30분 만에 끝내는 Conversational AI 웹사이트 개조 — Problem Owner가 직접 Solver 되는 시대

문제: 트래픽은 늘었는데, 전환은 제자리

리텐션 주식회사 홈페이지는 LinkedIn 주간 노출 4,000+, 페이스북 팔로워 2.4K+로 가시적 성장세를 보였습니다. SEO도 개선되고 있었죠.

그런데 문제가 있었습니다.

트래픽은 늘어나는데, 컨설팅 문의로 이어지는 전환율은 제자리였습니다.

방문자들은 블로그 글 목록을 보다가 그냥 떠났습니다. 수십 개의 아티클 중 자신에게 필요한 글을 찾지 못하고, 이탈했죠.

결국 핵심은 이거였습니다.

"UI가 아무리 예쁘면 뭐 하나? 고객이 궁금증을 해결하지 못하면 그건 실패한 경험이다."

깨달음: Problem Owner와 Solver의 경계가 사라졌다

샤워를 하다가 문득 이런 생각이 들었습니다.

"내가 원하는 SaaS를 직접 만들어 쓸 수 있는 시대가 왔구나."

과거에는 이런 식이었습니다:

• Problem Owner: "챗봇이 필요해"
• 개발팀: "3주 뒤에 가능합니다"
• Problem Owner: 대기...

하지만 지금은 다릅니다:

• Problem Owner: "챗봇이 필요해"
• AI 코딩 도구: "어떤 거 원하세요?"
• Problem Owner: 30분 후 → 완성

문제를 겪는 사람(Owner)이 직접 해결하는 사람(Solver)이 되는 시대입니다.

저는 Growth Manager이지 개발자가 아닙니다. 하지만 제가 겪은 문제를 직접 해결하고 싶었습니다.

도구 선택: 제미나이가 알려준 Vertex AI Search

케이시 윈터스(Casey Winters)의 'SuperME' 에이전트를 보고 영감을 받았지만, 위젯 형태로는 제공되지 않았습니다.

그래서 Gemini Chat에 물어봤습니다:

"우리 블로그에 Conversational LLM을 달아서,
고객이 질문하면 연관된 아티클을 찾아주는 걸
어떻게 쉽게 구현할 수 있을까?"

Gemini가 추천한 건 Google Vertex AI Search였습니다.

왜 Vertex AI였나?

이유는 단순했습니다:

1. 이미 GCP 친숙함 - Firebase, Cloud Functions 등 여러 프로젝트를 GCP에서 운영 중
2. 학습 비용 제로 - 새 플랫폼을 배우는 시간이 가장 큰 비용입니다
3. 통합 편의성 - 같은 프로젝트 내에서 모든 걸 관리

물론 비용만 따지면 더 싼 대안도 있을 겁니다. 하지만 새 플랫폼 학습에 드는 시간까지 고려하면 GCP가 가장 저렴했습니다.

직감이었지만, 실행이 증명했습니다.

실행: 정말 30분 컷

Gemini가 생성한 PRD를 바탕으로 AI 코딩 에이전트(Claude Code)와 페어 프로그래밍을 시작했습니다.

Before → After

무엇을 만들었나?

✅ Intercom 스타일 플로팅 챗 버블 (우측 하단)
✅ "무엇이든 물어보세요! 👋" 인사 툴팁
✅ 블로그 sitemap 자동 인덱싱 (새 글 자동 반영)
✅ Gemini 기반 RAG 답변 생성
✅ 모바일 반응형 UI

함정: "왜 검색 결과가 안 나오지?"

구현 완료 후 바로 테스트했습니다.

검색어: "Claude 프로젝트"
결과: "검색 결과가 없습니다. 다른 검색어를 사용해 보세요."

설정 완료 직후 테스트 시 나타난 화면

당황했습니다. "설정을 잘못한 건가?"

아니었습니다. Vertex AI Search의 인덱싱은 최대 24시간 소요됩니다.

이게 유일한 함정이었습니다:

• ❌ 설정 완료 직후 테스트 → 검색 결과 없음
• ✅ 다음 날 테스트 → 모든 블로그 글 검색 가능

GCP Console의 Data Store에서 "Documents" 탭을 확인하면 인덱싱 진행 상황을 볼 수 있습니다.

결과: 정적 웹사이트가 AI 컨설턴트로

이제 retn.kr 방문자들은 이렇게 말할 수 있습니다:

• "Meta 광고 자동화 어떻게 하나요?"
• "Braze로 리텐션 개선 사례 있나요?"
• "n8n 자동화 가이드 있나요?"

AI가 블로그 콘텐츠를 기반으로 답변하고, 관련 아티클을 제안합니다.

수십 개 글 사이에서 헤맬 필요가 없어졌습니다.

측정 가능한 변화

참고: 위젯 설치 후 2주간 데이터 수집 예정

교훈: 실행 장벽은 거의 사라졌다

이 프로젝트에서 배운 것들:

1. "할 수 있을까?"가 아니라 "어떻게 할까?"

과거: "개발자 없이는 불가능해"
현재: "어떤 AI 도구를 쓸까?"

질문이 바뀌면 가능성이 열립니다.

2. 학습 비용이 진짜 비용

새 플랫폼을 배우는 시간 > 월 사용료 × 12개월

이미 아는 도구(GCP)를 활용하는 게 가장 빠른 길이었습니다.

3. Problem Owner = Solver 시대

• ✅ 문제를 가장 잘 아는 사람이 직접 해결
• ✅ 요구사항 전달 오류 제로
• ✅ 피드백 사이클 시간 = 0초

문제를 겪는 사람이 가장 빠르게 해결할 수 있습니다.

다음 단계

시도해볼 것들

1. 사용자 질문 분석 - 어떤 주제에 관심이 많은지 파악
2. 답변 품질 개선 - Agent Builder Instructions 최적화
3. Follow-up 대화 - 단순 검색을 넘어 연속 대화 가능하게

직접 해보고 싶다면

이 글의 구현 가이드는 setup-guide.md에 있습니다.

핵심은 이겁니다:

복잡한 기술 스택을 고민하기 전에, "내가 원하는 게 뭔지"를 명확히 하세요.
그리고 AI에게 물어보세요. 생각보다 훨씬 쉽게 만들 수 있습니다.

Problem Owner가 직접 Solver가 되는 시대입니다.

당신이 겪는 문제는 당신이 가장 빠르게 해결할 수 있습니다.

궁금한 게 있으신가요?

리텐션 주식회사는 Growth부터 Product-market fit까지, 실행과 검증을 함께합니다.

• 📧 simpson.sim@retn.kr
• 📞 30분 무료 진단 미팅 신청