[한영자막] 에이전틱 사이트: 초개인화 웹사이트를 구축하는 방법 — Adobe Carlos Sanchez

한 줄 핵심

에이전틱 사이트는 전체 웹사이트를 다시 쓰는 방식이 아니라, 사용자 의도에 맞춰 기존 사이트를 블록 단위로 실시간 개인화하고 이를 빠른 추론·평가 루프로 운영하는 초개인화 웹 구현 방식이다.

시간별 요약

1. 0:00
   에이전틱 사이트가 풀고자 하는 문제와 목표 사용자 의도를 읽어 현재 접속자에게 맞는 페이지를 실시간으로 구성해 참여도와 전환율을 높이는 것이 목표다. 기존 Adobe Experience Manager와 엣지 기반 콘텐츠 배포, 그리고 Cerebras 같은 빠른 추론 서비스를 결합해 실제 구현 가능성을 보여준다.
2. 2:07
   전체 페이지가 아닌 블록 단위 개인화 전체 사이트를 통째로 생성하지 않고, 브랜드 가이드에 맞는 블록 단위 섹션만 개인화한다. 기존 사이트 전체를 corpus로 삼아 RAG를 구성하면 환각을 줄이면서도 수천 개 변형을 자동으로 만들 필요가 줄어든다.
3. 3:13
   기존 사이트 기반의 RAG로 환각 방지 사이트 내 콘텐츠를 바탕으로 즉시 페르소나 적응, 검색 결과 맞춤화, 추천 페이지 생성을 수행한다. 마케터는 자연어로 개인화 전략을 정의하고 분석 데이터를 통해 반복적으로 루프를 개선할 수 있다.
4. 4:24
   블록 기반 동적 프론트엔드 구조 동적 프론트엔드는 여러 블록을 조합하고 AI가 이를 실시간으로 갱신하는 구조다. 백엔드에서는 다양한 모델과 공급자를 대상으로 정확도와 속도를 계속 평가해야 하며, 사이트 유형에 따라 요구 조건이 크게 달라진다.
5. 5:33
   사이트별 모델 정확도와 속도 평가 평가의 핵심은 정확도뿐 아니라 1~2초 안에 페이지를 생성할 수 있는 속도다. Prompt Foo를 이용해 여러 모델과 공급자에 대해 로컬·호환 API 평가를 반복하며, 사이트마다 다른 기준으로 선택해야 한다.
6. 6:45
   1.1초와 4.6초의 추론 속도 차이 같은 작업이라도 모델과 공급자에 따라 평균 1.1초와 4.6초처럼 체감 차이가 크게 난다. 개인화 웹에서는 속도가 곧 사용자 경험과 전환에 직결되므로, 빠른 추론이 가능한 조합을 선택하는 것이 중요하다.
7. 7:54
   프론티어 모델이 꼭 필요하지 않은 이유 웹페이지 생성은 복잡한 지식 추론보다 텍스트 생성과 블록 배치 결정에 가깝기 때문에 대형 프론티어 모델이 아니어도 충분할 수 있다. 탐색·검색 신호를 기록해 사용자 의도를 LLM에 넣으면 hero card, products, blog feeds, navigation까지 맥락에 맞게 바꿀 수 있다.
8. 9:03
   탐색 신호로 For You 페이지 사전 생성 사용자가 사이트를 둘러보는 동안 쌓인 신호를 바탕으로 For You 페이지를 미리 생성하고 캐시할 수 있다. 추천 페이지는 반복 갱신과 사전 가져오기를 함께 고려해야 하며, 다수의 LLM 호출이 비용에 미치는 영향도 중요하다.
9. 10:10
   마케터가 정의하는 페르소나와 개인화 루프 질문 의도를 구매형, 정보 탐색형 같은 그룹으로 나누고, 마케터가 그룹 전략을 직접 정하면 AI가 블록과 추천을 조합한다. 블록 순서, 미디어, 비교 페이지까지 개인화 범위가 넓어지지만, 브랜드 적합성과 품질 검증이 함께 필요하다.
10. 12:31
    단 한 명의 고객을 위한 개인화 Audience of one은 마케팅이 꿈꾸는 극단적 개인화, 즉 개별 사용자 한 명에게 맞춘 페이지를 뜻한다. 데모 사이트에서는 사용자의 탐색 신호를 수집해 개인별 추천과 맞춤 검색 결과를 만드는 흐름을 보여준다.
11. 13:40
    라이브 데모: 사용자 신호 수집과 맞춤 추천 방문 페이지, 체류 시간, 탐색 패턴이 실시간으로 수집되고 사용자는 탐색형으로 분류된다. 그 신호를 바탕으로 이미 생성된 For You 페이지가 표시되며, 검색 의도에 따라 페이지 문구와 추천이 즉시 바뀐다.
12. 14:56
    캠핑용 커피 머신 검색과 실시간 맞춤 생성 캠핑용 커피 머신을 찾는 쿼리에 맞춰 페이지가 즉석에서 생성되고, 추천 제품과 문구가 캠핑 맥락에 맞게 조정된다. Cerebras 위의 Gemma 4로 약 1초대 추론과 2,300 tokens per second 수준의 성능을 확인한다.
13. 16:07
    실시간 모델 변경과 추론 속도 검증 temperature, tokens, 모델 종류를 바꿔가며 결과와 속도를 직접 비교할 수 있어 고객 데모와 실험에 유용하다. Prompt Foo의 자동 평가에 더해 수동으로 모델을 바꿔 보며 실제 동작을 확인하는 방식이 함께 쓰인다.
14. 17:16
    모든 웹사이트를 1시간 만에 에이전틱 사이트로 변환 URL만 넣으면 한 시간 이내에 에이전틱 사이트 데모를 만들어 줄 수 있는 도구가 소개된다. 검색 중심의 사이트를 입력하면 AI가 추천·비교·탐색 흐름을 재구성해, 사용자의 목적에 더 집중된 페이지를 자동으로 만든다.
15. 18:29
    음성 기반 초개인화와 웹의 미래 미래의 개인화는 전화기나 PC 없이 음성만으로도 Google TV 같은 화면에 완전히 맞춤화된 결과를 보여주는 방향으로 확장될 수 있다. 웹은 사용자 의도 중심으로 페이지를 조립하는 인터페이스가 될 가능성이 높고, 더 빠르고 더 저렴해질수록 활용 범위가 넓어진다.

실무 인사이트

• 초개인화 웹은 ‘전체 페이지 생성’보다 ‘기존 콘텐츠를 근거로 한 블록 조합’이 현실적이며, 브랜드 안전성과 환각 방지에도 유리하다.
• 실무에서는 정확도보다 속도 임계값을 먼저 정하고, 사이트별로 Prompt Foo 같은 평가 루프로 모델을 지속 교체·검증하는 운영 방식이 효과적이다.
• 개인화의 핵심 입력은 대화 로그보다도 탐색·클릭·체류 같은 행동 신호이며, 이를 페르소나와 의도 분류로 연결해야 추천 품질이 안정된다.