LISTEN
AI Ignite 질문과 고객 미팅, 영업 피드백에서 반복 Pain Point 수집
MOON
AI B2B · SEOULSELECTSTARGrowth Marketer현재 역할
디자인팀장 → 마케팅 팀장 → 신사업개발실 마케팅 매니저 → Growth Marketer
추가 프로젝트 · CUSTOMER EDUCATION · SALES ENABLEMENT
AI Evaluation
Enablement
고객이 AI Evaluation의 필요성을 이해할 수 있도록 평가 기준과 서비스 리스크, 규제 대응을 교육 콘텐츠로 구조화하고 세일즈 자산으로 연결했습니다.
01
문제
비즈니스 배경
제품보다 먼저,
평가가 왜 필요한지 설명해야 했습니다.
고객은 AI Evaluation을 벤치마크 테스트나 개별 기능으로 이해하는 경우가 많았습니다. 평가 필요성과 비즈니스 리스크를 매번 처음부터 설명해야 해 영업 초기 단계의 설명 비용이 높고 메시지 일관성도 부족했습니다.
평가 필요성 인식 부족높은 초기 설명 비용제품 가치 전달 불일치
가설
고객이 AI 서비스 평가 기준과 리스크, 규제 대응 방안을 먼저 이해하면 Evaluation 도입 논의가 쉬워지고 영업 커뮤니케이션도 일관되게 만들 수 있다.
02
전략
시스템 설계
기능 설명을
고객의 리스크 언어로 전환했습니다.
행사 질문과 영업 피드백에서 반복되는 문제를 찾고, 가이드·체크리스트·랜딩·후속 상담으로 이어지는 교육 퍼널을 설계했습니다.
FRAME
AI 품질·거버넌스·규제 대응 관점으로 평가 필요성 구조화
EDUCATE
LLM 평가 가이드와 AI 기본법·신뢰성 체크리스트 제작
ENABLE
다운로드 리드와 영업팀 고객 설명 자료로 연결
03
실행
직접 실행한 범위
고객 질문을 교육 자산과
세일즈 대화의 공통 프레임으로.
Customer insight
행사 참가자 질문과 고객 미팅에서 평가 필요성, 규제 대응, 검증 기준에 대한 반복 질문을 분석했습니다.
Content development
LLM 서비스 평가 가이드, AI 기본법 대응 체크리스트, 신뢰성 평가 체크리스트를 제작했습니다.
Lead journey
홈페이지 다운로드 랜딩과 리드 수집 폼, 다운로드 전환 추적을 구축하고 광고와 연결했습니다.
Sales enablement
영업팀이 고객 설명에 사용할 수 있도록 Evaluation 필요성과 비즈니스 리스크를 공통 메시지로 정리했습니다.
04
성과
비즈니스 임팩트
교육 콘텐츠를
리드와 세일즈 자산으로 확장했습니다.
01LLM 평가·AI 기본법·신뢰성 평가를 설명하는 고객 교육 자산 구축
02영업팀이 초기 고객 커뮤니케이션에 활용할 수 있는 공통 설명 프레임 마련
03AI 기본법 대응 콘텐츠를 통해 AI 거버넌스 관련 후속 문의와 상담 기회 확인
정확한 다운로드 및 문의 건수는 공개 근거가 확인되지 않아 정량 성과로 표기하지 않았습니다.
배운 점
- 고객은 Evaluation 기능보다 안전한 AI 운영과 규제 대응이라는 문제에 더 관심을 보였습니다.
- 제품 설명보다 고객의 리스크 언어로 메시지를 구성하는 것이 중요합니다.
- 고객 교육 콘텐츠는 리드 생성과 세일즈 Enablement 자산으로 확장될 수 있습니다.