◆ 실험 개요: 실시간 정보 업데이트가 가능한 AI 이메일 자동화
Make로 이메일 답장 자동화를 하면서 아쉬웠던 점이 ChatGPT가 참고할 수 있는 정보가 프롬프트에 하드코딩된 기본 정보뿐이었다는 거였습니다. '우리 회사 서비스 상세 정보나 최신 업데이트 내용을 좀 더 실시간으로 반영할 수는 없을까?' 하는 의도에서 시작된 오늘의 실험입니다.
▶ 실험 배경 및 가설
1. 실험 배경
이전 실험의 한계: 프롬프트에 하드코딩된 회사 정보
현실적 문제: 서비스, 가격 업데이트, 새로운 FAQ 등이 생길 때마다 Make 워크플로우를 수정해야 함
구글 독스의 가능성: 팀원 누구나 쉽게 편집할 수 있는 문서를 ChatGPT가 실시간으로 참고할 수 있다면?
2. 실험 가설
유지보수성: 구글 독스로 정보 관리하면 비개발자도 쉽게 업데이트 가능할 것
답변 품질: 업데이트된 정보를 바탕으로 더 정확한 ChatGPT 답변 생성이 가능할 것
효율성: 구글 독스에서 문의 유형별로 필요한 섹션만 선별적으로 추출하여 ChatGPT에 전달하는 것이 전체 문서를 통째로 넣는 것보다 ChatGPT API 비용 측면에서 효율적일 것
■ 기술 구현 및 워크플로우
사용 스택
Make: 워크플로우 자동화
Gmail : 이메일 트리거 및 답장 초안 생성
Google Docs: 실시간 정보 추출
ChatGPT API: 컨텍스트 기반 답변 생성
핵심 구현 포인트
1. 구글독스 구조화
# 회사 소개
# 서비스 포트폴리오
# 서비스 제공방식
# 가격 정보
# FAQ
# 연락처 정보
2. Text Parser (Match Pattern) 최적화
첫 시도: Match Pattern + Global Match → 복잡한 번들 처리 필요
개선안: Match Pattern에 통합 정규식 패턴 사용→ 단일 번들 생성으로 효율적 처리
3. Router 기반 문의 분류
회사 문의: "회사", "소개", "미팅" 키워드
서비스 문의: "서비스", "가격", "견적" 키워드
기술 지원: "문제", "오류", "지원" 키워드
★ 실험 결과
✅ 검증된 사실들
기술적 성과
Text Parser (Match Pattern) 추출이 정확하게 작동
구글독스 업데이트 내용이 즉시 ChatGPT 답변에 반영됨 (가격 정보 변경 테스트)
❌ 한계점들
효율성 측면
짧은 문서에서는 섹션별 추출 vs 전체 제공의 답변 품질 차이가 제한적
토큰 절약 효과 미미할수도 (문서 길이가 충분히 길지 않은 경우 그냥 전체를 제공하는 게 낫다)
운영 안정성
구글독스 구조 변경 시 정규식 수정 필요
팀원들의 임의 구조 변경으로 인한 오작동 리스크
🔍 예상치 못한 발견
번들(Bundle)과 배열(Array)의 차이점 이해
정보의 품질과 함께 프롬프트 최적화가 중요하다는 깨달음
● 실무 적용 시 고려사항
적합한 상황
자주 변경되는 정보(가격, 일정, FAQ)를 다루는 기업
여러 팀원이 컨텐츠를 관리해야 하는 환경
권장 시작 방법
간단한 FAQ 문서부터 시작해서 안정성 검증
팀 내 문서 편집 규칙 정립
단계적으로 더 복잡한 정보 추가
→ 다음 실험 로드맵
실험 #2 예고: 프롬프트 최적화를 통한 답변 품질 극대화
같은 정보라도 프롬프트 구성에 따른 답변 퀄리티 차이 분석
가장 원하는 답변을 얻기 위한 다양한 테스트
여러분의 경험은? Make + AI 자동화를 구축해보신 마케터분들의 노하우나 개선 아이디어를 댓글로 공유해주세요.
📊 상세한 실험내용과 결과는 [블로그]에서 확인 가능]
