Intent-Based Signal 기반 5~20배 응답률 향상 아웃리치 시스템 설계

Build an Intent-Based LinkedIn Outreach System in an Afternoon

Kamal2026년 5월 6일13분intermediate

AI 요약

Context

단순 리스트 스크래핑 기반의 Cold-Outreach 방식은 0.3%라는 극히 낮은 응답률과 수신자의 거부감을 유발함. 정적인 타겟팅이 아닌 사용자의 실시간 의도(Intent)를 포착하여 컨텍스트가 유효한 시점에 접근하는 동적 시스템의 필요성 대두.

Keyword, Engagement, Watchlist 등 3가지 유형의 Intent Signal을 정의하여 실시간 트리거 구조 설계
Plain-English Firing Rule을 LLM Classifier에 적용하여 복잡한 필터 UI 없이 자연어 기반의 정밀한 타겟 필터링 구현
HMAC-verified Webhook을 통해 Signal 발생 시점에 GPT-4o-mini가 개인화된 메시지를 자동 생성하는 이벤트 기반 워크플로우 구축
Proxy Farm이나 Shared Pool 대신 실제 사용자 계정의 Session Cookie(li_at, JSESSIONID)를 AES-256-GCM으로 암호화하여 관리함으로써 계정 차단 리스크 최소화
Human-in-the-loop 구조의 Approval Queue를 도입하여 LLM 생성물의 품질 검증 후 1-Click으로 전송하는 최종 제어 단계 설계

실천 포인트

1. 타겟의 실시간 시그널(직무 변경, 경쟁사 언급 등)을 정의했는가

2. LLM 필터링 결과에 대해 '이유'를 함께 출력하여 정합성을 검증하고 있는가

3. 자동화 파이프라인 마지막 단계에 Human-in-the-loop 검증 절차를 포함했는가

4. 외부 API 연동 시 HMAC 등을 통한 Webhook 보안 검증을 수행하는가

태그