피드로 돌아가기
Dev.toInfrastructure
원문 읽기
구조적 데이터 필터링과 SSG 기반의 AI Overview 대응 전략
Why I'm betting on AI-curated directories when Google AI Overviews answer the same queries
AI 요약
Context
Google AI Overviews의 확산으로 인해 정보성 쿼리의 CTR이 급감하고 제로 클릭 현상이 심화됨. 단순 텍스트 요약 중심의 LLM 생성 답변으로는 정밀한 속성 기반 필터링과 최신 유지보수 상태 정보를 제공하는 데 한계가 존재함.
Technical Solution
- Turso DB의 Typed Column을 활용하여 works_offline, has_mobile_app 등 정형화된 속성 기반의 Faceted Filtering 구현
- Claude Haiku 모델에 System-prompt Caching을 적용하여 비용을 최적화하고 'Avoid-if'와 같은 비판적 관점의 구조적 데이터 생성
- GitHub Commit Activity를 매주 추적하는 ETL 파이프라인을 설계하여 도구의 실제 유지보수 상태를 실시간 반영
- Generative Prose 대비 빠른 로딩 속도와 인덱싱 최적화를 위해 Dynamic Rendering 대신 Static SSG 아키텍처 채택
- 단순 발견 쿼리가 아닌 'Downstream Comparison Query'를 타겟팅하여 정밀한 속성 비교 페이지 설계
실천 포인트
- LLM의 생성 답변이 대체하기 어려운 '정형 데이터 기반의 필터링' 기능 확보 여부 검토 - 단순 요약이 아닌 '부정적 조건(Negative-space)'을 강제하는 프롬프트 설계로 차별적 가치 제공 - 실시간성 확보를 위해 API 기반의 주기적 ETL 파이프라인과 상태 플래그(Freshness status) 도입 - 상위 단계의 일반 쿼리가 아닌 하위 단계의 '비교/결정' 쿼리에 최적화된 고밀도 비교 페이지 구성