설명: AI 콘텐츠 생산량과 실제 성과를 혼동하지 않는 방법. 수동으로 소재를 고른 글과 AI가 직접 발굴한 글을 구분하고 공개 후 14일을 비교한다.
102개 기사에 12개 언어를 곱하면 1,224개 버전이다. 편집국이 하룻밤에 분열한 듯하지만, 원고를 작성했다는 사실이 독자의 방문을 뜻하지는 않는다.
102개의 의미
한 제작 사례에서는 AI 서비스 23개, 업데이트·오류 23개, 밈 21개, 팬덤의 궁금증 21개, 게임 공략 14개를 준비했다. 합계 102개 원문에 12개 언어면 1,224개 언어 버전이다. 그러나 이 숫자만으로 실제 공개나 검색 색인이 완료됐다고 말할 수 없다. 수정판의 중복 집계도 피해야 한다.
소재 선정자와 작성자를 나누자
사람이 X에서 화제의 강아지 밈을 골랐고 AI가 글을 썼다면 소재 발견은 수동이다. AI가 트렌드를 찾아 주제까지 골랐다면 자동 발견군이다. 과거 수동 히트작을 어제 만든 자동 시스템의 성과로 넣으면 성적표가 시작부터 부풀려진다.
파일 날짜가 아닌 실제 공개일
각 기사에 원문 ID, 주제 선정 방식, 집필 방식, 언어별 URL, 처음 본문이 서비스된 확인 시각을 연결한다. GitHub에 저장한 날과 독자가 볼 수 있게 된 날은 다를 수 있다. 언어별 공개 시점도 다를 수 있으니 각각 공개 후 7일·14일·28일로 비교해야 한다.
조회 수만 보지 말자
운영자의 테스트 방문이 PV에 포함될 수도 있다. 검색 노출 수, 클릭 수, 색인 상태, 유입 경로를 따로 본다. 공개된 기사 수를 분모로 삼아 검색 클릭을 한 번이라도 얻은 비율, 10PV 이상 비율, 중앙값, 상위 몇 개에 쏠린 정도를 측정하자. 공개 14일째 0이라도 검색 엔진이 아직 발견하지 못했을 가능성이 있다.
다음 실험은 잠깐 보류
새 장르를 계속 추가하면 무엇이 효과를 냈는지 알기 어렵다. 기존 생산은 유지하되 추적 체계를 먼저 갖추자. 공장의 기적은 원고를 만드는 속도에 있고, 사업의 성적은 실제로 읽힌 유용한 글에 있다. 컨베이어 벨트의 속도보다 출구를 보자.
참고: Google 콘텐츠 지침, 게시 날짜 지침. 제작 수량은 보고된 사례이며 공개 완료 수량과는 다르다.
