Do Not Eat가 브랜드 음성 프로필링, 플랫폼별 콘텐츠 적응, 의도 분류 기반 댓글 처리를 구현해 AI 생성 소셜 미디어 콘텐츠의 제네릭함을 85~90% 수준에서 해결

Context

AI 생성 소셜 미디어 콘텐츠는 모두 동일하고 로봇처럼 들리는 문제가 있다. 단순 프롬프트 엔지니어링은 수용 가능한 수준의 콘텐츠를 생성하지만 다른 모든 AI 캡션과 구별되지 않는다. 또한 각 플랫폼의 알고리즘은 복사-붙여넣기 형식의 콘텐츠를 활발히 제외시킨다.

Technical Solution

• 브랜드 음성 프로필링: 사용자의 최근 50~100개 게시물을 수집해 문장 길이 분포, 어휘 빈도, 이모지 사용 패턴, 해시태그 전략, 주제 클러스터링, 포맷 습관을 추출하고 이를 생성 프롬프트의 제약 조건으로 포함
• 플랫폼 어댑터 구조: 핵심 메시지를 LinkedIn(긴 텍스트, 단락 구분), Instagram(비주얼 우선, 간결한 캡션), TikTok(음성 오버 스크립트, 2초 이내 훅), YouTube(SEO 최적화 제목), Threads(대화식, 짧은 의견)로 재구조화
• Lead Radar 의도 분류 시스템: 들어오는 댓글을 구매 의도, 정보 탐색, 사회적 참여, 스팸으로 분류하고 1~10점의 관련성 점수 부여 후 고점수 댓글에만 초안 답글 제시
• 문맥 민감도 적용: 댓글 분류 시 상위 게시물의 콘텐츠와 의도 카테고리를 포함해 같은 표현이 상품 게시물과 밈 아래에서 다르게 해석되도록 처리
• 게시 스케줄 최적화: 요일, 플랫폼, 콘텐츠 유형, 지역을 변수로 하는 함수(platform × content_type × audience_segment × day_of_week)로 모델링해 2~3주 데이터 축적 후 계정별 최적 창 도출

Key Takeaway

AI 콘텐츠 자동화에서 차별화의 핵심은 생성 품질보다 사용자의 기존 콘텐츠 패턴을 정량적으로 추출해 제약 조건으로 활용하는 것이며, 각 플랫폼의 소비 패턴에 맞춘 재구조화와 폐쇄 루프 최적화(생성 → 게시 → 측정 → 개선)가 경쟁 우위를 결정한다.