트스토어, 쿠팡 (기본값: 전체) |

분석 순서 (mode=jtbd)

시장조사 결과 로드 (입력)
  ↓
분석: 기능적 동기 3개 (Functional Job)
      감성적 동기 3개 (Emotional Job)
      사회적 동기 3개 (Social Job)
  ↓
시장 매칭: 각 JTBD × 시장조사 키워드 교차 → 우선순위 1축 산출

JTBD 3분류 카테고리별 예시

상품 카테고리별 JTBD 3분류 작성 가이드 — 다이어트 가루를 기준으로:

| JTBD 분류 | 다이어트 가루 예시 | 핵심 동사·표현 | |----------|-------------------|---------------| | 기능적 JTBD (제품이 실제 수행해야 하는 업무) | "체중 감량에 도움이 필요하다" / "간편하게 칼로리를 조절하고 싶다" / "필수 영양소는 유지하면서 체중 관리하고 싶다" | "~할 수 있다", "~한다" (제품 능력) | | 감성적 JTBD (제품 사용으로 얻고 싶은 감정·심리 만족) | "몸매에 자신감을 갖고 싶다" / "자기 통제감과 성취감을 느끼고 싶다" / "스트레스 없이 식이요법을 지속하고 싶다" | "~한 느낌", "~한 감정" (감정) | | 사회적 JTBD (타인에게 어떻게 보이고 싶은지) | "건강을 챙기는 현명한 사람으로 보이고 싶다" / "트렌디한 라이프스타일을 가진 사람으로 인식받고 싶다" / "자기관리를 잘하는 사람이라는 인정을 받고 싶다" | "~한 사람으로 보이고 싶다" (사회적 위치) |

> 핵심 포인트: 같은 상품이라도 고객마다 중요시하는 JTBD가 다를 수 있으며, 효과적인 마케팅은 이러한 다양한 니즈를 모두 충족시키는 것입니다.

심리적 필요 4종 촉발 패턴

"심리적 필요(Psychological Need)" 개념은 본 스킬의 감성적 JTBD에 대응합니다. 가장 큰 시장이며, 마케터가 타이밍·채널로 직접 촉발 가능:

| 촉발 패턴 | 작동 메커니즘 | 마케팅 채널 예시 | |----------|---------------|----------------| | 보상 심리 | "오늘 나 고생했다 → 뭔가 사줘야겠다" | 야근 후 인스타 피드 광고 | | 불안 해소 | "이대로 두면 큰일 날까 봐" | 검색광고 + 후기 신뢰 | | 지루함 | "심심하니까 뭔가 살까" | SNS 발견 피드 + 한정 한정 | | 사회적 자극 | "남들 다 사는데 나만 빠지나" | 인플루언서 + 사회적 증거 |

> 활용: JTBD 9개 중 감성적 동기 3개를 위 4종 촉발 패턴과 매핑하면, 페르소나 마케팅 채널 선택이 자연스럽게 결정됩니다.

타겟 온도 메타데이터

페르소나 생성 시 브랜드와의 관계 온도 메타데이터를 추가합니다:

| 온도 | 정의 | 페르소나 메시지 전략 | |------|------|--------------------| | 🟦 콜드 | 나를 전혀 모르는 사람 | "지금 사세요" ❌ / 심리적 필요 촉발·관심 만들기 ✅ | | 🟨 웜 | 한 번은 접촉한 사람 (광고/영상/팔로우) | 콜드보다 싸게 잡을 수 있음, 영상 50%+ 시청자 등 | | 🟧 핫 | 사이트에 왔다 간 사람 (장바구니 이탈) | 신뢰 부족·가격 망설임 해소 — 사회적 증거 + 소폭 혜택 | | 🟥 슈퍼 | 이미 산 사람 | 광고보다 온보딩·커뮤니티·VIP 혜택. Lookalike 씨앗 최고 |

페르소나 출력 JSON에 "target_temperature": "콜드/웜/핫/슈퍼" 필드 추가.

워크플로우 — mode=persona

입력 슬롯

| 항목 | 필수 여부 | 예시 | |------|----------|------| | JTBD 9개 | 필수 | mode=jtbd 산출물 | | 쇼핑몰 URL / 상품 ID | 권장 | 네이버 스마트스토어 또는 카페24 상품 URL | | 리뷰 최소 건수 | 자동 | 10건 (부족 시 fallback 자동 적용) |

분석 순서 (mode=persona)

1. 네이버 리뷰 수집 (커넥터 조회 또는 첨부 데이터, 최소 10건)

2. 자사몰 리뷰 수집 (최소 10건)

3. Q&A 수집 (구매 전 불안·질문 패턴)

4. JTBD 교차 분석
   → 리뷰+Q&A × JTBD → 페르소나 군집 3개 분류

Fallback 규칙

리뷰 10건 미만 시 자동 적용:

WHILE 본인 상품 리뷰 < 10건:
  → 같은 카테고리 상위 노출 상품 1개의 리뷰 10건으로 대체
  → 출력 시 "(대체 데이터: {상품명} 리뷰 기반)" 명시

ai-slop-reviewer 자동 체이닝 (HARD)

mode=persona 산출물은 텍스트 페르소나 프로필이므로 moai-coworker:ai-slop-reviewer를 자동 체인합니다. 슬롭 검수 직후 moai-writer:korean-humanize으로 한국어 AI 티를 제거합니다 (슬롭 검수 다음, 필수).

검수 항목:

• AI 특유 서술 패턴("~한 분", "~을 추구하는") 자연어화
• 페르소나 이름·직업 클리셰 제거
• 구체 수치 및 실제 행동 패턴 기반 서술로 조정

사용 예시

"/commerce-jtbd-persona --mode jtbd 비건 스킨케어 상품, 시장조사 결과 첨부"
→ 기능적(성분 안전성, 피부 개선, 흡수율) × 감성적(자기관리 만족감, 클린 라이프스타일, 죄책감 없는 소비) × 사회적(지속가능 소비 표현, 미닝아웃, 또래 추천) JTBD 9개 + 우선순위

"/commerce-jtbd-persona --mode persona"
→ 메인 페르소나: 박지연(32세, 직장인, ...) + 보조 1: ... + 보조 2: ...
→ 마지막에 ai-slop-reviewer 자동 검수

"/commerce-jtbd-persona 반려견 간식 — JTBD부터 페르소나까지 한 번에"
→ JTBD 9개 → 페르소나 3명 순차 실행

출력 형식

mode=jtbd 출력

json
{
  "mode": "jtbd",
  "product": "{상품명}",
  "jtbd": {
    "functional": [
      {"id": "F1", "job": "JTBD 내용", "market_keyword": "매핑 키워드", "priority": 1},
      {"id": "F2", "job": "...", "market_keyword": "...", "priority": 2},
      {"id": "F3", "job": "...", "market_keyword": "...", "priority": 3}
    ],
    "emotional": [
      {"id": "E1", "job": "...", "market_keyword": "...", "priority": 1},
      {"id": "E2", "job": "...", "market_keyword": "...", "priority": 2},
      {"id": "E3", "job": "...", "market_keyword": "...", "priority": 3}
    ],
    "social": [
      {"id": "S1", "job": "...", "market_keyword": "...", "priority": 1},
      {"id": "S2", "job": "...", "market_keyword": "...", "priority": 2},
      {"id": "S3", "job": "...", "market_keyword": "...", "priority": 3}
    ]
  },
  "market_match_priority": ["F1", "E2", "S1", "F2", "E1", "S3", "F3", "E3", "S2"]
}

mode=persona 출력

json
{
  "mode": "persona",
  "data_source": "본인 리뷰 {N}건 | 대체 데이터 여부: {없음/있음}",
  "personas": [
    {
      "role": "메인",
      "name": "이름",
      "age": 32,
      "job": "직업",
      "daily_life": "일상 묘사 (2~3문장)",
      "needs": "핵심 니즈",
      "frustrations": "주요 불만",
      "values": "가치관",
      "purchase_decision": "구매결정요인 (상위 3개)"
    },
    {
      "role": "보조1",
      "name": "...",
      "...": "..."
    },
    {
      "role": "보조2",
      "name": "...",
      "...": "..."
    }
  ],
  "slop_review": {
    "status": "passed",
    "changes_made": 0,
    "notes": "ai-slop-reviewer 검수 결과"
  }
}

품질 체크리스트

mode=jtbd:

• 기능·감성·사회 각 3개씩 총 9개 JTBD 완성
• 시장 기회 매칭 우선순위 1축 명시 (market_match_priority 배열)

mode=persona:

• 페르소나 3명 (메인 1 + 보조 2)
• 8필드 모두 채움: 이름·나이·직업·일상·니즈·불만·가치관·구매결정요인
• ai-slop-reviewer 검수 흔적 (slop_review 블록)

관련 스킬

체이닝 순서: commerce-market-research → commerce-jtbd-persona --mode jtbd → commerce-jtbd-persona --mode persona → commerce-detail-page-copy --mode copy → commerce-product-naming → cs-channel-message

• commerce-market-research — 시장조사 1장 (이전 단계, mode=jtbd 입력)
• commerce-detail-page-copy --mode copy — 페르소나 기반 카피 2세트 생성
• commerce-product-naming — JTBD 기반 상품명 3안
• cs-channel-message — JTBD·페르소나 기반 NCM 채널별 메시지 15종

이 스킬을 사용하지 말아야 할 때

• 카피 작성 (Why 아닌 What): design-copywriting 또는 commerce-detail-page-copy 사용
• 브랜드 아이덴티티 설계: design-brand-system 사용
• 광고 타겟팅 설정 (실집행): 광고 플랫폼에서 직접 설정
• 정성 인터뷰 / UX 리서치: 별도 사용자 리서치 프로세스 활용