AI Writing — 임베딩 유사도 기반 콘텐츠 최적화

배경

국내 대형 금융지주의 GEO PoC 프로젝트입니다. "AI가 인용하기 좋은 문장으로 다듬으면 실제로 인용이 따라오는가"를 검증하는 것이 목표였고, 문장 최적화 설계부터 성과 보고까지 담당했습니다. 본 케이스 스터디의 고객사명은 비밀유지를 위해 마스킹했습니다.

문제 정의

AI가 어떤 문장을 출처로 선택하는지는 블랙박스입니다. 이를 타깃 개념과 문장 사이의 의미 유사도(0~100)로 프록시화했습니다. 단일 모델 편향을 줄이기 위해 서로 다른 3개 임베딩 모델의 평균값을 지표로 사용했습니다.

접근 — 141개 지점, 사람이 마지막을 지키는 파이프라인

원문 준비 → 타깃 개념 설정 → 후보 문장 생성 → 유사도 채점 → 사람 검수의 5단계로 운영했습니다. 콘텐츠 30편의 타이틀 30개, 메타 디스크립션 30개, FAQ 답변 81개, 총 141개 지점에 적용했습니다. 유사도 점수는 문장이 사실인지 검증하지 않기 때문에, 점수가 높아도 사람 검수 없이는 채택하지 않는 자동 채택 금지 원칙을 세웠습니다. 신뢰가 자산인 금융 브랜드에서는 한 문장의 정확성이 성과 지표보다 앞서기 때문입니다.

요인 분리 — 무엇이 인용률을 올렸나

측정 시점을 대조해 상승분을 분해했습니다. 초기 상승분은 콘텐츠 구조화 효과로, 이후 상승분은 AI Writing 효과가 더해진 결과로 해석했습니다. 개입 시점을 추이 그래프에 마커로 기록해, "효과가 있었다"는 주장을 검증 가능한 형태로 만들었습니다.

비대칭의 발견 — 인용은 오르는데 언급이 안 오른다

인용률이 급등하는 동안 언급률이 따라오지 않는 비대칭을 발견했습니다. 원인을 추적해 보니 인용된 콘텐츠 40개 중 브랜드명이 포함된 콘텐츠는 2개뿐이었습니다. 이를 근거로 인용률은 AI 친화적 콘텐츠 최적화로, 언급률은 소비자 관심사·구매 맥락 추적 기반 콘텐츠 전략으로 접근을 이원화하는 Next Plan을 제시했습니다.

성과

• 141개 적용 지점 전 지점 유사도 상승 (평균 62.8 → 77.5)
• 인용률 0% → 30.7% (6주)
• 언급률 베이스라인 대비 상승, 경쟁 브랜드군 2위권 진입
• 회사 공식 성공 사례로 선정, AI Writing 검수 워크플로는 타 고객사 프로그램에 재사용