n8n 자동화, 비개발자 마케터가 직접 써보고 느낀 현실적인 후기
마케터 사이에서 유행하는 n8n 자동화를 비개발자가 직접 써 보고 느낀 장단점과 필요한 학습량을 정리한 후기입니다.
세 줄로 먼저 읽기
- n8n은 노드라는 작업 단계를 이어 반복 작업을 자동화하는 도구이며, 단순한 흐름은 화면 설정만으로 만들 수 있습니다.
- 필자는 GA4 주간 보고와 리드 정리, 블로그 발행 알림 세 가지로 주당 2~3시간을 줄였고 안정적으로 돌리기까지 약 한 달이 걸렸습니다.
- 기본 노드를 벗어나면 JSON 구조와 HTTP 상태 코드, API 인증, 표현식을 알아야 하며 AI에게 물을 때도 실패한 노드와 입력 데이터를 설명할 수 있어야 합니다.
n8n을 알게 된 계기
2026년 초부터 마케터 커뮤니티와 SNS에서 n8n 셀프호스팅이라는 말이 자주 보였습니다. "Claude한테 시키니까 서버 세팅부터 워크플로우까지 다 만들어줌", "ChatGPT로 n8n 자동화 뚝딱" 같은 글이 타임라인을 채웠습니다. 처음에는 또 하나의 유행이라고 생각했는데, 글을 올리는 사람들이 저처럼 코딩을 본업으로 하지 않는 마케터나 기획자라는 점이 눈에 띄었습니다.
n8n은 여러 서비스의 작업 단계를 연결해 반복 실행하는 자동화 도구입니다. 노드(node)는 자료 읽기나 메시지 만들기 같은 한 단계이고, 노드를 이어 붙인 작업 흐름을 워크플로(workflow)라고 합니다. 셀프호스팅은 프로그램을 내 컴퓨터나 직접 관리하는 서버에 설치해 운영하는 방식입니다.
저는 마케팅과 데이터 분석을 업으로 하고, 개발은 할 줄 모릅니다. 데이터베이스에서 자료를 조회하는 언어인 SQL은 업무에서 쓰지만 프로그래밍과는 거리가 멉니다. 그런 제가 n8n에 관심을 가진 이유는 반복 작업이 너무 많았기 때문입니다. 웹사이트 이용을 분석하는 Google Analytics 4(GA4)에서 매주 데이터를 뽑아 정리하고, 상담이나 구매에 관심을 보인 사람의 정보인 리드를 시트에 옮기고, 블로그 글이 발행되면 슬랙에 알렸습니다. 하나하나는 별것 아닌데 모아 놓으면 하루의 상당 부분이 여기에 들어갔습니다.
이 가운데 GA4 주간 보고를 n8n으로 옮기면 노드 네 개가 차례로 이어집니다.
GA4 주간 보고 워크플로의 노드 네 개
1. 예약 실행매주 월요일
아침 9시에 시작
2. GA4 조회지난주 세션 수, 전환율,
유입 채널별 트래픽
3. 메시지 가공숫자를 슬랙 메시지
형식으로 정리
4. 슬랙 발송정해 둔 채널에
보고 게시
"비개발자도 AI 도움을 받으면 할 수 있다"는 말은 반신반의했지만, 직접 해 보지 않으면 판단할 수 없다고 생각해 시작했습니다. 결론부터 말하면 맞는 말이기도 하고 틀린 말이기도 합니다.
꽤 괜찮았던 첫인상
셀프호스팅이 유행이었지만 저는 n8n Cloud부터 시작했습니다. 서버 세팅에서 막혀 도구를 써 보지도 못하는 상황은 피하고 싶었습니다. Cloud는 n8n이 운영하는 환경이라 제 서버를 준비하지 않아도 되고, 체험 기간이 끝나면 요금제와 실행량 조건에 맞춰 구독합니다.
Cloud와 셀프호스팅의 시작 조건
| 시작할 때 |  n8n Cloudn8n이 운영 |  셀프호스팅내가 운영 |
|---|---|---|
| 서버를 직접 준비한다 | 제공하지 않음 | 제공 |
| 가입하고 바로 편집 화면을 연다 | 제공 | 설치를 마친 뒤 |
| 체험이 끝나면 요금제를 고른다 | 제공 | – |
처음 워크플로 편집 화면을 열었을 때 든 생각은 "생각보다 깔끔하다"였습니다. 노드를 끌어다 놓고 선으로 잇는 방식이라, 아이콘과 이름만 봐도 노드마다 무슨 일을 하는지 짐작이 갑니다. Google Sheets 노드를 놓고, 중간에 데이터를 가공하는 노드를 넣고, 슬랙 노드를 연결하는 식입니다. 간단한 워크플로 하나를 만드는 데 30분이 채 걸리지 않았습니다.
기본 템플릿이 많고 노드 설정도 드롭다운에서 고르는 방식이라 코드를 직접 쓸 일이 거의 없었습니다. 이때까지는 "이거 정말 쉬운데?" 싶었습니다. 어려움은 이 단계를 벗어나면서 시작됐습니다.
실제로 도움이 된 자동화들
어려운 이야기를 하기 전에, 만들어서 지금도 잘 쓰는 워크플로 세 가지를 소개합니다. 이 워크플로들이 돌아가는 것을 보면 n8n을 시작하길 잘했다는 생각이 듭니다.
첫 번째는 앞에서 노드 네 개로 본 GA4 주간 보고 슬랙 자동 발송입니다. API는 프로그램끼리 요청과 응답을 주고받는 접점입니다. 이 워크플로는 매주 월요일 아침 9시에 GA4 API로 지난주 핵심 지표(세션 수, 전환율, 유입 채널별 트래픽)를 가져와 정리한 뒤 슬랙 채널에 보냅니다. 보고에 쓰려면 조회 기간과 시간대를 맞추고 지표 이름도 고정해 둡니다. 세션 수인지 사용자 수인지, 전환율이 어떤 주요 이벤트의 비율인지 정해 두어야 매주 같은 숫자를 비교할 수 있습니다. 예전에는 매주 월요일 데이터 스튜디오(Data Studio, 옛 이름 루커 스튜디오)를 열어 스크린샷을 찍고 슬랙에 올렸는데, 지금은 출근하면 보고가 이미 올라와 있습니다.
두 번째는 리드 자동 정리입니다. 웹사이트 문의 폼으로 들어온 리드 정보가 Google Sheets에 쌓이면, n8n이 중복을 확인하고 회사명 기준으로 기존 리드와 맞춘 뒤 고객 관계 관리(CRM) 시트에 정리합니다. 회사명만 기준으로 삼으면 같은 회사의 다른 담당자 문의가 한 건으로 합쳐지므로, 문의 ID처럼 한 건을 구별하는 값도 함께 씁니다. 손으로 하면 건당 2~3분씩 걸리던 일입니다.
세 번째는 블로그 발행 알림입니다. RSS는 사이트의 새 글 목록을 제공하는 형식입니다. n8n의 RSS 트리거 노드가 피드를 지켜보다가 새 글이 올라오면 슬랙에 제목, 링크, 요약을 보냅니다. 기본 노드가 있어서 만드는 데 10분도 걸리지 않았습니다. 슬랙 발송 권한과 보낼 채널, 이미 보낸 글을 다시 보내지 않는 설정은 따로 잡아 둡니다.
세 가지를 합쳐 주당 2~3시간을 아꼈다고 느꼈습니다. 매주 같은 일을 해야 한다는 부담이 사라진 것도 컸습니다.
세 자동화로 줄어든 손작업
2~3시간주당 아낀 시간세 워크플로 합계, 필자 업무 기준
2~3분리드 한 건 수작업지금은 자동으로 정리
10분 미만RSS 알림 구성기본 RSS 트리거 노드 사용
어려워지는 지점
위 자동화들은 단순한 편입니다. 노드를 잇고 기본 설정과 계정 연결만 해서 만들었습니다. 조건이나 데이터 가공이 조금만 복잡해져도 사정이 달라집니다.
GA4 보고를 만들 때 API에서 받아 온 데이터를 슬랙 메시지 형식에 맞게 가공해야 했습니다. 여기서 처음 표현식(Expression)을 만났습니다. 표현식은 다른 노드의 값을 가져오거나 계산식을 넣는 입력 방식이고 JavaScript 문법을 씁니다. 예를 들어 현재 입력에 숫자 sessions: 1523이 있을 때 다음 표현식은 1,523이라는 표시용 문자열을 만듭니다.
{{ $json.sessions.toLocaleString('ko-KR') }}$json은 현재 항목의 데이터, sessions는 그 안의 필드 이름입니다. toLocaleString('ko-KR')은 숫자를 한국어 표기 방식으로 바꾸는 메서드이고, {{ ... }}는 n8n에게 안쪽을 표현식으로 계산하라고 알리는 표시입니다. 값이 문자열 "1523"이면 먼저 숫자로 바꿔야 합니다. 결과 대신 표현식이 글자 그대로 나오면 값 입력 방식이 Fixed로 남아 있는 경우이므로 Expression으로 바꿉니다.
이 한 줄을 알아내는 데 꽤 오래 걸렸습니다. JavaScript를 모르는 사람에게는 $json이 무엇인지, .toLocaleString()이 무엇인지, 왜 중괄호를 두 번 쓰는지가 직관적이지 않습니다.
더 난감했던 것은 API 인증입니다. Credential은 서비스 연결에 쓰는 인증 정보를 저장하는 설정이고, OAuth는 사용자가 앱에 특정 접근을 허용하는 방식입니다. 스코프(scope)는 그때 요청하는 접근 범위입니다. 현재 n8n 공식 Google Analytics 노드는 OAuth 인증을 지원해서, 서비스 계정을 만들고 JSON 키를 발급하지 않아도 연결됩니다. 이 노드 대신 다른 방식으로 API를 호출하면 요구하는 인증도 달라집니다. 설정 순서는 n8n의 Google 인증 안내에 나와 있습니다.
에러 메시지를 이해하는 일도 어려웠습니다. 워크플로가 실패하면 이런 메시지가 나옵니다.
ERROR: Request failed with status code 403
{
"error": {
"code": 403,
"message": "Request had insufficient authentication scopes.",
"status": "PERMISSION_DENIED"
}
}이 메시지는 요청에 필요한 스코프가 부족하다는 뜻입니다. 403 자체는 접근이 거부됐다는 번호여서, 같은 403이라도 계정의 자료 접근 권한이나 서비스 설정이 원인일 때가 있습니다. 당시 저는 이 메시지를 보고 무엇을 해야 할지 전혀 몰랐습니다. 403이 무엇인지, 스코프가 무엇인지, 어디서 어떤 권한을 추가해야 하는지 하나씩 찾아봐야 했습니다.
JSON은 이름과 값을 짝지어 데이터를 표현하는 형식입니다. n8n의 노드끼리 JSON으로 데이터를 주고받기 때문에, 여러 겹으로 싸인 구조에서 원하는 값을 꺼내려면 경로를 정확히 알아야 합니다.
{
"rows": [
{
"dimensionValues": [{"value": "organic"}],
"metricValues": [{"value": "1523"}]
}
]
}{}는 이름과 값을 모은 객체이고, []는 여러 항목을 순서대로 담는 배열입니다. [0]은 배열의 첫 항목입니다. 위 예에서 지표 값 "1523"을 꺼내는 경로는 $json.rows[0].metricValues[0].value이고, 바깥에서 안쪽으로 세 번 들어갑니다.
지표 값 1523을 꺼내는 경로
1. rows[0]rows 배열의
첫 번째 행- 2. metricValues[0]그 행의 지표 배열에서
첫 번째 항목 
3. value실제 값
문자열 "1523"
노드가 데이터를 다른 모양으로 내보내면 이 경로도 달라집니다. 그래서 값이 비어 나오면 먼저 앞 노드의 출력을 열어 실제 구조를 봅니다.
AI가 도와준다고 해도
"Claude나 ChatGPT한테 물어보면 되지 않나?" 반은 맞고 반은 틀린 말입니다.
실제로 AI의 도움을 많이 받았습니다. 표현식 문법을 모를 때, 에러 메시지를 해석할 때, 워크플로 로직을 설계할 때 AI에게 물으면 꽤 정확한 답이 돌아옵니다. 처음 GA4를 연동할 때도 Claude에게 단계별로 물어 가며 설정했고, 혼자 헤매는 시간을 많이 줄였습니다.
하지만 AI가 알려 준 코드를 붙여 넣기만 해서는 금방 한계가 옵니다. 워크플로가 잘 돌아갈 때는 괜찮지만, 무언가 하나가 바뀌거나 에러가 나면 스스로 고치지 못합니다. AI에게 다시 물을 수는 있어도 상황을 정확히 설명하려면 제가 어느 정도는 이해하고 있어야 합니다. "에러가 났어요"라고만 하면 AI도 원인을 짚지 못합니다. 어느 노드에서, 어떤 데이터가 들어왔을 때, 어떤 에러가 났는지를 말해야 구체적인 답이 나옵니다.
ClaudeCredential을 다시 연결하면서 읽기 권한을 허용해 보세요.
그래도 403이면 그 계정에 해당 GA4 자료의 접근 권한이 있는지 봅니다.
결국 AI는 배우는 속도를 높여 주는 도구였고, 배우는 일 자체를 대신해 주지는 않았습니다.
결국 공부해야 하는 것들
n8n을 업무에 제대로 쓰려면 비개발자도 아래 네 가지는 어느 정도 이해해야 합니다.
JSON은 피할 수 없습니다. n8n에서 데이터가 흘러가는 기본 형식이라, 객체와 배열의 차이와 여러 겹 구조에서 값을 찾는 방법 정도는 알아야 합니다. 처음에는 화면에서 입력 필드를 끌어와 연결해도 되지만, 구조를 알면 값이 비거나 엉뚱한 필드를 연결했을 때 원인을 빨리 찾습니다.
HTTP는 웹에서 요청과 응답을 주고받는 규칙입니다. GET은 주로 자료 조회, POST는 자료 제출에 씁니다. 응답에는 결과를 알리는 상태 코드 번호가 붙습니다. 외부 서비스에 직접 요청하는 HTTP Request 노드를 쓰기 시작할 때 조금씩 익히면 됩니다.
자주 만나는 HTTP 상태 코드
200성공
401인증 문제
403접근 거부앞의 스코프 부족 오류- 500서버 내부 오류
표현식을 쓰려면 JavaScript 기초도 조금 필요합니다. 기본 조건은 If 노드의 비교 설정으로, 단순한 필드 변경은 Edit Fields 노드로 처리합니다. 복잡한 변환이나 계산에서 표현식이 필요해집니다. 프로그래밍을 깊이 배우지 않더라도 변수, 조건문, 배열을 다루는 방법 정도는 이해해야 합니다.
그리고 이 모든 것의 바탕에는 논리적 사고가 있습니다. 자동화 워크플로를 설계하는 일은 "A 조건이면 B를 하고, 아니면 C를 한다"는 로직을 짜는 일입니다. 이 로직을 분명하게 정리하지 못하면 워크플로가 복잡해질수록 문제가 생긴 곳을 찾기 어려워집니다.
이 네 가지를 혼자 익히려면 시간이 꽤 듭니다. 저도 앞의 세 가지 자동화를 안정적으로 돌리기까지 퇴근 후 시간을 약 한 달 들였습니다.
n8n의 실제 효용
쓸 만합니다. 다만 조건이 있습니다.
제 업무에서는 반복 작업 시간이 줄었습니다. 예약 실행과 권한이 유지되고 오류 처리가 준비된 워크플로는 계속 반복해서 돌아가므로, 처음에 고생한 만큼 이후에 시간을 돌려받습니다. 주 2~3시간 절약을 4주로 단순 계산하면 8~12시간입니다. 여기서 구독 비용과 오류 수정, 유지보수에 드는 시간을 빼야 실제로 아낀 시간이 나옵니다. 그렇게 남은 시간을 더 중요한 분석이나 전략 업무에 쓸 수 있어서 저에게는 충분히 가치가 있었습니다.
하지만 그 "초기 고생"이 만만치 않습니다. 간단한 자동화 몇 개는 하루면 만들지만, 실무에서 안정적으로 돌아가는 워크플로를 갖추려면 디버깅과 예외 처리에 상당한 시간을 씁니다. "30분 만에 뚝딱"이라고 소개하는 글은 대개 가장 단순한 경우만 보여 주고, 실제 업무에 붙였을 때의 복잡함은 담지 않습니다.
비개발자에게 n8n을 추천하겠냐고 묻는다면 상황에 따라 답이 다릅니다.
n8n을 시작해도 되는 상황
| 내 상황 |  시도할 만함 |  좌절하기 쉬움 |
|---|---|---|
| 반복 작업이 업무 시간의 꽤 큰 몫을 차지한다 | 제공 | – |
| 새로운 것을 배우는 데 거부감이 없다 | 제공 | – |
| 당장의 결과보다 몇 달 뒤의 효율을 본다 | 제공 | – |
| 코딩 몰라도 된다는 말만 믿고 시작한다 | – | 제공 |
쉽게 얻는 것은 없습니다
n8n이든 다른 자동화 도구든, 도구는 진입장벽을 낮춰 줄 뿐 없애 주지는 않습니다. 프로그램을 직접 작성하지 않고 노드를 연결하는 방식으로 시작할 수는 있습니다. 그래도 데이터 구조를 이해하고, 로직을 설계하고, 에러를 해결하는 능력은 본인이 갖춰야 합니다.
AI의 도움을 받더라도 결과를 확인하는 일은 사람에게 남습니다. AI는 좋은 과외 선생님이지만 시험을 대신 봐 주지는 않습니다.
그래도 도전할 가치는 있다고 생각합니다. 한 달 전과 비교하면 자동화를 더 깊이 이해하게 됐고, 데이터가 시스템 사이를 어떻게 흘러가는지 아는 감각도 생겼습니다. 이 감각은 마케터 일에도 도움이 됩니다. GA4 데이터를 API로 직접 다뤄 보면 대시보드 뒤에 있는 데이터의 구조가 보이고, 분석하는 관점도 달라집니다.
각오하고 시작한다면 해 볼 만한 도전입니다. 다만 "쉽다"는 말은 하지 않겠습니다.
자주 묻는 질문
코딩을 몰라도 n8n으로 자동화를 만들 수 있나요?
단순한 자동화까지는 만들 수 있습니다. RSS의 새 글을 슬랙으로 알리는 흐름은 기본 노드만으로 구성됩니다. 서비스 인증과 발송 채널, 중복 발송 방지는 따로 설정합니다. 기본 설정으로 안 되는 변환이 생기면 그때 필요한 데이터 구조와 표현식을 조금씩 익히면 됩니다.
셀프호스팅으로 시작하는 편이 좋나요?
처음에는 Cloud 쪽이 부담이 적습니다. 셀프호스팅이 유행이지만 서버 세팅에서 막히면 도구를 써 보지도 못한 채 시간을 쓰게 됩니다. Cloud에서는 서버 설치 없이 워크플로를 만들 수 있으니, 이 도구가 내 업무에 맞는지부터 써 보고 정합니다.
AI에게 물어보면서 만들면 충분하지 않나요?
절반만 맞습니다. 표현식 문법이나 에러 메시지 해석은 AI에게 물으면 꽤 정확한 답이 돌아와서 혼자 헤매는 시간이 줄어듭니다. 다만 어느 노드에서 어떤 데이터가 들어왔을 때 무슨 에러가 났는지 설명할 수 있어야 쓸 만한 답이 나옵니다. 그 설명에 필요한 이해는 AI가 대신해 주지 않습니다.
Sources
제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
이 글에서 필자가 n8n을 사용하며 어려움을 겪었다고 설명한 기반 지식은 무엇일까요?
새 글과 AI 소식을 메일로 받아 보세요
AI가 바꾸는 일과 도구, 측정 실무 이야기를 매주 한 번 보내 드려요.
이 글이 도움이 되었나요?
메일, 회의록, 리포트처럼 반복되는 일을 AI로 자동화하는 순서와 안전장치를 다룹니다
코스 전체 보기 →