주소와 주문 번호를
WhatsApp Business 채팅에서 추출하세요

주소와 주문 번호가 실제로 존재하는 위치

WhatsApp Business 채팅 스레드는 메시지 버블의 연속입니다. 고객의 메시지는 한쪽(Android는 녹색, iOS는 파란색)에 표시되고, 업체의 답장은 반대쪽에 표시됩니다. 각 버블에는 고객이 입력한 내용(일반 텍스트, 이모지, 때로는 제품 사진)이 포함됩니다. "주소 필드"나 "주문 번호 필드"는 없습니다. 대신 다음과 같은 문장이 있을 뿐입니다:

주소, 상품, 수량, 주문 번호는 모두 동일한 버블에 있습니다. 때로는 같은 대화 내에서 여러 메시지에 걸쳐 분산되어 있기도 합니다. 주소 형식 자체는 국가와 지역에 따라 완전히 다릅니다:

문제는 주소에 전용 필드가 없다는 것뿐만이 아닙니다. 모든 국가가 주소를 다르게 작성하는데, WhatsApp은 이를 모두 동일하게, 즉 채팅 버블에 입력된 원시 텍스트로 처리한다는 점입니다. 표준도, 템플릿도, 화면에서 예측 가능한 위치도 없습니다.

기존 OCR이 채팅 데이터를 추출하지 못하는 이유

WhatsApp Business 채팅의 스크린샷을 찍어 기존 OCR 엔진으로 실행해 보세요. 출력 결과는 읽기 순서(위에서 아래로, 왼쪽에서 오른쪽)대로 나열된 텍스트 블록입니다. 화면 상단의 타임스탬프, 비즈니스 프로필 이름, 고객 전화번호, 메시지 버블 내용, 답장, 다음 메시지가 모두 뒤섞여 나옵니다. OCR은 문자 위치만 읽을 뿐 의미를 파악하지 못하기 때문입니다.

기존 OCR 도구는 "Rua Augusta, 1500"이 주소이고 "apto 42"가 아파트 번호라는 것을 알지 못합니다. "Order #4"가 참조 식별자라는 것도 모릅니다. 이 모든 것을 구분되지 않은 하나의 문자열로 읽어낸 후, 사용자가 직접 조각을 골라내도록 남겨둡니다. 고객이 연속으로 세 개의 메시지를 보냈다면(먼저 품목을 나열하고, 그다음 주소, 마지막으로 주문 번호) 출력 결과는 뒤죽박죽 섞여서 수동으로 분석해야 풀 수 있는 엉망이 됩니다.

이는 OCR의 해상도나 정확도의 한계가 아닙니다. OCR이 작동하는 방식(글자처럼 보이는 모양을 찾는 것)과 사용자가 실제로 필요로 하는 것(어떤 텍스트가 무엇을 의미하는지 이해하는 것) 사이의 근본적인 불일치입니다. 채팅 스크린샷에는 양식 필드, 레이블 또는 구조화된 레이아웃이 없습니다. 대화가 있을 뿐이며, 대화에는 이해가 필요합니다.

의미 기반 추출 — 의미로 채팅 읽기

ImageToTable.ai는 다른 접근 방식을 사용합니다. 이미지에서 텍스트 좌표를 스캔하는 대신, 사람이 보는 방식으로 스크린샷을 봅니다. 즉, 내용을 읽고 각 정보가 무엇을 의미하는지 이해한 후, 사용자가 요청한 것을 정확히 추출합니다.

출력 열을 정의하세요 — 주소, 주문 번호. AI는 스크린샷을 읽고 위치가 아닌 의미적 역할에 따라 각 열과 일치하는 텍스트를 찾습니다. 텍스트가 배송지 역할을 하게 만드는 요소(거리 이름, 도시 이름, 우편번호, 동네 식별자)를 인식하여 주소를 식별합니다. 이러한 요소가 제품명 및 수량과 함께 문장에 나타나더라도 말이죠.

이것이 바로 맞춤 열 추출 패러다임이 하는 일입니다. 원하는 것을 정의하면 AI가 의미를 통해 찾아냅니다. 위에 표시된 모든 주소 형식 변형에서 작동하는 이유는 "브라질 주소"가 어떻게 생겼는지 미리 알 필요가 없기 때문입니다. 주소라는 개념(거리, 번지, 도시, 우편번호)을 이해하고 채팅 텍스트 어디에 나타나든 식별합니다.

템플릿이 필요 없습니다. 먼저 업로드할 샘플 문서도 없습니다. 국가별 주소 형식 교육도 필요 없습니다. 스크린샷을 업로드하고, 열 이름을 입력하면 AI가 채팅을 읽습니다.

결과물 — 주문당 한 행

하루 동안 접수된 열 개의 주문처럼, WhatsApp Business 채팅 스크린샷 배치를 업로드합니다. 각 스크린샷은 동일한 열 정의로 동일한 추출 과정을 거칩니다. 출력은 각 행이 하나의 주문을 나타내는 단일 스프레드시트입니다:

이 표는 주소 형식이 완전히 다른 여러 국가의 주문을 하나의 일관된 구조로 통합합니다. 고객 이름, 전화번호, 주문 품목, 수량 등 더 많은 열을 열 목록에 추가하기만 하면 됩니다. AI는 동일한 스크린샷을 다시 읽어 채팅 헤더나 메시지 내용에서 고객 이름을 찾고, 텍스트에서 전화번호를 추출하며, 고객이 요청한 품목을 나열합니다.

단일 배치에는 인도, 브라질, 나이지리아, 인도네시아 고객의 스크린샷이 포함될 수 있으며, 함께 처리되고 추출되어 하나의 스프레드시트로 제공됩니다. 국가별 설정이나 형식별 템플릿이 필요하지 않습니다.

한계점 — 솔직한 경계

채팅 스크린샷은 이 도구가 처리하는 가장 비정형적인 입력입니다. 의미론적 추출은 잘 작동하지만, 마법은 아닙니다. 실제 한계는 다음과 같습니다:

여러 메시지에 걸쳐 분할된 주소. 고객이 거리를 한 메시지에, 도시를 다음 메시지에, PIN 코드를 세 번째 메시지에 보내는 경우 — 그 사이에 업체의 답장이 섞여 있습니다. 단일 스크린샷으로는 이 모든 것을 포착하지 못할 수 있습니다. 해결책은 전체 대화 스레드를 스크린샷(가능하면 스크롤 캡처)하여 AI가 완전한 맥락을 갖도록 하는 것입니다.

텍스트 대신 음성 메시지. 고객이 주소를 음성 메모로 보내면 스크린샷에서 추출할 텍스트가 없습니다. 음성 전사는 스크린샷 추출에 포함되지 않은 별도의 기능입니다. 고객이 주소를 입력하거나 음성 메모를 별도로 전사해야 합니다.

모호하거나 랜드마크 기반 주소. "평소 장소로 보내주세요" 또는 "수룰레레에 있는 큰 모스크 근처"에는 추출 가능한 주소 구성 요소가 없습니다. AI는 텍스트에 공식 주소가 없음을 올바르게 식별합니다. 이를 표시할 뿐 임의로 생성하지는 않습니다. 이러한 주문은 배송 세부 정보를 확인하기 위해 후속 메시지가 여전히 필요합니다.

하나의 스크린샷에 여러 주소. 고객이 같은 주문에서 두 개의 다른 위치로 배송을 요청하는 경우 — "절반은 사무실로, 절반은 집으로 보내주세요" — 모호성이 발생합니다. 추출은 두 주소를 모두 반환하지만, 이를 주문 구조에 어떻게 매핑할지 결정해야 합니다. 배송 라벨 열("사무실" / "집")을 추가하면 명확히 구분하는 데 도움이 될 수 있습니다.

이모지와 스티커. AI는 이모지를 맥락 신호로 읽을 수 있지만(📍 핀이 텍스트 옆에 있으면 "위치 관련"을 의미), 주소 텍스트를 가리는 스티커 이미지는 사각지대를 만듭니다. 스티커 뒤의 텍스트는 스크린샷에서 보이지 않습니다.

이것이 채팅 추출을 피해야 하는 이유는 아닙니다. 이는 채팅 스크린샷으로 작업하는 모든 도구가 직면하는 현실적인 경계입니다. 이를 알면 그에 맞춰 스크린샷 워크플로를 설계할 수 있습니다 — 전체 대화 스크롤을 캡처하고, 중요한 주문은 고객이 주소를 입력하도록 요청하며, 모호한 지시는 후속 조치를 위해 표시합니다.

주문 워크플로우에 미치는 영향

수동으로 WhatsApp 주문을 처리할 때 실제로 드는 비용은 주소를 스프레드시트에 입력하는 행위 자체가 아닙니다. 바로 그 누적입니다. 하루에 열 개의 주문 각각에서 주소와 주문 번호를 복사해 내야 하는 일, 월요일 아침에 밀려 있는 업무, 어떤 메시지를 이미 처리했는지 놓쳐서 동일한 주문을 두 번 처리하는 실수, 고객 메시지에서 비슷하게 들리는 거리 이름을 잘못 읽어 엉뚱한 위치로 배송하는 사고 같은 것들입니다.

Reddit의 한 소규모 식품 사업체 운영자는 이렇게 간단히 설명했습니다. "WhatsApp 주문을 수동으로 스프레드시트에 옮기는 데 너무 많은 시간을 낭비하고 있었어요." 물류 유통업을 하는 다른 운영자는 모든 고객이 WhatsApp으로 주문하고 모든 것을 수동으로 처리한다며, 새 고객이 추가될 때마다 병목 현상이 심해진다고 지적했습니다.

수동 복사-붙여넣기에서 스크린샷 기반 추출로 전환하면 정보가 시스템에 입력되는 지점에서 워크플로우가 바뀝니다. 스크린샷은 이미 기록입니다. 고객의 메시지를 보존하기 위해 찍는 것이죠. 이제 그 스크린샷을 읽고 세부 정보를 다시 입력하는 대신, 바로 업로드합니다. 주소와 주문 번호가 키보드를 거치지 않고 스프레드시트에 바로 들어갑니다. 예전에는 고객 한 명당 1분씩 걸리던 주문 확인 작업을 스크린샷을 찍는 동시에 처리할 수 있습니다.

스프레드시트도 훨씬 유용해집니다. 주소가 구조화된 열에 들어가면 도시별로 정렬하여 배송 경로를 그룹화하거나, 주문 번호 범위로 필터링하여 배치를 확인하거나, 하위 집합을 내보내 배송팀에 보낼 수 있습니다. 채팅 스레드에 흩어져 있던 주문 번호가 이제는 몇 초 만에 훑어볼 수 있는 하나의 목록이 됩니다.

자주 묻는 질문

주소와 주문 번호는 이미 스크린샷에 있습니다 — WhatsApp 주문 대화를 캡처할 때마다 말이죠. 문제는 직접 다시 입력할지, 아니면 AI가 읽도록 할지입니다. 한 가지 방법은 복사-붙여넣기의 반복에 머무르게 합니다. 다른 방법은 스크린샷 자체를 주문 워크플로의 입력으로 전환합니다. 결제 스크린샷에서 데이터를 추출할 때 적용되는 동일한 원칙이 여기에도 적용됩니다: 인터페이스가 문서가 아니더라도 데이터는 존재합니다 — 위치가 아닌 의미로 읽는 도구만 있으면 됩니다.