DESIGNOVEL / 2026
AI의 답변 속에서
브랜드의 자리를 보이게 만들다.
BOIDA는 생성형 AI가 브랜드를 얼마나 자주, 어떤 맥락에서 언급하는지 측정하고, 그 근거를 콘텐츠와 기술 개선으로 연결하는 GEO(Generative Engine Optimization, 생성형 엔진 최적화) B2B SaaS입니다.
- Role
- Advisor to CEO & Fractional CPO
- Period
- 2026. 01 ~ 현재
- Team
- 5+ engineers
- Scope
- Strategy, Product, Full-stack delivery, Onboarding
01
검색 순위만으로는
설명되지 않는 시장
고객의 탐색이 검색 결과에서 ChatGPT, Gemini, Claude 같은 생성형 AI의 답변으로 이동하고 있습니다. 기존 검색 지표는 AI가 어떤 브랜드를 기억하고 추천하는지, 어떤 출처를 근거로 삼는지 보여주지 못합니다.
핵심 과제는 대시보드를 하나 더 만드는 것이 아니었습니다. 흩어진 AI 답변을 비교 가능한 지표로 만들고, 왜 그런 결과가 나왔는지 추적하며, 다음 행동까지 제안하는 하나의 운영 흐름이 필요했습니다.
02
측정에서 실행까지,
하나의 제품 흐름으로.
변화와 우선순위
BVI와 5개 지표
질문, 답변, 출처
개선 기회 정렬
콘텐츠와 기술 실행
제품은 최대 6개 AI 엔진을 동시에 측정하고, BVI(Brand Visibility Index, 브랜드 가시성 지수)와 5개 세부 지표로 결과를 구조화합니다. 브리핑, 카테고리, 브랜드 분석, 근거, 개선 기회, 실행, 기술 최적화로 이어지는 8개 워크플로우가 분석을 실제 업무로 연결합니다.
03
제가 맡은 일
Enterprise problem framing
보험, 럭셔리, 대기업의 실제 사용 장면에서 출발해 무엇을 먼저 만들어야 하는지 로드맵을 정리했습니다.
Product system
측정, 해석, 근거, 실행이 끊기지 않도록 정보 구조와 모듈 간 흐름을 설계했습니다.
0→1 delivery
5명 이상의 엔지니어와 약 5개월 동안 10+개 모듈을 출시했고, 최종 릴리스는 백엔드부터 프론트엔드까지 직접 완성했습니다.
Launch & adoption
엔터프라이즈 파일럿 출시와 고객 온보딩까지 맡아 제품이 실제 업무에 들어가는 마지막 구간을 닫았습니다.
04
아이디어를 기업이 쓰는
제품으로 바꿨습니다.
결과는 기능 수만이 아닙니다. 새로운 시장 개념을 엔터프라이즈 고객이 이해하고, 진단하고, 행동할 수 있는 반복 가능한 제품 언어로 만들었습니다.
05
Product screens
실제 사용 화면의 계정 정보와 고객 식별 정보는 익명화했습니다. 각 이미지를 누르면 세로 전체 길이의 원본 화면을 볼 수 있습니다.
시장 문제와 BVI 지표 체계를 처음 설명하는 제품 진입점
기업 사용자가 워크스페이스로 진입하는 인증 화면
브랜드별 측정 상태와 핵심 지표를 관리하는 시작 화면
이번 회차에서 먼저 봐야 할 변화와 우선순위를 요약
BVI 순위와 핵심 지표를 한 화면에서 비교
AI가 카테고리를 평가할 때 반복해서 쓰는 기준을 구조화
구매 기준별 경쟁 구도와 브랜드 강약을 비교
카테고리 안의 브랜드 노출 순위를 추적
같은 질문에서 함께 등장하는 경쟁사와 점유 구조를 분석
브랜드 간 인접성과 인식 구도를 시각화
AI 답변에 나타난 긍정과 부정 맥락, 선택 이유를 분석
브랜드 언어와 실제 고객 질문 사이의 간극을 발견
질문, 엔진, 답변 원문까지 추적 가능한 근거 레이어
AI가 참고한 도메인과 출처 신뢰도를 확인
생성형 AI 엔진별 노출 차이와 편차를 비교
분석 결과를 우선순위가 있는 실행 의제로 전환
브리핑에서 콘텐츠 생성과 배포 관리로 이어지는 작업 공간
브랜드의 기준 정보와 자산을 한곳에서 관리
배포한 콘텐츠의 상태와 성과를 추적
사이트의 GEO 기술 진단과 개선 항목을 관리