예시 답변 1
약 106초
AI 도구 활용·분석 결과 중심으로 푸는 결
학부 캡스톤 프로젝트에서 소셜 미디어 광고 성과 분석을 진행할 때 AI 도구를 활용한 경험이 있습니다.
Python의 scikit-learn으로 광고 클릭률 예측 모델을 만들었고, 입력 변수로는 게시 시간대·해시태그 수·이미지 포함 여부를 사용했습니다. 데이터는 인스타그램 Graph API로 수집한 약 2,000개 게시물이었습니다. 모델 결과에서 오전 7~9시 게시물이 평균 클릭률이 높다는 패턴이 나왔고, 이를 기반으로 팀의 콘텐츠 게시 일정을 조정했습니다.
추가로 GPT API를 활용해 광고 문구를 자동 생성해보는 실험도 했습니다. 직접 작성한 문구와 AI 생성 문구의 클릭률을 비교했는데, 문맥이 자연스러운 문구가 수치상으로도 성과가 좋았습니다. 이 경험에서 AI는 아이디어 생성 속도를 높여주지만, 최종 판단은 여전히 사람의 감각이 중요하다는 것을 배웠습니다.
이 결의 특징
캡스톤 서에서 scikit-learn으로 클릭률 예측 모델을 만들고(게시 시간대·해시태그 수·이미지 포함 여부를 입력변수로), 인스타그램 Graph API로 약 2,000개 게시물을 수집한 뒤 오전 7~9시 게시물의 높은 클릭률 패턴을 발견해 게시 일정을 조정한 구체적 흔적이 있습니다.
이 결이 통하는 자리
GPT API로 광고 문구를 자동생성하는 실험을 거쳐 자연스러운 문맥의 문구가 수치 성과도 좋음을 확인하고, 최종 판단은 사람 감각이 중요하다는 배움을 갖췄을 때, AI 도구의 속도 이점과 인간 판단의 한계를 구분하는 실무자로 통합니다.