00:00:00지난달 저는 유튜브에서 38,000명 이상의 팔로워를 얻었습니다.
00:00:03인스타그램 팔로워 50,000명, 틱톡 팔로워는 11,000명이 늘었습니다.
00:00:08이는 제 '클로드 코드(Claude code)' 콘텐츠 시스템 덕분이 큰데요.
00:00:12오늘은 제가 구축한 커스텀 스킬과 일일 업무 흐름을 하나하나 분석해서,
00:00:16클로드 코드로 전체 콘텐츠 시스템을 어떻게 자동화했는지 보여드리겠습니다.
00:00:20여러분도 하실 수 있도록 말이죠.
00:00:22여기 보시는 것은 제 콘텐츠 시스템의 중추 역할을 하는 7가지 클로드 코드 스킬입니다.
00:00:26이 스킬들이 지난 한 달 동안 1,000만 회의 조회수를 기록했습니다.
00:00:30편집자나 가상 비서 없이 오직 1인 팀으로 이뤄낸 결과죠.
00:00:33그 1,000만 조회수는 30일 동안 제작된
00:00:3890개의 콘텐츠에서 발생했는데, 그중 30개는 롱폼 영상입니다.
00:00:43하지만 분명 엄청난 양의 작업물임은 틀림없습니다.
00:00:47숏폼이었습니다. 쇼츠, 릴스, 틱톡 같은 것들이죠.
00:00:51그리고 여러분이 정말 주목해야 할 숫자는 팔로워 수가 아닙니다.
00:00:54서두에서 언급한 1,000만 조회수도 아니에요. 바로 90개의 영상입니다.
00:00:58혼자서 하루에 영상 90개를 처리한다는 건, 제 자랑 같지만
00:01:02정말 엄청난 작업량입니다.
00:01:05제가 이 일을 해낼 수 있었던 유일한 방법은 지속 가능하고
00:01:10반복 가능한 시스템 덕분이었고, 오늘 바로 그 시스템을 살펴볼 것입니다.
00:01:14다시 말씀드리지만, 저는 이 모든 걸 혼자 하고 있습니다.
00:01:15하지만 컴퓨터 앞에 하루 12시간, 16시간씩 매여 있지는 않아요.
00:01:19이 시스템이 지속 가능하고 합리적이어야만
00:01:22유지할 수 있기 때문입니다. 게다가,
00:01:251,000만 조회수를 달성하는 동안,
00:01:27조회수 40만 회를 넘긴 단일 콘텐츠는 하나도 없었습니다.
00:01:31즉, 1,000만이라는 숫자가 한두 개의 영상이 대박 터지고
00:01:35나머지는 묻힌 그런 상황이 아니라는 뜻입니다.
00:01:37결정타 한 방 없이 90번의 잽으로 승리한 셈이죠.
00:01:40이 점을 아시는 게 중요할 것 같습니다.
00:01:42우리는 단순히 운에 맡긴 무작위적인 바이럴을 노리는 게 아닙니다.
00:01:45누구나 반복할 수 있는 작고 꾸준한 승리를 노리는 것이죠.
00:01:48그렇다면 어떻게 이런 일이 가능했을까요?
00:01:50어떻게 클로드 코드를 사용해 사람들이 소비하고 싶어 하는
00:01:54콘텐츠를 만드는 지속 가능한 시스템을 구축했을까요?
00:01:56먼저 콘텐츠 제작 프로세스 전반을 이해해야 합니다.
00:01:59그다음 프로세스를 개별 부분으로 나누고, 각 부분에
00:02:04특정 클로드 코드 자동화와 스킬을 할당해야 합니다.
00:02:08그게 바로 체계적으로 문제를 해결하는 방법입니다.
00:02:10저는 콘텐츠 제작 프로세스를 네 가지 단계로 나눕니다.
00:02:13첫 번째는 조사, 두 번째는 아이디어 구상,
00:02:17세 번째는 스크립트 작성, 네 번째는 배포입니다.
00:02:22이 네 단계에서 다양한 클로드 코드 스킬을 끌어냅니다.
00:02:27어떤 단계는 진행되는 일이 많아서 여러 개의 스킬이 필요하기도 합니다.
00:02:31스크립트 작성을 예로 들면, 여기엔 후킹 문구 작성이 포함되고
00:02:34실제 스크립트 내용도 들어갑니다.
00:02:36영상 개요뿐만 아니라 제목이나 썸네일 같은 패키징 작업도 포함되죠.
00:02:40하지만 조사와 아이디어 구상이라는 처음 두 단계부터 시작하겠습니다.
00:02:44이 둘은 서로 맞물려 돌아가는 사이클이라 병행해서 이야기하는 게 중요합니다.
00:02:47자료를 조사하고, 거기서 아이디어를 얻고,
00:02:50그 아이디어를 바탕으로 추가 조사가 필요해지니까요.
00:02:52그리고 그 조사 결과에서 또 다른 아이디어가 나오기도 하죠.
00:02:56그래서 1단계와 2단계는 매우 밀접하게 연결되어 있습니다.
00:02:59이곳은 여러분이 AI 개발자 지망생에서 숙련된 AI 개발자로 거듭날 수 있는
00:03:03최고의 장소입니다. 매주 새로운 내용이 업데이트되죠. 그래서 만약 여러분이
00:03:08어떻게 하면 클라우드 코드를 마스터하고 실제적인 발전 경로를 가질 수 있을지
00:03:10고민 중이시라면, 꼭 확인해 보세요. 다시 댓글에 링크를 남겨두겠습니다. 이제
00:03:14유튜브 파이프라인 기술로 돌아가 보죠.
00:03:19저는 이 기술이 7가지 기술 중 가장 강력하다고 생각합니다. 음,
00:03:22이 notebook LM 파이 기술을 통해 notebook LM의 강력한 기능을
00:03:25클라우드 코드에 가져올 수 있습니다. 유튜브 URL이나 PDF, 문서 등
00:03:29제가 원하는 무엇이든 notebook LM에 제공할 수 있죠.
00:03:32일반적인 notebook LM 웹 앱에서 할 수 있는 모든 작업을
00:03:34터미널을 통해 수행할 수 있다는 뜻입니다.
00:03:36notebook LM은 클라우드 코드에서 다루기 까다로운
00:03:41특정 콘텐츠들을 처리하는 데 매우 능숙하기 때문에 정말 유용합니다.
00:03:44특히 유튜브 비디오 같은 것들인데, 이 모든 작업은 구글 서버에서 처리됩니다.
00:03:48분석을 위해 클라우드 코드의 토큰을 사용하는 것이 아니라,
00:03:51notebook LM과 Gemini가 대신 처리하게 하고 결과만 가져오는 방식이죠.
00:03:53그리고 비디오, 슬라이드 데크, 이미지 등 notebook LM의 모든 결과물에
00:03:56접근할 수 있습니다. 여기에서 할 수 있는 모든 걸 터미널에서 할 수 있게 된 거죠.
00:03:59이 기술은 notebook LM PI CLI 도구를 사용하여
00:04:03클라우드 코드와 notebook LM 사이의 가교 역할을 수행합니다.
00:04:05이 레포지토리에는 자체적인 기술이 포함되어 있습니다.
00:04:09유튜브 파이프라인 리서치는 본질적으로 추가적인 기술들을 호출하는
00:04:12상위 계층의 기술이라고 할 수 있습니다.
00:04:17그래서 유튜브 파이프라인 기술이 하는 일은 notebook LM
00:04:21PI CLI 도구와 기술을 활용하여 기본적으로
00:04:24정보 수집 과정을 자동화하는 것입니다.
00:04:27대화 내용을 바탕으로 여러 유튜브 URL을 수집하고
00:04:32분석 단계까지 포함합니다.
00:04:33이 도구를 가교로 활용해 단 한 번의 명령으로
00:04:38정보 수집과 분석을 자동으로 동시에 수행하는 것이죠.
00:04:43하지만 이 기술을 사용한다는 건 이미 정보원이 있다는 것을 전제로 합니다.
00:04:44무엇에 대해 이야기하고 무엇을 할지 이미 결정했다는 뜻이죠.
00:04:49분석 단계까지 포함합니다.
00:04:50즉, 이 도구를 가교로 삼아 명령 하나만으로 자료를 자동으로
00:04:54수집하고 분석까지 마치는 것이죠.
00:04:56하지만 이 스킬을 쓴다는 건 이미 정보원이 있다는 뜻이겠죠?
00:04:59무엇에 대해 이야기할지, 혹은 무엇을 분석할지 이미 결정했다는 뜻인데,
00:05:02여기서 질문이 생깁니다.
00:05:04애초에 무엇을 말할지 어떻게 결정할까요?
00:05:08클로드 코드가 그 부분에서 어떻게 도움을 줄까요?
00:05:09그건 스킬 분석 내용 그 이상의 영역입니다.
00:05:13우리가 파악해야 할 것은 일종의 '0단계'입니다.
00:05:16여러분의 특정 분야에서 지식의 원천이 어디인지 알아내야 합니다.
00:05:21기술 분야라면 꽤 명확하죠. 이런 AI 관련 주제들은
00:05:23보통 몇 군데에서 시작됩니다.
00:05:25따라서 여러분의 지식의 원천이 어디인지 파악해야 합니다. 왜냐하면
00:05:30기술이나 AI 분야가 아니라면, 여러분은 다음과 같은 점을 이해해야 합니다.
00:05:33정보가 어디에서 시작되는가 하는 것이죠.
00:05:35그래야 해당 주제에 대해 가장 먼저 이야기할 수 있기 때문입니다. 제 경우에는,
00:05:39정보가 GitHub나 트위터에서 나온다고 말씀드렸는데,
00:05:40그 과정에서 클로드 코드를 어떻게 활용할까요? 트위터의 경우,
00:05:45클로드 코드를 사용해 트위터 스크래핑 웹 앱을 만들었습니다.
00:05:47지금 보시는 것이 그것입니다. 텔레그램으로 전송되죠. 매 30분에서 45분마다,
00:05:49설정한 키워드와 작성자들을 바탕으로 추출된 트윗이
00:05:53알림으로 뜨면서 사람들이 무엇에 대해 이야기하는지, 좋아요는 얼마나 받았는지 알려줍니다.
00:05:57클로드 코드를 어떻게 활용할까요? 트위터의 경우,
00:06:00클로드 코드에게 트위터 스크래핑 웹 앱을 만들어 달라고 했습니다.
00:06:04지금 보시는 게 그 결과물입니다. 텔레그램과 연동되어 30~45분마다
00:06:08특정 키워드와 작성자를 기반으로 트윗 알림이 옵니다.
00:06:12그들이 무엇을 말하는지, 좋아요 수는 어떤지 알려주죠.
00:06:16확산 속도 점수(velocity score)도 보여줍니다.
00:06:18또한 트위터 API도 연결해두어서 원한다면 바로 답장을 보낼 수도 있습니다.
00:06:21이게 웹 앱의 작동 방식입니다. 다시 말씀드리지만,
00:06:25클로드 코드로 만들기는 꽤 쉬웠지만, 기능은 상당히
00:06:28정교하고 커스터마이징도 자유롭습니다.
00:06:3145분 정도마다 랜덤 타이머가 작동해서
00:06:3640~90개의 트윗을 수집합니다. 아피파이(Apify) 트윗 스크래퍼를 쓰는데,
00:06:39가격이 꽤 저렴합니다.
00:06:40그러고 나서 트윗을 필터링하고 점수를 매깁니다.
00:06:43여러 점수 지표를 기준으로 삼는데, 확산 속도, 권위,
00:06:48타이밍, 기회 요소, 그리고 답장 가능성을 확인합니다.
00:06:52말씀드린 대로 답장을 보낼 수 있는 기능이 있기 때문이죠.
00:06:54수집된 모든 트윗은 수퍼베이스(Supabase)로 전송됩니다.
00:06:57항상 같은 사람의 트윗만 받지 않도록 확인하고
00:07:00정보를 다양화하기 위해서입니다.
00:07:03거기서 점수를 매기고 그 점수에 따라 트윗을 선택하는데, 소프트맥스를 사용합니다.
00:07:07각 트윗에 확률 점수를 부여하는 것이죠.
00:07:08그래서 매번 1등 점수의 트윗만 가져오지는 않습니다.
00:07:11어느 정도 무작위성이 필요하니까요.
00:07:13그다음 텔레그램으로 전송되고, 예상 답장 문구도
00:07:16제시해 줍니다. 여기에 브록(Brock)을 연동해 두었습니다.
00:07:18트위터를 조금이라도 해보셨다면 아시겠지만,
00:07:21지금 트위터는 AI 봇 게시물들로 몸살을 앓고 있습니다.
00:07:24그래서 모든 답장 내용은 수퍼베이스로 가서
00:07:29점수가 매겨집니다. 이를 통해 제가 보내는 답변의 질을 파악할 수 있죠.
00:07:34직접 답변을 작성할 수도 있고, 시간이 지나면서
00:07:36시스템 자체가 스스로 개선됩니다. 그리고 마지막으로
00:07:40텔레그램에 나타나죠. 이제 두 번째 지식 원천인
00:07:43Claude code가 그 모든 걸 해줬습니다.
00:07:47매일 아침 실행되어 AI 분야의
00:07:50GitHub 트렌딩 저장소를 가져와 제 Obsidian 보관함에 넣어주는 스크립트를 만들었죠.
00:07:53덕분에 지난 7일 동안 생성된 상위 10개의 트렌딩 저장소를 볼 수 있습니다.
00:07:57매일 별점 수와 사용 언어를 확인하고,
00:07:59링크와 함께 짧은 설명도 바로 볼 수 있죠.
00:08:00또한 그 달의 상위 5개 트렌드도 확인할 수 있고, 시스템이
00:08:04매일 어떤 것을 추천하는지, 그리고 왜 추천하는지도 알려줍니다.
00:08:08Claude code가 만든 이 GitHub 스크립트와 Twitter 엔진 덕분에,
00:08:12저는 이 '0단계 문제'를 해결할 수 있었습니다.
00:08:16그건 바로, 지난 한 주 동안 유튜브에서 반복되던 내용이 아닌,
00:08:19이야기할 만한 새로운 소재를 어떻게 찾느냐는 것이죠.
00:08:22우리에게는 새로운 것이 필요하고, 이 방식은 그것을 가능하게 합니다. 다시 말씀드리지만,
00:08:24Claude code를 쓴다고 해서 꼭 GitHub를 사용할 필요는 없습니다.
00:08:28Twitter를 사용할 필요도 없죠.
00:08:31그저 여러분의 분야에서 무엇이 중요한지 파악하기만 하면 됩니다.
00:08:34그러고 나서 Claude code로 그것들을 구축하세요. 일단 그 기반인
00:08:370단계의 '원천'을 확보하고 나면, 여기에
00:08:41이 모든 기술 분석 설정에 연결할 수 있습니다.
00:08:44GitHub에서 찾은 아이디어나 Twitter에서 누군가 이야기하는 것을 발견하면,
00:08:45거기에 'YouTube 파이프라인 검색'을 돌리는 거죠.
00:08:48이름은 'YT 파이프라인'이지만 꼭 유튜브일 필요는 없습니다.
00:08:52무엇이든 될 수 있죠. 그러면 NotebookLM에서 분석을 수행합니다.
00:08:57GitHub의 경우와 마찬가지로,
00:08:59이 모든 작업은 제 Obsidian 보관함 내부에서 이루어집니다.
00:09:03네, 터미널을 띄워놓고 Claude code와 대화하겠지만,
00:09:07Claude code가 생성하는 모든 것은 제 보관함 안의 마크다운 파일로 저장됩니다.
00:09:09그래서 무슨 일이 일어나고 있는지 확인하기가 매우 쉽습니다.
00:09:13보고서를 검토하고 연결된 문서들을 확인하는 것도 간편하죠.
00:09:14이 모든 작업은 제 옵시디언 보관함 내에서 이루어집니다.
00:09:20물론 터미널을 띄워놓고 클로드 코드와 대화하겠지만,
00:09:22클로드 코드가 생성하는 모든 것은 보관함 안의 마크다운 파일로 저장됩니다.
00:09:27그래서 무슨 일이 일어나고 있는지 확인하기가 매우 쉽죠.
00:09:30보고서를 검토하고 연결된 문서들을 살펴보기도 좋습니다.
00:09:33통찰력을 더해주고 모든 것을 체계적으로 유지해 줍니다.
00:09:36특히 콘텐츠 제작을 업으로 삼는다면,
00:09:38매일 여러 종류의 조사를 수행해야 하는데,
00:09:42이게 그냥 코드 베이스 안에만 있고 옵시디언 같은 도구가 없다면,
00:09:44클로드 코드는 괜찮겠지만 사람은 감당하기 힘들 겁니다.
00:09:48이제 기초 단계에서 아이디어를 찾는 법을 이해했습니다.
00:09:52그리고 유튜브 파이프라인 스킬에 대해서도 방금 이야기했죠.
00:09:55찾아낸 아이디어를 이 스킬로 연결해서
00:09:59노트북LM으로 보내 방대한 조사와 분석을 수행하는 법 말이죠.
00:10:03다음은 일종의 아이디어 구상과 전략 단계입니다.
00:10:06조사 내용을 바탕으로 '욕구 매핑(desire mapping)'을 통해
00:10:10아이디어를 어떻게 배치할지 결정하는 단계입니다.
00:10:12어떻게 하면 이 아이디어들을 사람들이 수준 높게
00:10:16진심으로 관심을 가질 만한 콘텐츠로 바꿀 수 있을까 하는 것이죠.
00:10:18이 구상 단계에서는 조사를 다시 하는 게 아니라,
00:10:22경쟁 환경의 관점에서 조사 내용을 살펴봅니다.
00:10:25다른 사람들은 이에 대해 뭐라고 하는가? 빈틈은 어디인가?
00:10:29아무도 이야기하지 않았지만 청중의 공감을 얻을 만한 요소는
00:10:33무엇인가 등을 파악하는 것이죠.
00:10:33조사 내용을 진공 상태에서 꺼내 여러분이 속한
00:10:38경쟁 환경에 배치하는 과정입니다. 실제 작동 모습을 보시죠.
00:10:42최근 RAG와 클로드 코드에 대해 조사해 왔고 콘텐츠로 만들 계획입니다.
00:10:45'클로드 코드와 RAG의 7단계' 같은 주제가 될 텐데,
00:10:49지난 1년 동안 정말 많이 변해온 분야이기 때문입니다.
00:10:52여기서 아이디어 구상 스킬을 실행합니다.
00:10:56최근 수행한 RAG와 클로드 코드 조사를 검토하고 시장 현황을 가져오게 합니다.
00:11:00그래서 Claude Code가 가져온 결과는 이렇습니다. 다시 말씀드리지만,
00:11:03우리가 이미 진행한 연구 데이터를 활용하고 있죠.
00:11:05가장 먼저 경쟁 구도, 이미 포화된 관점,
00:11:10열려 있는 틈새 시장, 그리고 성과가 두드러진 사례들을 보여줍니다.
00:11:14다른 사람들이 다뤘던 내용 중 소위 대박이 난 게 무엇인지 알려준 뒤,
00:11:17그 맥락을 바탕으로 비디오 아이디어, 즉 제목과 관점,
00:11:21우리가 공략하려는 니즈, 그리고 포맷과 경쟁적 공백을 제시합니다.
00:11:25이 과정을 수많은 다양한 영상들에 대해 수행하죠.
00:11:29총 9가지의 선택지를 주었고, 그 순위까지 매겨주었습니다.
00:11:32여기서 보는 것이 중요한 이유는 시스템의 모든 기술에서 반복되기 때문입니다.
00:11:36제가 Claude Code와 자동화에 대해 이야기할 때,
00:11:38우리가 정말로 하고자 하는 것은
00:11:40Claude Code를 협력자로 만드는 것입니다.
00:11:44그렇죠? 이 여정의 모든 단계에서
00:11:46저는 저의 입력값이 들어가기를 원합니다.
00:11:49Claude Code가 자동으로 GitHub에 가서 제가 보지도 못하는 사이에
00:11:53작업을 끝내고, 마지막에 가서야 "자,
00:11:55오늘 당신이 말할 전체 대본입니다. 그건 그렇고,
00:11:57썸네일이랑 제목도 다 만들어서 준비해 뒀어요.
00:12:00당신은 이 말들만 읽으면 됩니다"라고 하는 건 원치 않습니다.
00:12:01그 결과물은 끔찍할 것이기 때문입니다. 아시겠죠?
00:12:04창의성이 필요한 일을 AI와 함께 한다면,
00:12:08여러분이 직접 운전대를 잡고 있어야 합니다.
00:12:13물론 이 모든 과정에서 Claude Code가 많은 일을 해주긴 하지만,
00:12:16그건 분석을 하고 잠재적인 계획과 아이디어를 제안하는 일입니다.
00:12:20여러분은 여전히 그 과정에 참여해서 확인하며 "이건 별로야,
00:12:24저건 마음에 안 들어"라고 말할 수 있어야 합니다.
00:12:25그래야만 결국 좋은 결과물을 얻을 수 있습니다.
00:12:29또한 여러분만의 목소리를 유지하는 방법이기도 합니다. 아무리 교육을 잘 시켜도,
00:12:32처음부터 끝까지 중간 점검 없이
00:12:32완성된 대본이 나오기를 기대한다면,
00:12:37"이 아이디어로 가자, 저건 바꾸자"라고 개입할 지점이 없기에
00:12:39결과물은 평범하고 형편없어질 것입니다.
00:12:42하지만 이 방식의 장점은, 원한다면 그렇게 자동화할 수도 있다는 것이죠.
00:12:45다만 이 여정의 모든 단계에서,
00:12:48다음 단계로 넘어가기 전 Claude Code의 결과물을 확인하는 것이 전제됩니다.
00:12:51그리고 이 과정이 실제로 여러분에게 제공하는 가치는,
00:12:53바닥에서부터 분석을 시작해야 하는
00:12:58모든 고된 기초 작업을 대신 해준다는 것입니다.
00:13:03제시된 아이디어를 보면서 자신의 생각을 정교하게 다듬을 수 있죠.
00:13:06왜냐하면 열 번 중 아홉 번은,
00:13:09결국 AI가 준 결과물을 변형해서 사용하게 되기 때문입니다.
00:13:11완전히 똑같이 사용하는 경우는 거의 없습니다.
00:13:12항상 우리만의 무언가를 집어넣고 싶어 하니까요.
00:13:15자, 이것으로 아이디어 구상 단계는 끝났습니다. 0단계인
00:13:18지식 찾기를 마쳤고, 1단계에서
00:13:21파이프라인 연구와 NotebookLM 활용을 거쳐 아이디어 구상을 완료했습니다.
00:13:25이제 우리는,
00:13:26다른 사람들이 무엇을 하고 있는지라는 맥락 속에서
00:13:31이 잠재적인 콘텐츠 아이디어가 어디에 위치하는지 이해하게 되었습니다.
00:13:34물론 이 모든 작업은 우리 보관함인 Obsidian 내부에서 이루어집니다.
00:13:36혹시 Obsidian 관련 내용이 생소하시다면,
00:13:39제가 이전에 Obsidian과 NotebookLM을 심층 분석한
00:13:43영상 링크를 위에 걸어두겠습니다. 이제 3단계인 스크립트 작성 섹션으로 넘어갑니다.
00:13:47스크립트 작성에 대해 말씀드리자면, 제 경우엔,
00:13:50대본을 통째로 쓰는 스타일은 아닙니다.
00:13:52초반 30초 정도의 '훅' 부분만 대본을 씁니다.
00:13:57이 영상 도입부에서 제가 "팔로워 38,000명,
00:13:59틱톡 팔로워 11,000명"이라고 말한 부분은 대본이었습니다.
00:14:04이 '훅' 기술을 사용해 Claude Code와 여러 번 의견을 주고받으며
00:14:07정확히 어떤 말을 할지 결정했습니다.
00:14:09콘텐츠와 소셜 미디어의 세계에서,
00:14:12'훅'과 패키징은 매우 중요하기 때문입니다.
00:14:14그래서 20초 남짓한 그 부분을 완벽히 하고 싶었고, 나머지는
00:14:17불렛 포인트로 정리된 개요와 개념들 위주로 진행합니다.
00:14:19무슨 말을 할지 대략은 알지만, 완전히 정해진 건 아니죠.
00:14:20그냥 라이브로 진행하는 겁니다.
00:14:21그래서 제가 여러분께 드리는 개요 기술 또한,
00:14:26큰 그림을 그리는 식입니다. 비록 '훅' 부분은 아주 상세하게 잡아주지만요.
00:14:30그리고 이 '훅' 관련 내용은 상당 부분 Callaway에게서 영감을 받았습니다.
00:14:34그의 아이디어를 많이 참고했죠. 그의 모든 콘텐츠에 감사를 전합니다.
00:14:37정말 훌륭한 내용들이거든요.
00:14:38저는 기본적으로 Callaway의 수많은 영상들을 분석해서 이 시스템을 구축했고,
00:14:43그것을 Claude Code가 훅, 개요, 제목 등을 구성하는 방식에 통합했습니다.
00:14:47실제로 어떻게 작동하는지 살펴봅시다.
00:14:50이번에는 훅 기술과,
00:14:51개요 기술, 그리고 YouTube 제목 기술을 Claude Code RAG 영상 후보에 적용해
00:14:55어떤 결과가 나오는지 보겠습니다. 저는 AI에게
00:14:57"너의 추천안을 사용하자"라고 말했습니다.
00:14:58그 추천안은 컨텍스트 엔지니어링적인 관점이었고,
00:15:03그래서 롱폼 후크에는 적용하지 않을 것이고, 그다음으로
00:15:05자, 훅 섹션의 결과로 다섯 가지 변형안이 나왔습니다.
00:15:09각 훅은 다시 멘트용 훅, 시각적 훅,
00:15:12그리고 필요할 경우 추가할 텍스트 오버레이로 세분화됩니다.
00:15:15여기서 텍스트 오버레이는 주로 숏폼 콘텐츠를 위한 것입니다.
00:15:19그래서 롱폼용 훅에는 적용하지 않고 개요 단계로 넘어갔는데,
00:15:22여기엔 목표 영상 길이도 포함됩니다.
00:15:24참고할 만한 우리 Obsidian 보관함 내의 관련 문서들도
00:15:28제시해 주죠. 그리고 훅이 나옵니다. 다시 말씀드리지만 개요는 그냥 섹션 구분입니다.
00:15:32예를 들어 전체적인 개념, 즉 "핵심 아이디어인 컨텍스트 엔지니어링은 이것이다"와 같이
00:15:36컨텍스트 엔지니어링이 무엇인지 설명하는 내용과 이야기할 포인트들을 짚어줍니다.
00:15:39또한 잠재적인 시각 보조 자료도 포함되는데,
00:15:42"Excalidraw 다이어그램을 추가하고 싶다면 이렇게 하라"는 식입니다.
00:15:45화면상에서 언급하고 싶은 출처 자료들도
00:15:48함께 보여주죠. 그리고 이 과정이 매 섹션마다 반복됩니다.
00:15:51마지막으로 제목 옵션으로 넘어갑니다.
00:15:53제목 기술의 장점은 단순히 고립된 상태에서 생각하는 게 아니라는 겁니다.
00:15:56과거에 성과가 좋았던 모든 제목들을 분석해서
00:16:00이 채널에 실제로 무엇이 먹히는지 파악합니다.
00:16:02그런 다음 제목들을 등급별로 나눕니다. 1순위는
00:16:07"컨텍스트 엔지니어링이 방금 프롬프트 엔지니어링을 구식으로 만들었다"이며,
00:16:10그 근거도 알려줍니다.
00:16:11"조회수 몇 회를 기록한 이전 영상 X를 바탕으로 했다"라며
00:16:15이 제목이 왜 효과적일지 설명하죠. 2순위 제목들은
00:16:18계산된 위험을 감수하는 것들입니다. 약간 파격적인데,
00:16:21ABC 테스트를 해볼 수 있다는 점에서 유용합니다.
00:16:25비슷비슷한 1순위 제목 세 개만 쓰기보다는
00:16:28가끔은 이렇게 색다른 시도를 해볼 가치가 있으니까요.
00:16:31이어지는 썸네일 텍스트 옵션도 마찬가지 시스템입니다.
00:16:34이렇게 훅, 개요, 제목이라는 세 가지 기술을 거치면,
00:16:38비디오의 90% 정도가 설계된 셈입니다.
00:16:43제목과 훅, 썸네일에 들어갈 문구까지 정해졌으니
00:16:47패키징은 거의 끝난 셈이고,
00:16:48비디오 개요가 실제 콘텐츠의 뼈대를 잡아줍니다.
00:16:52여기에 포함되지 않은 유일한 것은 썸네일 자체를 제작하는 일인데,
00:16:56하지만 그것은 개인적인 취향의 영역입니다.
00:16:58저는 AI가 아무런 정보 없이 썸네일을 만드는 데 뛰어나다고 생각하지 않습니다.
00:17:02제가 구체적인 아이디어를 제시한다면 또 모르겠지만,
00:17:04썸네일은 매우 시각적이고 주관적이죠. 그래서 그 작업은 순수하게 수동으로 합니다.
00:17:08이 단계에 도달해서 결과물에 만족하신다면,
00:17:11이제 실제로 콘텐츠를 촬영할 차례입니다. 그것 역시 완전히 수동이죠.
00:17:15저는 AI 아바타 같은 것을 사용하는 사람이 아닙니다.
00:17:1899%의 경우에 그럴 만한 가치가 없다고 생각하거든요.
00:17:20따라서 실제 제작 부분에 대해서는 딱히 좋은 자동화 방법이 없습니다.
00:17:24이제 네 번째 단계인 배포 단계로 넘어가 보겠습니다.
00:17:28배포에는 몇 가지 층위가 있습니다. 가장 일반적인 형태의 배포는
00:17:32이런 식이죠. "이 영상을
00:17:33솔직히 고백하자면, 저는 영상 편집에 캡컷(CapCut)을 사용합니다.
00:17:37그래서 거기서 유튜브로 바로 게시하거나,
00:17:40틱톡에 올리는 것은 매우 간편하죠.
00:17:42인스타그램에는 솔직히 그냥 수동으로 게시합니다.
00:17:45이게 세상에서 가장 효율적인 방법일까요? 아뇨,
00:17:48하지만 2초밖에 안 걸리고 저는 만족하기 때문에 제게는 잘 맞습니다.
00:17:53특히 인스타그램 릴스는 여러 시도를 해보고 있는데, 그 부분을
00:17:55자동화하는 건 짜증 납니다. 제가 마지막으로 해봤을 때는 아예 불가능했던 것 같아요.
00:17:58그래서 제게 있어 배포란,
00:18:00콘텐츠의 '재가공'에 더 가깝습니다.
00:18:02유튜브 영상을 가져와서 제 웹사이트의
00:18:04블로그 글이나 링크드인, 트위터용 텍스트 콘텐츠로 바꾸고,
00:18:09숏폼으로 재가공하는 식이죠. 긴 영상 하나가 있다면,
00:18:11어떻게 숏폼으로 만들 수 있을까요? 단순히 자르는 것만을 말하는 게 아닙니다.
00:18:15유튜브에서 누군가와 30분, 40분 동안
00:18:18이야기한 내용을 어떻게 30초,
00:18:2260초, 90초짜리 쇼츠나 릴스, 틱톡 영상으로 요약할지에 대한 겁니다.
00:18:27저의 '콘텐츠 캐스케이드'와 '숏폼 스킬'이 바로 이 역할을 합니다.
00:18:30콘텐츠 캐스케이드는 영상을 텍스트로 배포하는 것에 특화되어 있습니다.
00:18:34유튜브 영상을 링크드인용으로 바꾸는 거죠. 다른 스킬들과 마찬가지로
00:18:36이것 역시 매우 자유롭게 커스텀할 수 있습니다.
00:18:40여러분에게는 유튜브라는 거대한 콘텐츠 소스가 없을지도 모릅니다.
00:18:43하지만 소스는 무엇으로든 바꿀 수 있습니다.
00:18:48그저 아티클 하나나 다른 사람의 유튜브 영상을 지정해서,
00:18:52텍스트 형식으로 이야기하고 싶은 내용을 고를 수도 있죠.
00:18:55그러면 이 스킬이 그걸 가져와서 블로그, 트위터, 링크드인 글로 만들어줍니다.
00:18:58당연히 이 스킬은 특히 제 말투에 최적화되어 있지만,
00:19:02그걸 수정하는 건 그리 어렵지 않습니다.
00:19:04특히 테스트를 수행해 주는 '스킬 크리에이터' 스킬을 사용한다면 더욱 그렇죠.
00:19:07제가 콘텐츠 캐스케이드 스킬을 실행하면,
00:19:09유튜브에서 자동으로 스크립트를 추출합니다.
00:19:15그걸 블로그 포스트로 변환해 자동으로 게시하고, 7개 정도의
00:19:18답글이 달린 트위터 스레드로 만듭니다. 이것 역시
00:19:19제 승인이 떨어지면 자동으로 게시되며, 몇 가지 버전의 링크드인 포스트도 제안합니다.
00:19:22솔직히 말씀드리면 제가 링크드인에는 좀 게으른 편인데,
00:19:26리드 샤크(Lead Shark) 같은 도구를 쓰기 때문에 링크드인 포스트는 자동화하지 않습니다.
00:19:29그걸로 블로그 포스트를 생성해 자동으로 게시하고, 7개 정도의 답글이 달린
00:19:33트위터 스레드로 변환합니다. 이것 역시,
00:19:35제가 승인하면 자동으로 게시되고, 몇 가지 버전의 링크드인 게시물도 만들어줍니다.
00:19:39솔직히 고백하자면 제가 링크드인에는 좀 게으른 편입니다.
00:19:44하지만 링크드인 포스팅을 자동화하지 않는 이유는 리드 샤크(Lead Shark) 같은 것을 쓰기 때문입니다.
00:19:48그러니까,
00:19:48보통 리드 마그넷(Lead Magnet) 설정을 해두기 위해 그렇게 합니다.
00:19:53이 기술은 그 역할을 아주 훌륭하게 수행합니다. 왜냐하면,
00:19:57소셜 미디어 플랫폼이 정말 너무나도 많기 때문입니다.
00:20:01현실적으로 이렇게 말하는 건 무리예요. "좋아,
00:20:03이제 이 콘텐츠를 가져다가 나 혼자서 이런 포스팅들을 다 써야지."
00:20:07제 자신을 잘 알거든요, 전 영상 콘텐츠를 만드는 사람이지
00:20:10글 쓰는 쪽은 아니에요. 그래서 기술적으로 자동화할 수 있는 건 뭐든 좋습니다.
00:20:14여기 제 웹사이트 블로그 섹션을 보시면 아시겠지만, 시스템이 자동으로
00:20:17블로그 포스트 전체를 생성해 주는 것은 물론이고
00:20:20구글 검색 같은 곳에서의 노출도도 함께 높아지겠죠?
00:20:24SEO 최적화가 잘 되어 있죠.
00:20:28그래서 이 블로그의 핵심 아이디어는 "와,
00:20:31내 블로그 글이 정말 훌륭해"라는 것보다는
00:20:33제 콘텐츠 저장소가 계속 커짐에 따라 블로그도 함께 성장하고
00:20:38구글 검색 같은 곳에서의 노출도도 높아진다는 점입니다.
00:20:40모든 것이 서로 연결되어 있는 구조죠.
00:20:42왜냐하면 저는 절대로 저 블로그 글들을 직접 쓰지 않을 거니까요.
00:20:45물론 제가 쓴 글들을 시스템에 아주 많이 학습시켜서 제 문체를 익히게 했습니다.
00:20:48덕분에 소위 말하는 "ChatGPT스러운" 말투를 피할 수 있죠. X가 아니라 Y인 셈이죠.
00:20:52그게 기술의 핵심입니다.
00:20:55AI 글쓰기의 뻔한 상투적 표현들을 파악해서 피하도록 되어 있죠.
00:20:59그리고 마지막으로 언급할 것은 숏폼 콘텐츠로의 재가공입니다.
00:21:02숏폼 재가공 방식은 꽤 기본적인데요.
00:21:05본질적으로 훅이나 아웃라인 같은 요소들을 다시 다듬는 작업입니다.
00:21:10그런 다음 30초, 60초, 90초 분량의 형식으로 변환하는 거죠.
00:21:15사용할 수 있는 훅도 제공해 주고요.
00:21:16영상 시작 부분에 화면에 띄울 잠재적인 캡션들도 알려줍니다.
00:21:20이건 우리가 이미 했던 작업을 압축해 놓은 형태라고 보시면 됩니다.
00:21:23제 숏폼 콘텐츠가 이미 롱폼 영상을 기반으로 하고 있기 때문에
00:21:28작업은 거의 다 끝난 것이나 다름없습니다. 불필요한 부분만 걷어내면 되니까요.
00:21:31하지만 이를 통해 제가 할 수 있는 건
00:21:33맞죠? 유튜브에서 만든 하나의 메인 콘텐츠로 6개의 서로 다른 콘텐츠를 만드는 겁니다.
00:21:36그게 바로 '콘텐츠 캐스케이드'라는 이름이 붙게 된 이유입니다.
00:21:41그리고 이 시스템의 묘미는 단순히 유튜브 영상 하나로 끝나지 않는다는 점에 있습니다.
00:21:45유튜브 영상 그 자체가 이전에 말했던 것처럼 지식의 원천이 되지만,
00:21:48그것은 바로 여러분을 위한 것입니다.
00:21:52이것이 바로 저의 '클로드 코드 콘텐츠 시스템'입니다.
00:21:55말 그대로 제 협업자에게 강력한 엔진을 달아준 것과 같죠. 전에도 말했듯이,
00:21:59이 프로세스의 모든 단계에서 저는 클로드와 의견을 주고받습니다.
00:22:02마지막에 완벽한 결과물을 내놓을 것이라고 기대하지는 않거든요.
00:22:06그게 바로 여러분을 위한 것이 됩니다.
00:22:09이것이 바로 저의 "Claude 코드 콘텐츠 시스템"입니다.
00:22:11말하자면 성능이 대폭 강화된 협업 파트너인 셈이죠. 전에도 말씀드렸듯이
00:22:14이 과정의 모든 단계에서 저는 Claude와 계속 소통합니다.
00:22:17Claude가 마지막에 완벽한 결과물을 내놓을 거라고 기대하지는 않아요.
00:22:20하지만 정말 많은 단순 반복 작업을 녀석에게 넘깁니다. 모든 분석 작업,
00:22:24모든 경쟁사 조사, 그리고 모든 훅 제작,
00:22:27기초적인 아이디어 구상까지 녀석이 다 해줍니다.
00:22:29덕분에 저는 더 가치 있는 일에 집중할 수 있죠. 게다가
00:22:32일단 콘텐츠 하나를 만들고 나면
00:22:34그 콘텐츠를 다양한 형태의 플랫폼으로 유통할 수 있도록
00:22:39실행하기 아주 쉬운 경로를 제공해 줍니다.
00:22:42이것이 바로 소위 "대박" 난 게시물 하나 없이도
00:22:461인 기업가로서 월 천만 뷰 같은 성과를 낼 수 있는 비결입니다.
00:22:48만약 여러분이 이 모든 기술들과
00:22:50트위터 리서치 엔진, GitHub 스크립트, Claude 코드 마스터클래스를 직접 경험해보고 싶다면
00:22:55Chase AI Plus를 꼭 확인해 보세요.
00:22:57영상 설명란과 댓글에 링크를 남겨두었습니다.
00:23:00또한 설명란에 저의 무료 Chase AI 커뮤니티 링크도 있습니다.
00:23:04AI를 이제 막 시작하시려는 분들을 위한 무료 리소스가 많이 준비되어 있습니다.
00:23:07그럼 오늘 내용이 어땠는지 의견 들려주시고, 다음에 또 뵙겠습니다.