고객은 사업 방향을 정하고 AI 에이전트는 실행할 원고를 준비합니다
코이스와 먼저 확정할 것은 어려운 검색 용어가 아니라 어떤 일을 맡길 고객을 만나고 싶은가입니다. 이를 ‘이 서비스를 해 주는 업체가 있나요?’ 같은 목표 상업질문과 판매 범위로 정한 뒤 SEO·GEO/AEO 검색 의도에 맞춰 기획합니다. LLM이 고객의 말을 읽고 만들 것으로 예상되는 전문 서비스명, ‘대행사’, ‘대신 해주는 곳’ 등의 검색어를 정리해 같은 구매 의도끼리 질문 클러스터를 구성합니다.
고객은 이 묶음을 보며 우리 회사에 실제로 맡길 수 있는 일인지 확인하면 됩니다. 코이스는 묶음별 담당 원고에 필요한 설명과 사례·기능·비용 근거를 배정하고, 함께 받을 표현은 자연스럽게 한 글에 담습니다. 확정한 방향을 질문 연구실의 후보 검토와 집필에 연결하므로 고객이 키워드마다 원고를 따로 주문할 필요가 없습니다. 공개 후에는 관찰한 표현과 질문을 바탕으로 부족한 설명을 보강합니다.
처음 시작하는 기업이 검색 도구와 질문 생성 방법을 모두 배울 필요는 없습니다. 코이스의 질문 연구실은 회사소개서를 저장하는 것부터 시작합니다. LLM 페르소나를 불러와 우리 서비스를 찾을 고객 역할을 선택·수정하고, SerpAPI와 Google 그라운딩으로 검색 자료를 참고해 역할별 질문을 배치 생성합니다. 품질 심사(red team)의 자동 필터를 통과하면 ‘1차 OK’가 표시됩니다. 고객은 그중 실제로 의뢰받고 싶은 질문인지 보고 수정·삭제할 수 있습니다.
질문을 화면 안에서만 결정할 필요도 없습니다. CSV·MD로 내보내 사내 담당자나 코이스와 함께 검토하고, 협업으로 확정한 질문을 GEO 후보로 가져옵니다. 예를 들어 서비스의 전문 용어를 모르는 고객이 무엇을 부탁할지부터 살펴볼 수 있습니다. 최종 방향은 고객이 정하고, 그 결과가 집필할 후보로 이어지므로 ‘AI 검색을 시작한다’는 막연한 요청을 검수할 질문과 원고로 바꿀 수 있습니다. 1차 OK는 질문 후보의 자동 품질 심사 결과이며 공개 승인이 아닙니다.
운영에서도 고객이 매번 새 작업을 지시해야만 하는 것은 아닙니다. AI 에이전트가 월간 콘텐츠 순증·개선 목표를 기준으로 모니터링 → 분석 → 대상·우선순위 선정 → 신규 초안·기존 원고 보강을 자율 수행합니다. 담당자가 준비된 원고를 검수·승인해 공개하면 다시 관찰해 다음 작업을 이어갑니다. 무엇을 얼마만큼 만들고 고칠지는 고객별 목표와 허용된 운영 범위로 정합니다. 고객은 자료의 사실과 공개할 설명을 확인하고, 코이스는 그 확인이 가능한 결과물까지 제작·운영을 연결합니다.
솔루션 구조는 API-first SaaS입니다. 회사 지식과 질문 응대, 콘텐츠 운영을 API 중심으로 연결하고 콘솔에서 관리하므로, 고객은 원고·공개 URL·질문 기록으로 진행 상황을 볼 수 있습니다. RAG 기반 챗봇도 함께 서비스해 홈페이지 방문자의 추가 질문에는 회사 자료로 즉시 답합니다. 챗봇 응대와 달리 공개 GEO 페이지는 사람의 검수·승인 뒤 발행되어, 빠른 응대와 회사의 공개 통제를 함께 유지합니다.
콘솔 사용이 낯설 때는 MCP로 연결된 외부 AI 에이전트에 작업을 요청하는 방법도 있습니다. 계정에 허용된 자료 조회·초안 작성·기존 원고 보강으로 엔진을 운영하고 공개는 담당자 승인 절차를 유지하므로, 고객은 필요한 설명을 말하고 준비된 결과를 검수하는 방식으로 시작할 수 있습니다.
온라인몰 상품을 알리고 싶다면 커머스 선택 구성에서 쇼핑솔루션 API의 상품 가격·상세페이지 정보를 가져와 AI가 분석하고 상품 GEO 초안을 작성합니다. 상품 담당자는 그 초안에서 실제 상품 조건이 맞는지 확인할 수 있습니다. 적용할 스토어·상품 연결·동기화 이력의 범위는 별도로 정하고, 상품정보를 활용한 GEO 초안을 담당자가 검수·승인한 뒤 공개합니다. 처음부터 모든 선택 구성을 도입할 필요 없이, 공개 콘텐츠와 챗봇에 필요한 범위를 먼저 정하고 사내 RAG·커머스는 실제 목적에 맞춰 상담할 수 있습니다.
