들어가며
이전 글에서 네이버 예약 데이터 크롤링의 기술적 복잡성과 자동화 시스템 구축에 대해 말씀드렸는데요, 오늘은 실제 네이버 예약 시스템에서 추출할 수 있는 데이터가 어떤 구조로 되어 있는지 구체적으로 살펴보겠습니다.
실제 데이터를 보면 생각보다 훨씬 많은 정보들이 담겨 있어서, 단순한 예약 관리를 넘어서 고도화된 고객 관리 시스템을 구축할 수 있는 가능성을 확인할 수 있습니다.
네이버 예약 데이터의 실제 모습
기본 예약 정보
네이버 예약 시스템에서 추출할 수 있는 핵심 정보들을 살펴보면:
{
"bookingId": 895364995,
"businessName": "XXXX홍대점",
"name": "김XXXX",
"phone": "010XXXXXXXX",
"email": "XXXXX@naver.com",
"startDate": "2025-04-01",
"totalPrice": 225000,
"bookingStatusCode": "RC08"
}
이 예시만 봐도 고객 관리에 필요한 핵심 정보들이 모두 포함되어 있습니다. 특히 주목할 점은 네이버가 각 예약에 고유한 ID를 부여하고, 상태 코드로 예약 단계를 관리한다는 것입니다.
상태 관리 시스템의 정교함
네이버 예약 데이터에서 가장 인상적인 부분은 상태 관리의 정교함입니다:
예약 상태 추적:
adminBookingStatusCode: 관리자 관점에서의 예약 상태bookingStatusCode: 고객 관점에서의 예약 상태isCompleted: 서비스 완료 여부completedDateTime: 실제 서비스 완료 시점
결제 상태 추적:
nPayChargedStatusCode: 네이버페이 결제 상태payments배열: 결제 내역과 각 단계별 타임스탬프
이런 세밀한 상태 관리 덕분에 고객 여정(Customer Journey)의 각 단계에서 적절한 메시지를 발송할 수 있습니다.
자동화 시스템에서 활용 가능한 데이터들
1. 고객 세그먼테이션 데이터
{
"isNonmember": false,
"isBlacklist": false,
"areaName": "네이버 - 기타",
"userAgentJson": {
"raw": "Mozilla/5.0 (iPhone; CPU iPhone OS 16_5..."
}
}
- 회원/비회원 구분: 맞춤형 메시지 발송 가능
- 디바이스 정보: 모바일/PC 사용자별 다른 접근 방식
- 지역 정보: 위치 기반 마케팅 활용
2. 결제 및 쿠폰 정보
실제 데이터에서 확인할 수 있는 결제 관련 정보는 상당히 상세합니다:
{
"price": 225000,
"couponPrice": 25000,
"totalPrice": 225000,
"bookingCoupons": [{
"couponName": "10% 할인 쿠폰",
"discountPrice": 25000,
"couponType": "DISCOUNT_TOTAL_AMOUNT_BY_RATE"
}]
}
이 정보로 할 수 있는 것들:
- 쿠폰 사용 패턴 분석: 어떤 고객이 할인에 민감한지 파악
- 결제 수단 분석: 네이버페이 vs 기타 결제 수단 선호도
- 가격대별 고객 분류: VIP 고객 vs 일반 고객 구분
3. 서비스별 상세 정보
{
"bizItemName": "XXXX 프로모션",
"bookingOptionJson": [{
"name": "10회권",
"price": 250000,
"desc": "사전예약 혜택에 포함된 xxxx 클래스 2회를 더해, 총 12회 레슨이 제공됩니다."
}]
}
서비스별 옵션과 가격 정보까지 상세하게 기록되어 있어, 고객의 선호도를 분석하고 맞춤형 상품을 추천하는 데 활용할 수 있습니다.
실무에서의 활용 예시
스프레드시트 자동 업데이트
제가 실제로 사용하는 방식은 이런 데이터를 구글 스프레드시트로 정리해서 관리하는 것입니다:
| 예약번호 | 고객명 | 연락처 | 예약일 | 서비스 | 결제금액 | 상태 | 마지막 연락 |
|---|---|---|---|---|---|---|---|
| 25364995 | 김XXXX | 010-XXXX-XXXX | 2025-04-01 | 10회권 | 225,000 | 완료 | 2025-04-02 |
CRM 자동화 시나리오
실제 데이터의 상태 정보를 활용하면 이런 자동화가 가능합니다:
예약 확정 시 (confirmedDateTime 기준):
- “안녕하세요 김XXXX님, XXXX 홍대점 10회권 예약이 확정되었습니다.”
서비스 완료 후 (completedDateTime 기준):
- “오늘 서비스는 어떠셨나요? 후기 남겨주시면 다음번 할인 쿠폰을 드립니다.”
쿠폰 사용 고객 대상:
- “할인 혜택을 잘 활용해 주셔서 감사합니다. 다음번에도 특별 할인을 준비해두겠습니다.”
데이터 구조에서 발견한 흥미로운 점들
1. 글로벌 대응
{
"globalTimezone": "Asia/Seoul",
"language": "ko",
"globalAddress": null
}
네이버가 해외 서비스도 고려하고 있다는 것을 알 수 있습니다.
2. 보안과 개인정보 보호
{
"isForcedPrivacyMasking": false,
"termsVersion": "2024-11-21"
}
개인정보 마스킹 기능과 약관 버전 관리를 통해 법적 컴플라이언스를 철저히 관리하고 있습니다.
3. 상세한 사용자 경험 추적
{
"userAgentJson": {
"raw": "Mozilla/5.0 (iPhone; CPU iPhone OS 16.5...",
"nClientIp": "XXX.XXX.XXX.XX"
}
}
사용자의 접속 환경과 IP까지 기록해서 보안과 사용자 분석에 활용하고 있습니다.
자동화 시스템 구축 시 고려사항
데이터의 복잡성
실제 데이터를 보시면 알겠지만, 단순해 보이는 예약 정보 하나에도 수십 개의 필드와 중첩된 JSON 구조가 포함되어 있습니다. 이를 정확히 파싱하고 필요한 정보만 추출하는 것만으로도 상당한 기술력이 필요합니다.
개인정보 보호의 중요성
실제 고객의 이름, 전화번호, 이메일이 모두 포함되어 있기 때문에, 이런 데이터를 다룰 때는 개인정보보호법을 철저히 준수해야 합니다. 특히:
- 데이터 암호화 저장
- 접근 권한 관리
- 보관 기간 준수
- 고객 동의 절차
실시간 처리의 필요성
regDateTime, confirmedDateTime, completedDateTime 같은 타임스탬프 정보를 보면, 네이버 예약 시스템이 실시간으로 상태를 업데이트한다는 것을 알 수 있습니다. 따라서 자동화 시스템도 이런 변화를 실시간으로 감지하고 대응할 수 있어야 효과적입니다.
마무리
실제 네이버 예약 데이터를 분석해보니, 단순한 예약 정보를 넘어서 고객의 전체 여정을 추적하고 분석할 수 있는 풍부한 정보들이 담겨 있다는 것을 확인할 수 있었습니다.
하지만 동시에 이런 데이터의 복잡성과 개인정보의 민감성을 고려할 때, 전문적인 기술력과 법적 지식 없이는 안전하고 효과적인 자동화 시스템을 구축하기 어렵다는 점도 명확해졌습니다.
그럼에도 불구하고, 이런 데이터를 제대로 활용할 수 있다면 고객 만족도 향상과 업무 효율성 개선에 큰 도움이 될 것은 분명합니다. 언젠가 네이버에서 공식 API를 제공해서 더 많은 사업자들이 이런 혜택을 안전하게 누릴 수 있기를 기대해봅니다.
협업 문의 : https://talk.naver.com/ct/w4bwwa