LLM 생성 답변의 한계를 극복한 Structured Data 기반 디렉토리 설계

Context

Google AI Overviews의 확산으로 인한 정보성 쿼리의 Zero-click 현상 심화 및 CTR 감소 발생. 단순 텍스트 합성 기반의 AI 답변이 가진 구조적 한계를 파악하여 고밀도 비교 데이터 제공을 통한 트래픽 유입 전략 수립.

Technical Solution

• Turso DB 기반의 Typed Column 설계를 통한 Attribute-based Filtering 구현으로 LLM의 모호한 서술형 답변 한계 극복
• Claude Haiku와 System-prompt Caching을 활용한 비용 최적화 및 'Avoid-if' 등의 부정적 속성 강제 추출 파이프라인 구축
• 주 단위 GitHub Commit Activity를 추적하는 ETL 프로세스를 통해 데이터 최신성(Freshness) 보장 및 휴면 프로젝트 식별
• 생성형 AI 렌더링 대신 Static SSG 아키텍처를 채택하여 인덱싱 속도 최적화 및 빠른 페이지 로드 타임 확보
• 다수의 니치 사이트(AI tools, Games, OSS) 운영을 통한 쿼리 의도별 데이터 신호 분리 및 실험 가속화