TikTok 하는 사람들의 공통된 고충이 하나 있다. 크리에이터 센터에 데이터는 수북하다 — 조회수, 좋아요, 완주율, 팔로워 증가. 그런데 “왜 이 영상은 터지고 저 영상은 죽었지?”를 AI한테 물어보면 AI는 멀뚱멀뚱하다. 백엔드를 볼 수가 없으니까. 스크린샷 찍어서 수동으로 먹여주자니 느리고 정보가 새어 나간다. 대부분 크리에이터의 데이터 복기는 “이건 느낌이 좋았어” 수준의 점술에서 멈춰 있다.

문제: 데이터는 백엔드에, AI는 문밖에

크리에이터 센터 지표는 페이지 렌더링 방식이라 개인 크리에이터가 쓸 수 있는 편한 API가 없다. Claude나 Cursor의 Agent한테 복기를 시키려면 방법이 세 가지뿐이었다. 숫자를 손으로 옮기거나, 스크린샷 인식을 쓰거나, 서드파티 데이터 플랫폼 유료 구독을 하거나. 앞의 둘은 느리고 오류가 잦고, 마지막은 비싸다. 게다가 서드파티가 주는 건 업계 전체 평균이지, 내 계정 영상 하나하나의 상세 데이터가 아니다.

더 결정적인 건 스크립트 차원이다. 데이터는 “이 영상 완주율이 높다”고 말해주지만 “처음 3초에 무슨 말을 했기 때문”이라고는 안 알려준다. 데이터와 영상에서 실제로 한 말을 엮어서 분석하는 것 — 그게 진짜 복기인데, 수작업으로는 가장 하기 어려운 부분이다.

기회: 로컬 도구 하나가 마지막 1마일을 잇는다

GitHub 오픈소스 프로젝트 douyin-mcp(https://github.com/Kuhakucai/douyin-mcp)가 바로 이 문제를 푼다. 처음 듣는 사람을 위해 배경 하나만. MCP는 “AI의 USB 포트”라고 생각하면 된다 — AI 소프트웨어가 USB 꽂듯 각종 데이터 소스에 연결하게 해주는 범용 프로토콜이다. “Agent”는 사람 말을 알아듣고 직접 일을 처리하는 AI를 말한다. Claude Code, Cursor, Codex 같은 것들이고, 공식 사이트에서 받아 설치하면 된다. douyin-mcp는 로컬에서 도는 MCP Server다. 내 컴퓨터에서 전용 Chrome의 로그인 상태를 재사용해, 크리에이터 센터 페이지에 실제로 보이는 작품 목록, 조회수, 좋아요, 댓글, 공유, 저장, 완주율, 팔로워 증가 같은 지표를 로컬 DB에 증분 동기화하고, MCP를 지원하는 어떤 AI에든 넘겨준다.

킬러 기능이 하나 더 있다. 영상 음성 트랙 스크립트를 필요할 때 추출한다. 제목이나 화면 자막 인식이 아니라, 영상에서 실제로 말한 내용이다. 로컬 음성 인식 모델이 음성을 타임스탬프 달린 텍스트로 변환하면, AI는 “이 영상이 무슨 말을 했는지”와 “성과가 어땠는지”를 동시에 본다. 주제 선정, 오프닝 훅, 콘텐츠 구조, 최종 데이터를 한 테이블에 놓고 비교하는 게 가능해진다.

현재 stars 59, forks 9, AGPL-3.0 라이선스, 작성 시점 기준 활발히 업데이트 중이다. macOS와 Windows 지원, Python 3.11 이상, 단일 사용자·단일 계정 로컬 실행. 저장소에는 비공식 커뮤니티 도구이며 브라우저 자동화로 본인 계정에 보이는 데이터를 읽는 방식이라 플랫폼 리스크 컨트롤을 건드릴 수 있다고 명시돼 있다 — 이건 고객에게도 반드시 있는 그대로 알려야 한다.

루트 1: 10분 설치, 내 계정부터 돌려보기

대상: 본인 TikTok 계정이 있고, 돈 안 들이고 효과부터 검증하고 싶은 크리에이터.

설치는 “말 한마디”로 설계돼 있다. 코딩을 몰라도 된다. MCP를 지원하는 Agent에게 이렇게 말하면 끝이다:

1

https://github.com/Kuhakucai/douyin-mcp.git 프로젝트를 클론하고 설치·설정해줘

Agent가 README를 읽고, 환경을 점검하고, 설치 스크립트를 돌리고(macOS는 bash ./easy-install.sh, Windows는 해당 PowerShell 스크립트), DB를 초기화하고, 지금 쓰는 클라이언트에 MCP 설정을 써넣은 뒤, 전용 Chrome을 열어 QR 로그인을 받는다. 첫 동기화에서 작품 목록과 최근 작품 상세를 가져온다.

영상 스크립트 기능은 기본 꺼져 있다. 필요할 때 “영상 스크립트 활성화해줘”라고 하면, FFmpeg와 로컬 음성 인식 모델을 받아야 하고 디스크를 얼마나 쓰는지 설명한 뒤 동의를 받고 설치한다. 이 설계 덕분에 10분 컷이 가능하다 — 첫 동기화는 몇 분이면 끝나고, 과거 영상 수백 개가 전부 변환될 때까지 멍하니 기다릴 필요가 없다.

루트 2: 복기를 복제 가능한 질문 템플릿으로

대상: 콘텐츠는 올리는데 복기는 전부 감에 의존하는 크리에이터.

도구 설치는 시작일 뿐이고, 진짜 돈이 되는 건 질문하는 법이다. 저장소의 권장 사용법을 템플릿으로 그대로 쓸 수 있다:

1
2
3
4

내 TikTok 데이터 상태를 점검해줘. 캐시가 만료된 경우에만 작품 목록과
최근 20개 상세를 업데이트하고, 최근 30일 기준으로 완주율, 5초 완주율,
인게이지먼트율을 비교해서 복기 결론을 내줘. 각 결론마다 데이터 시점,
커버리지, 누락 항목, 근거가 된 작품을 명시해줘.

일상 복기는 세 종류의 질문으로 나눌 수 있다. 패턴 찾기: “최근 30일 인게이지먼트율 상위 5개 작품을 찾고 공통점을 설명해줘.” 비교 분석: “이 3개 영상의 음성 스크립트와 성과 데이터를 엮어서 주제, 오프닝 훅, 콘텐츠 구조, 인게이지먼트 차이를 비교해줘.” 다음 행동 지시: “어떤 작품이 후속편 가치가 있어? 정렬 근거와 데이터 한계를 설명해줘.”

데이터가 거짓말을 안 한다는 게 이걸 팔 수 있는 근거다. 페이지에 표시 안 된 값은 null로 저장하고, 0이나 추측값으로 채우지 않는다. 모든 결론에 수집 시각, 캐시 신선도, 필드 커버리지, 누락 사유가 붙는다. 계정을 잘못 전환한 게 감지되면 쓰기를 거부한다. AI가 주는 복기 결론은 그럴듯하게 지어낸 게 아니라 증거가 딸린 결론이다.

루트 3: 이 능력을 서비스로 포장해 팔기

대상: 정보 격차로 부업 수익을 만들고 싶은 사람. 가장 잘 팔리는 고객은 꾸준히 업로드는 하는데 데이터는 전혀 모르는 중소 크리에이터다 — 맛집 리뷰 계정, 지식 채널, 커머스 크리에이터. 데이터 의식은 있는데 데이터 역량이 없고, MCP가 뭔지도 모른다.

서비스 형태는 세 가지. 첫째, 1회성 복기 리포트: “최근 30일 작품 성과 분석 + 히트작 공통점 분해 + 다음 달 주제 제안”을 납품한다. 수요 검증용 기준점을 주자면, 지금 당근마켓·숨고·크몽에서 “틱톡 계정 진단” “계정 데이터 분석”을 검색하면 비슷한 서비스가 건당 3만~15만 원대에 팔린다. 팔로워 수와 리포트 깊이에 따라 가격이 갈리니 직접 검색해서 가격을 잡으면 된다. 둘째, 동행 구독: 매월 복기 리포트 + 주제 회의를 고정 납품해 장기 고객을 묶는다. 셋째, 강의 판매: 설치 설정과 질문 템플릿을 강의나 전자책으로 만들어 직접 해보고 싶은 크리에이터에게 판다. 한 번 만들어 반복해서 판다.

보수적으로 한 번 계산해보자(추정이지 약속이 아니다). 복기 리포트 1건을 5만 원에 받고, 익숙해진 뒤 건당 1시간이 걸린다고 치자. 크몽에 올려서 한 달에 10건 팔면 50만 원의 순수 시간 수입이다. 입소문이 나면 구독으로 전환해 객단가와 재구매를 끌어올린다.

컴플라이언스 경계는 미리 못 박아야 한다. 오래 하려면 필수다. 이 프로젝트는 비공식 도구이고 본인 계정에 보이는 데이터만 읽으며, 플랫폼 약관 위반이나 리스크 컨트롤을 유발할 수 있다고 저장소가 명시한다. 그러니 서비스할 때 반드시 고객 본인이 QR 스캔하고, 본인이 조작하고, 본인이 리스크를 확인하게 한다. 계정 자격증명은 절대 대신 보관하지 않는다. 데이터 재판매도 없다. 수주 전에 “계정이 제한될 수 있다”는 리스크를 서비스 설명에 적고, 플랫폼 제재로 서비스가 중단되면 미완료 비율만큼 환불한다는 조항을 미리 합의한다. 이게 마지노선이자 오래 버티는 전제 조건이다.

사례 시뮬레이션: 지식 채널의 복기 루프

먼저 분명히 해둔다. 아래는 가상 시연이다. 이 프로세스가 돌아가면 어떤 모습인지 보여주는 것이지, 실제 고객 사례가 아니다. 필자도 아직 전 과정 실측을 완료하지 않았다.

매주 3~5개를 올리는 지식 채널 운영자가 도구를 설치하고 Agent에게 복기 지시를 내렸다고 가정하자. 증거 체인이 달린 비교 결론이 나온다. 가장 값진 건 스크립트 차원의 발견이다 — 같은 주제의 두 영상을 비교했더니, 잘된 쪽은 첫 5초에 상식을 뒤집는 결론을 바로 던졌고, 망한 쪽은 20초를 깔고 나서야 본론에 들어갔다는 식이다. 이런 “데이터 + 실제 발화 내용” 교차 검증을 사람 손으로 체계적으로 하는 건 사실상 불가능하다.

이런 크리에이터에게 월 1회 딥 복기는 오프닝 훅과 주제 방향을 계속 개선하는 엔진이다. 완주율과 팔로워 곡선이 운에 맡기는 복권이 아니라 관리하고 개선하는 자산이 된다. 실제로 효율이 얼마나 오르는지는 직접 한 번 돌려서 진짜 숫자를 뽑아보길 권한다 — 그게 나중에 서비스를 팔 때 가장 설득력 있는 소재다.

지금 바로 움직여라

도구는 무료 오픈소스다. 진입장벽은 컴퓨터 한 대와 TikTok 계정 하나뿐. 오늘 세 가지만 하자. 첫째, 저장소 주소를 MCP 지원 Agent에게 던져 설치를 끝낸다. 둘째, 위의 복기 템플릿으로 내 계정을 한 번 돌려 AI의 결론이 내 직감과 얼마나 다른지 본다. 셋째, 전 과정을 스크린샷으로 기록한다 — 이게 나중에 서비스와 강의를 팔 때 쓰는 첫 번째 소재다. 데이터 복기의 인식 격차가 크리에이터 사이의 격차를 벌리고 있다. 먼저 돌려본 사람이 먼저 먹는다.