소소개
광고회사는 스스로의 명성관리를 위해 광고제 출품을 위해서도 시간과 비용을 상당히 투입합니다. 그 중 E 어워드는 '마케팅 효과성(Effectiveness)'을 최우선으로 평가하는 상으로 즉, "그래서 얼마나 팔렸는데?", "비즈니스 문제를 어떻게 해결했는데?"를 묻는 가장 냉정한 상이기도 합니다.
따라서 출품신청서에서 요구하는 항목들은 단순한 정보나열이나 아이디어 설명이 아닌, 도전과제와 시장상황, 캠페인 전략과 목표, 타겟 설정과 크리에이티브, 매체 집행과 캠페인 성과까지 방대한 데이터를 심사위원을 설득할 수 있는 '서사 구조'로 잡아야 하는 데 이는 해마다 상당한 시간이 소요되는 고통스러운 작업 중 하나입니다
이러한 문제를 해결하기 위해, 단순한 글쓰기 보조를 넘어 심사 기준에 최적화된 전략적 출품신청서 초안을 작성해 주는 AI 스킬'을 만들었습니다. 그리고 이 스킬을 활용해 2025년 가장 큰 성공을 거둔 캠페인 중 하나인 'P' 캠페인을 4가지 다른 카테고리로 작성해 보았습니다.
시도하고자 했던 것과 그 이유
E 어워드는 출품신청서는 단순한 사실 나열이 아닙니다. 도전 과제부터 결과까지 하나의 완벽한 논리 구조(Narrative Arc)로 연결되어야 합니다. 기존에 챗GPT로 출품서를 쓰려다 실패하는 이유는 이 '서사 구조'에 대한 이해 없이 정보만 던져주기 때문입니다.
•문제점 1: 방대한 글자 수와 엄격한 포맷.각 항목별 글자 수 제한이 매우 엄격하고, 요구하는 정보의 뎁스가 깊습니다.
•문제점 2: 심사위원 관점의 부재. '우리 캠페인이 이렇게 대단해요' 식의 자랑이 아니라, 객관적 제약과 챌린지 속에서 인사이트를 도출해 낸 과정을 보여줘야 합니다.
•문제점 3: 카테고리별 맞춤형 프레이밍의 어려움. 같은 캠페인이라도 '식품' 부문에 낼 때와 '위기대응' 부문에 낼 때는 강조점이 완전히 달라야 합니다.
목표:
캠페인의 기본 정보만 입력하면, 심사 배점 구조(결과 30%, 도전과제/인사이트/실행 각 23.3%)를 이해하고 수상작의 패턴을 적용하여 카테고리 맞춤형 출품신청서 초안을 뽑아내는 자동화 스킬을 만드는 것이었습니다.
진행 방법
이 스킬은 단순히 프롬프트 하나로 끝나는 것이 아니라, 여러 개의 레퍼런스 문서를 참조하며 단계별로 작동하도록 설계되었습니다.
1) 스킬 구조 설계 및 레퍼런스 문서 세팅
AI가 심사위원의 관점을 가질 수 있도록 3개의 핵심 레퍼런스 문서를 만들고 스킬에 연동했습니다.
•section-guide.md: 각 항목별 작성 가이드 및 심사위원 조언 (예: "결과에 맞춰 목표를 역으로 쓰지 마라")
•winning-cases.md: 역대 수상작의 서사 구조 분석 패턴
•winning-checklist.md: 수상 가능성을 자가 진단할 수 있는 80여 개의 체크리스트
2) 대화형 정보 수집 및 서사 구조 설계 (Interactive Step)
AI가 한 번에 글을 쓰지 않고, 사용자와 대화하며 뼈대를 먼저 잡도록 했습니다.
•브랜드명, 캠페인 배경, 성과 데이터 등을 수집합니다.
•부족한 정보(시장 트렌드, 경쟁 상황 등)는 AI가 웹 리서치를 통해 보강합니다.
•핵심: 글을 쓰기 전 "챌린지 프레이밍", "인사이트 다듬기", "목표-결과 매핑"을 포함한 서사 뼈대를 사용자에게 먼저 제시하고 컨펌을 받습니다.
3) 1캠페인 4 사례 적용 (1 Source, 4 Multi-use)
캠페인 정보를 입력하고, 각기 다른 4개의 카테고리로 출품서를 작성해 보았습니다. AI는 같은 캠페인이지만 카테고리 목적에 맞게 서사를 완벽히 다르게 프레이밍했습니 4) 자동 검수 및 포맷팅
작성된 초안을 winning-checklist.md에 비추어 자가 진단하고, 엄격한 글자 수 제한과 실격 사유(출처 누락, 대행사 노출 등)를 자동으로 필터링하여 워드 문서로 추출하기 쉬운 형태로 제공하도록 했습니다.
결과와 배운 점
좋았던 점
•압도적인 시간 단축: 보통 출품 신청서 하나를 쓰려면 기획부터 작성까지 며칠이 걸리는데, 뼈대만 잘 잡아주면 1시간 이내에 훌륭한 초안 4개를 뽑아낼 수 있었습니다.
•전략적 사고의 확장: AI가 '시의적절한 기회'나 '르네상스' 등 카테고리 특성에 맞춰 챌린지를 다르게 프레이밍하는 것을 보며, 오히려 마케터로서 캠페인을 바라보는 시야가 넓어지는 경험을 했습니다.
시행착오 / 아쉬운 점
•처음에는 AI가 목표와 결과를 억지로 끼워 맞추거나, 인사이트를 너무 평범하게(예: "사람들은 건강한 빵을 원한다") 뽑는 문제가 있었습니다.
•이를 해결하기 위해 winning-cases.md에 "규제나 제약을 기회로 프레이밍하라"는 구체적인 지침을 추가한 후에야 글의 깊이가 달라졌습니다.
배운 점 (꿀팁)
•"프롬프트보다 레퍼런스 문서가 더 중요하다." 복잡한 글쓰기일수록 프롬프트에 모든 지시를 담기보다, 잘 정리된 가이드 문서와 체크리스트 문서를 분리해서 AI에게 참조하게 하는 것(RAG 방식의 응용)이 훨씬 퀄리티가 높습니다.
앞으로의 계획
현재는 텍스트 기반의 출품신청서 초안 작성에 집중되어 있지만, 앞으로는 입력된 성과 데이터를 바탕으로 에피어워드 포맷에 맞는 '차트와 그래프'까지 코드로 생성해 주는 기능을 추가해 보려고 합니다. 또한 칸 라이언즈(Cannes Lions) 등 다른 글로벌 어워드 의 심사 기준을 학습시켜 어워드별 맞춤형 출품 스킬로 확장할 계획입니다.
