SignalMate: AI로 관계 신호를 분석하는 제품을 만든 과정

왜 만들었나

주변에서 연애 상담을 받는 상황을 자주 봤다. “이 메시지가 무슨 뜻이야?”, “다음에 뭐라고 해야 해?” 같은 질문들이다. 카카오톡 대화를 직접 붙여넣고 분석받을 수 있다면 어떨까 싶었다.

기술적으로는 LLM을 단순 챗봇이 아니라 특정 도메인의 분석 엔진으로 쓰는 제품을 만들어 보고 싶었다.

무엇을 만들었나

카카오톡 대화를 업로드하면 관계 신호를 분석하고 다음 메시지를 제안하는 AI 제품이다.

사용 흐름:

카카오톡 내보내기 파일(.txt) 업로드
자동 파싱 및 대화 구조 시각화
규칙 기반 + LLM 하이브리드 분석 실행
신호 해석 결과와 다음 메시지 제안 수신

핵심 기술 결정

카카오톡 파서를 직접 만들었다

카카오톡 내보내기 포맷은 공식 스펙이 없다. 버전에 따라 날짜 형식과 구분자가 다르다. 정규식으로 포맷별 파싱 로직을 만들고 신뢰도 스코어를 붙여서 자동 감지하게 했다.

const patterns = [
  { regex: /(\d{4}년 \d{1,2}월 \d{1,2}일)/, version: 'v1' },
  { regex: /(\d{4}\.\d{2}\.\d{2})/, version: 'v2' },
];

function detectFormat(raw: string): ParsedFormat {
  for (const pattern of patterns) {
    if (pattern.regex.test(raw)) {
      return parseByVersion(raw, pattern.version);
    }
  }
  throw new UnsupportedFormatError();
}

규칙 기반 + LLM 하이브리드 분석

LLM만으로 분석하면 결과가 매번 달라지고 근거를 설명하기 어렵다. 규칙 기반으로 먼저 신호를 추출하고, LLM은 해석과 제안 생성에만 쓴다.

// 1단계: 규칙 기반으로 신호 추출
const signals = extractSignals(messages); // 응답 속도, 이모지 패턴, 대화 주도권 등

// 2단계: 추출된 신호를 컨텍스트로 넣어 LLM에 해석 요청
const analysis = await claude.messages.create({
  model: 'claude-opus-4-5',
  messages: [{
    role: 'user',
    content: buildPrompt(signals, recentMessages)
  }]
});

프롬프트에 신호 데이터를 구조화해서 넣으니 결과의 일관성이 높아졌다.

“연애 예언”이 아니라 “근거 중심 해석”으로 포지셔닝

초기 기획에서 “상대방의 마음을 알려드립니다”라는 방향을 고려했지만 버렸다. 대화 데이터로 상대방 감정을 단정할 수 없고, 그런 포지셔닝은 신뢰를 잃는다.

최종 포지셔닝: 관찰 가능한 신호(응답 패턴, 대화 구조, 단어 선택)를 분석하고, 가능한 해석과 다음 액션을 근거와 함께 제안한다.

제품 설계에서 어려웠던 것

분석 결과를 어떻게 보여줄까: 텍스트로만 나열하면 읽기 어렵다. 신호별 카드로 분리하고, 각 카드에 “관찰된 패턴 → 가능한 해석 → 불확실성 수준”을 담는 구조로 정리했다.

개인정보 처리: 카카오톡 대화는 민감한 개인정보다. 서버에 저장하지 않고 분석 후 즉시 폐기하는 방식으로 설계했다. 이 부분을 랜딩에서 명시적으로 설명한다.

현재 상태 / 다음 단계

파서, 분석 엔진, 4단계 UX 동작 확인
결제/전환 플로우 MVP 수준 설계 진행 중
분석 결과 예시 캡처와 사용자 피드백 수집 예정

GitHub 저장소