한국GPT협회 표준교재

912. 가맹점 영업 미팅을 STT + AI로 자산화하기

현장 미팅을 녹음·STT로 텍스트화한 뒤, AI 프롬프트로 요약·니즈·To-do·블로그 소재까지 추출합니다.
추출 결과를 PPTX 영업 자료와 블로그 콘텐츠로 자동 변환해 영업 지식을 자산으로 축적합니다.
대상 산업 교육 프랜차이즈 · 가맹 영업
대상 직무 지사장 · 가맹 영업담당
사용 도구 클로바노트 · Whisper · ChatGPT · python-pptx
데이터 미팅 녹음 + STT 텍스트

기존의 업무 범위와 방법

학원 가맹 영업은 원장과의 미팅 한 번에 많은 정보가 오갑니다. 원장의 고민, 반대 의견, 경쟁사 비교, 가맹 결정에 영향을 주는 발언이 모두 짧은 시간에 압축적으로 발생합니다. 그러나 실제 현장에서는 다음과 같은 한계에 부딪힙니다.

PROBLEM 1잊혀지는 미팅 내용

미팅 직후 메모하지 않으면 빠르게 핵심 내용이 사라집니다. 원장의 미묘한 표현·우선순위·반대 사유가 기억에서 휘발됩니다.

PROBLEM 2매번 새로 만드는 영업 자료

제안서·블로그·SNS 콘텐츠를 미팅 때마다 백지에서 시작합니다. 현장에서 검증된 발언과 사례가 자료에 반영되지 못해 설득력이 떨어집니다.

PROBLEM 3개인 머릿속에만 쌓이는 노하우

수십 번의 미팅에서 얻은 영업 패턴과 원장 유형 분석이 담당자 개인의 경험으로만 존재해, 조직 단위로 재사용되거나 후임에게 전수되지 못합니다.

문제의 본질. 영업 현장의 문제는 "정보가 부족해서"가 아니라, "풍부하게 오간 대화가 끝나는 순간 휘발되어 자산이 되지 못해서" 발생합니다. 본 사례는 미팅 자체를 음성으로 보존하고, AI가 그것을 읽어 영업 지식·자료·콘텐츠로 가공해주는 흐름을 만든 시도입니다.

AI 활용 방법

미팅 한 번을 "음성 → 텍스트 → 구조화된 분석 → 영업 자료"로 흘려보내는 파이프라인을 구성합니다. 각 단계는 무료~저비용 도구로 비개발자도 운영 가능한 수준입니다.

① 녹음 + STT
스마트폰의 클로바노트 앱으로 녹음·자동 STT를 동시 처리하거나, 녹음 후 Python Whisper로 텍스트화합니다. 결과는 화자 구분이 포함된 텍스트 파일로 저장합니다.
② AI 구조화 분석
변환된 텍스트를 미리 만들어둔 프롬프트(전체 요약, 고객 니즈, To-do, 경쟁 분석, 블로그 소재 등) 7종에 차례로 넣어 결과를 추출합니다. 동일한 미팅에서 여러 관점의 산출물이 한 번에 나옵니다.
③ 지식 아카이브
원본 텍스트와 AI 분석 결과를 YYYYMMDD_지역_상호_구분 규칙으로 폴더에 적재해 검색 가능한 영업 지식 DB를 만듭니다. 미팅 회수가 쌓일수록 원장 유형별 패턴이 누적됩니다.
④ 자료 자동 변환
AI가 뽑은 핵심 메시지를 슬라이드 구조에 맞춰 정리한 뒤, python-pptx로 PPTX 파일을 자동 생성합니다. 동일한 분석에서 블로그 글과 SNS 포스트 초안도 함께 뽑아냅니다.
REC
미팅 녹음
클로바노트 / 네이티브 녹음
STT
텍스트 변환
화자 구분 포함
LLM
프롬프트 7종 분석
요약·니즈·To-do·소재
ARCHIVE
지식 DB 적재
고객 단위 폴더 규칙
OUTPUT
PPTX · 블로그
영업 자료 자동 생성
설계 원칙 — 원본과 해석의 분리. 현장 발언은 그대로 보존하고, 가공물(요약·자료)은 언제든 다시 만들 수 있도록 합니다. 미팅 텍스트는 원본 자산으로 남기고 그 위에 AI 분석 결과를 따로 쌓습니다. 같은 텍스트도 새 프롬프트로 다시 돌리면 새로운 관점의 자료가 나옵니다.

AI 활용 결과물

미팅 STT 텍스트 + AI 분석 결과

왼쪽은 클로바노트가 변환한 미팅 원문이고, 오른쪽은 같은 텍스트를 "고객 니즈 추출" 프롬프트에 넣어 얻은 결과입니다.

STT 원문 — meeting_01.txt (신뢰도 94.2%)
지사장 원장님, 오늘은 저희 브랜드에 대해서 간단히 소개를 드리려고요.
원장 네, 유명하다고는 들었는데 저는 사실 아직 잘 모르거든요.
지사장 저희가 초등 전문 영어학원으로 특화된 브랜드입니다.
원장 초등 전문이요? 중등은 안 하나요?
지사장 메인은 초등인데, 원하시면 중등 보완 커리큘럼도 운영 가능합니다.
원장 교재가 자체 교재인가요? 아이들이 좋아할 만한 건지 모르겠네.
원장 흠, 좀 더 자세히 들어봐야 할 것 같아요. 다음에 자료 좀 보내주실 수 있어요?
AI 분석 — 고객 니즈 추출 (ChatGPT 결과)
명시적 니즈 중등 학생 흡수 가능 여부 · 자체 교재의 아동 만족도 · 가맹 후 제공 항목
암묵적 니즈 브랜드 인지도 확신 부족 → 사회적 증명 필요 · 초등 단일 타깃의 매출 한계 우려
반대 의견·우려 "초등만으로는 매출이 부족하지 않을까" · "아이들이 자체 교재를 좋아할지"
원장 유형 C) 안정추구형 — 정보 충분히 본 뒤 판단, 결정 속도 느림
온도 탐색 중 (자료 요청 단계, 다음 미팅 가능성 높음)

자동 생성된 영업 자료

같은 분석 결과를 슬라이드 구조와 블로그 글로 바로 변환합니다. 미팅 직후 다음 미팅용 PPTX 한 부와 블로그 초안 한 편이 함께 만들어집니다.

AUTO PPTX다음 미팅 브리핑 슬라이드

지난 미팅 핵심 — 원장 유형: 안정추구형 / 핵심 우려: 초등 단일 타깃 매출·교재 만족도
이번 미팅 목표 — 중등 보완 커리큘럼 사례 제시, 교재 만족도 데이터 + 학부모 후기

BLOG DRAFT"원장님이 가장 많이 묻는 질문 TOP 3"

"초등 전문 브랜드, 매출이 부족하지 않을까요?" — 현장에서 가장 자주 듣는 질문으로 시작하는 네이버 블로그 초안. 미팅에서 검증된 질문과 답변이 그대로 콘텐츠 소재가 됩니다.

핵심 동작 흐름. ① 미팅 녹음 → ② 클로바노트/Whisper로 텍스트 변환 → ③ 준비된 분석 프롬프트 7종에 차례로 투입 → ④ 결과를 폴더 규칙에 맞게 저장 → ⑤ 같은 분석 결과를 PPTX 슬라이드와 블로그 초안으로 자동 변환. 다섯 단계가 미팅 직후 일괄 완료됩니다.

업무자동화 효과

EFFECT 1미팅 정리 시간 90% 단축

미팅당 1~2시간이 걸리던 기억 의존형 정리가, 녹음·STT·프롬프트 실행으로 15분 안에 일괄 처리됩니다.

EFFECT 2콘텐츠 마케팅 확장

미팅 하나에서 PPTX·블로그·SNS 소재가 동시에 생산되어, 영업과 마케팅을 같은 자료로 연동할 수 있습니다.

EFFECT 3개인 경험의 조직 자산화

원장 유형별 패턴, 자주 나오는 반대 의견, 효과적인 대응 멘트가 검색 가능한 아카이브로 축적되어 후임 교육에도 사용됩니다.

확장성. STT 텍스트와 AI 분석 결과는 그대로 보존되는 자산입니다. 한 번 만든 데이터를 신규 지사장 온보딩, 본사 마케팅팀의 콘텐츠 기획, 원장 유형별 영업 매뉴얼 갱신 등 여러 업무 흐름에 재사용할 수 있습니다.

자동화 과정

스마트폰 앱과 ChatGPT, 필요 시 Python 스크립트 두 개만 있으면 됩니다. 각 단계가 실제로 어떤 파일과 코드로 구현되는지 살펴봅니다.

STEP 1 — 현장 미팅 녹음 + STT 변환

가장 쉬운 길은 클로바노트입니다. 녹음·STT·화자 구분이 한 번에 처리됩니다. 인터넷이 불안정하거나 장시간 미팅인 경우에는 녹음 후 Whisper로 변환합니다. 저장 파일명은 YYYYMMDD_지역_상호명_미팅구분 형식을 권장합니다.

stt_whisper_sample.py — 로컬 STT 변환
import whisper

# 변환할 음성 파일과 모델 크기만 설정
INPUT_FILE = "20251104_분당_이수진어학원_첫미팅.m4a"
MODEL_SIZE = "small"   # tiny/base/small/medium/large

model = whisper.load_model(MODEL_SIZE)
result = model.transcribe(INPUT_FILE, language="ko")

with open(INPUT_FILE.replace(".m4a", ".txt"), "w") as f:
    f.write(result["text"])

STEP 2 — 프롬프트 7종으로 구조화 분석

변환된 텍스트를 미리 만들어둔 프롬프트에 차례로 넣습니다. 같은 미팅에서 여러 관점의 결과가 동시에 나오는 것이 핵심입니다.

prompts/02_고객니즈_추출.md — 프롬프트 템플릿
# 역할 당신은 B2B 영업 전문가입니다. 아래 미팅 텍스트에서 학원 원장의 니즈와 우려사항을 분석해주세요. # 출력 형식 ## 명시적 니즈 (원장이 직접 말한 것) - ... ## 암묵적 니즈 (말하지 않았지만 느껴지는 것) - ... ## 반대 의견 / 우려사항 - ... ## 원장 유형 분류 A) 수익형 B) 교육철학형 C) 안정추구형 D) 성장형 --- [STT 텍스트 붙여넣기]
프롬프트 7종 운용. 이 외에도 전체 요약 · To-do 추출 · 다음 미팅 준비 · 경쟁 분석 · 미팅 퀄리티 피드백 · 블로그 소재 추출 6종이 함께 운용됩니다. 한 미팅에 4~5개를 연속 실행하면 풍부한 결과를 얻을 수 있습니다.

STEP 3 — 고객별 미팅 회차 누적 → 최종 제안서 준비

아카이브는 미팅 단위가 아니라 고객(가맹 후보) 단위로 만듭니다. 같은 원장과 진행한 1차·2차·3차 미팅의 STT와 분석 결과를 한 폴더에 누적시키면, 회차별로 원장의 입장 변화·반복되는 우려·결정 임계점이 한눈에 드러납니다.

영업 아카이브 — 고객 단위 폴더 구조
영업_아카이브/분당_이수진어학원/
├─ 01_첫미팅_20251104/
│   ├─ stt_원본.txt           # 첫 만남 — 브랜드 소개
│   ├─ 요약.txt · 니즈.txt · todo.txt
├─ 02_2차미팅_20251118/
│   ├─ stt_원본.txt           # 커리큘럼 · 교재 샘플 리뷰
│   ├─ 요약.txt · 니즈.txt · 경쟁분석.txt
├─ 03_3차미팅_20251202/
│   ├─ stt_원본.txt           # 수익 시뮬레이션 · 가맹비 협의
│   ├─ 요약.txt · todo.txt · 반대의견.txt
└─ _종합/
    ├─ 고객_프로파일.md        # 누적 분석: 유형 · 우려 · 결정 패턴
    ├─ 최종제안서_초안.pptx    # 3차까지 반영한 맞춤 제안서
    └─ 다음미팅_준비노트.md
종합 분석 한 줄 지시. 모든 회차의 분석을 한꺼번에 AI에 투입하고 "이 고객의 1~3차 미팅 분석을 종합해, 다음 클로징 미팅용 제안서 구조를 만들어줘"라고 지시하면, 누적된 우려·요구·약속을 모두 반영한 맞춤 제안서 초안이 생성됩니다. 다음 미팅의 오프닝 멘트, 예상 반대 의견, 가져갈 자료까지 자동으로 정리됩니다.

STEP 4 — PPTX · 블로그 자동 변환

AI 분석 결과를 슬라이드 텍스트 구조로 다듬은 뒤, python-pptx로 PPTX 파일을 자동 생성합니다. 매번 새로 만들지 않고, 정해진 템플릿에 텍스트만 채워 넣는 방식입니다.

pptx_generate_sample.py — PPTX 자동 생성
from pptx import Presentation
from pptx.util import Pt

prs = Presentation("templates/sales_template.pptx")

slides_data = [
    { "title": "지난 미팅 핵심",
      "bullets": ["원장 유형: 안정추구형",
                  "핵심 우려: 매출 / 교재 만족도"] },
    { "title": "이번 미팅 목표",
      "bullets": ["중등 보완 커리큘럼 사례",
                  "교재 만족도 데이터 + 학부모 후기"] },
]

for data in slides_data:
    slide = prs.slides.add_slide(prs.slide_layouts[1])
    slide.shapes.title.text = data["title"]
    body = slide.placeholders[1].text_frame
    for b in data["bullets"]:
        body.add_paragraph().text = "• " + b

prs.save("output/20251104_이수진어학원_2차미팅.pptx")
미팅 한 번 = 자료 세 개. 같은 분석 결과로 블로그 초안과 SNS 카드 문구도 함께 생성합니다. 영업 자료 하나 + 블로그 글 하나 + SNS 콘텐츠 하나가 자동으로 만들어지는 구조입니다.

STEP 5 — 영업용 인터랙티브 자료: 수익 시뮬레이터

누적된 미팅 분석에서 "수익성 확인"이 1순위 관심사로 반복 등장한다는 사실을 발견하면, 그 한 가지만을 위한 인터랙티브 영업 자료를 바이브코딩으로 별도 제작합니다. 원장이 직접 반 수·수강료 슬라이더를 움직여 자신의 상황을 시뮬레이션하게 하면, 말로 설명하는 것보다 훨씬 빠르게 신뢰가 형성됩니다.

수익 시뮬레이터 (HTML 인터랙티브 자료) — 화면 구성

슬라이더 4개(운영 반 수 · 월 수강료 · 반당 학생 수 · 월 고정비용)를 움직이면 표와 차트가 즉시 갱신됩니다.

반 수학생 수월 매출고정비예상 순이익
4반32명576만원250만원약 268만원
6반48명864만원250만원약 527만원
8반64명1,152만원250만원약 787만원
527만원
현재 설정 월 순이익
6,324만원
연간 예상 수익
약 1.5개월
가맹비(800만원) 회수 기간
이런 자료도 코드 없이 만듭니다. "슬라이더로 반 수·수강료를 조절하면 순이익이 계산되는 단일 HTML 시뮬레이터를 만들어줘"라는 지시면 충분합니다 — Ch8(바이브코딩)의 활용 패턴이 영업 자료 제작에 그대로 적용된 예입니다.