🧠 Supplement 04: 고급 프롬프트 엔지니어링 (드랍쉬핑 응용)
목적: Master Prompts에 있는 25개 프롬프트가 "고기"라면, 본 문서는 **"낚시법"**입니다. 한 번 익히면 어떤 작업에도 적용 가능한 6대 고급 패턴을 정리합니다. 대상: Week 2 직후 또는 강의 종료 후 1회 정독 권장
1. 프롬프트 5요소 (Recap) — Role / Context / Instruction / Format / Example
기본 패턴이지만 무시하면 결과 품질 50% 이상 떨어집니다.
[Role] 너는 X 분야 N년 차 전문가야.
[Context] 현재 상황과 배경 (왜 이 작업이 필요한가)
[Instruction] 정확히 무엇을 해야 하는지 (목록형이 좋음)
[Format] 출력 형식 (JSON, 표, 문단, 길이 제한)
[Example] 1~3개의 좋은 예시 (Few-shot)
핵심 원칙: Role과 Format을 빼먹지 말 것. 이 두 가지가 결과의 70%를 결정합니다.
2. 패턴 ①: Chain of Thought (CoT) — 단계별 사고
복잡한 문제를 한 번에 묻지 말고, 단계별로 나눠 묻기.
효과
- 정확도 30% 이상 향상 (특히 수학·논리·비교 분석)
- AI가 어디서 틀렸는지 디버깅 가능
예시: 잘못된 방식 vs 좋은 방식
❌ 나쁜 방식:
"이 상품의 마진율이 30% 이상인가?"
✅ 좋은 방식 (CoT):
"단계별로 사고해 줘:
Step 1: 소싱가 + 배송비 + 관세(소싱가의 50%, 2026 Q2 보수적 가정) 합산
Step 2: 그것을 판매가에서 빼서 순이익
Step 3: 순이익을 판매가로 나눠 마진율 %
Step 4: 30% 이상인지 판정 (PASS/FAIL)
각 Step의 계산 과정을 보여줄 것."
응용 — 드랍쉬핑 예시
- W2 니치 발굴: 트렌드 신호 → 교집합 → 필터링 → 추천
- W3 스코어카드: 6항목 각각 점수 → 합산 → GO/HOLD/FAIL
- W12 데이터 분석: KPI 계산 → 병목 식별 → 액션 우선순위
Master Prompts §13이 CoT의 풀 응용 예입니다.
3. 패턴 ②: Few-shot Learning — 예시로 학습시키기
설명 대신 좋은 예시 3개를 보여주면 AI가 패턴을 모방합니다.
효과
- 톤 일관성이 압도적으로 향상
- 추상적 지시("친근하게")보다 구체적 결과 보장
예시 — 브랜드 톤 복제 (W5 응용)
[Brand Voice Examples]
Example 1: "your back deserves better than that 'office chair'."
Example 2: "swap it for our seat — your spine will text you thank-yous."
Example 3: "sit like the boss you actually are."
[Now, write the same tone for: 자세 교정 넥밴드]
→ AI가 위 톤을 정확히 복제해 출력
응용 — 드랍쉬핑 예시
- W5 카피라이팅: 잘 쓴 미국 D2C 카피 3개 → 같은 톤 모방
- W8 DM: 응답률 높았던 DM 3개 → 새 크리에이터에 적용
- W10 CS 응답: 좋은 CS 응답 3개 → AI가 같은 톤 유지
Master Prompts §14가 Few-shot의 풀 응용 예입니다.
4. 패턴 ③: Self-Critique — 자기 비판 후 재작성
AI에게 자기 작품을 평가하게 한 다음 다시 쓰게 합니다. 1회 호출에 사실상 2회 품질.
3단계 구조
Phase 1 — Generate: "X 작성해 줘"
Phase 2 — Critique: "방금 쓴 것을 5가지 기준으로 평가하고 약점 찾아줘"
Phase 3 — Improve: "약점 반영해서 처음부터 다시 작성"
응용 — 드랍쉬핑 예시
- W5 상세페이지: 첫 카피 → 자기 비판 → 개선 카피
- W7 영상 스크립트: 첫 스크립트 → "3초 훅이 강한가?" 비판 → 개선
- W9 광고 카피: 5종 카피 → 각각 자기 평가 → 점수 가장 높은 1개
Master Prompts §15가 Self-Critique의 풀 응용 예입니다.
반복 횟수 의사결정 — Diminishing Returns
Self-Critique는 횟수가 쌓일수록 품질 곡선이 완만해집니다. 무한 반복은 비용·시간 낭비.
| 라운드 | 평균 품질 향상 | 비용 (Sonnet 4.6 기준) | 권장 작업 |
|---|---|---|---|
| 1회 (Generate만) | 기준점 | 1× | 빠른 초안 (DM, Slack 답변) |
| 2회 (Critique→Improve) | +30% | 2.5× | 카피·이메일·광고 — 본 강의 표준 |
| 3회 (재차 Critique→Improve) | +5~8% | 4× | 분쟁 어필·법적 응대 같은 고위험 |
| 4회+ | 거의 평탄 (+1~3%) | 5×+ | 권장 X — 다음 페르소나/각도로 전환 |
Trigger 룰:
- 톤 5축 점수 4/5 미달 → +1 라운드
- 5/5 도달 → 즉시 종료
- 3 라운드 후에도 4 미만 → 다른 페르소나·다른 톤으로 §20 5종 재실행이 답
💡 시간 절감: "더 좋아질 것 같다"는 직감으로 4~5회 반복하지 말고, 2회 후 다른 카피 5종으로 분산. A/B 데이터가 진짜 답.
5. 패턴 ④: Tree of Thought (ToT) — 다중 경로 탐색
CoT가 "한 길로 깊게"라면, ToT는 "여러 길로 탐색 후 비교".
효과
- 창의적 문제(브랜드 네이밍, 상품 발굴)에서 폭발적 효과
- 단일 답이 아닌 3~5개 후보 + 평가
예시 — 브랜드 네이밍 (W4 응용)
[Tree of Thought 프롬프트]
"브랜드 네이밍 후보를 5가지 다른 접근 방식으로 동시에 생성해 줘:
A. 자연 단어 (Allbirds 스타일): 2개
B. 의인화 단어 (Frank, Hugo): 2개
C. 합성 신조어 (Klaviyo): 2개
D. 동사 변형 (Drift): 2개
E. 외국어 차용 (Maru, Sora): 2개
각 후보를 Memorability·Pronunciation·Domain·TM 위험·Persona Fit 5축
평가 후 총점 1위 추천."
응용 — 드랍쉬핑 예시
- W2 니치 발굴: 5가지 다른 접근 (트렌드/페인/마진/계절/Viral)에서 각 2개 후보
- W4 브랜드 네이밍: §16이 ToT 풀 응용
- W7 광고 컨셉: Pain/Benefit/Curiosity/Social/Authority 5종 동시 생성
6. 패턴 ⑤: Role + Persona Layering — 캐릭터 다층화
"전문가 + 까다로운 비판자 + 한국 셀러 입장"처럼 페르소나를 겹쳐 입혀 답변 깊이를 올립니다.
예시 — 공급사 검증 (W5 응용)
[Layered Role]
너는 다음 3가지를 동시에 갖춘 사람이야:
1. 15년차 미국 e커머스 바이어 (까다로운 검증)
2. 중국 공급사와 100건 이상 협상한 컨설턴트 (속임수 패턴 알아냄)
3. 한국 1인 셀러 입장에서 조언하는 멘토 (현실적 실행 가능성)
[Question]
이 공급사 페이지의 주장 5가지를 검증해 줘.
"미국 바이어 시각으로는 X, 협상 컨설턴트 입장에선 Y, 한국 1인 셀러
관점에선 Z" 식으로 다각도 답변.
응용
- W3 관세: "미국 통관 변호사 + 한국 사업자 입장"
- W6 코딩: "Senior Frontend + 비코딩 1인 셀러"
- W11 RAG 봇: "고객 + CS 매니저 + 법무"
7. 패턴 ⑥: Constraint Stacking — 제약 쌓기
자유로운 출력은 평범한 결과를 낳습니다. 제약을 많이 걸수록 창의성이 강제됩니다.
예시 — 광고 헤드라인 (W7 응용)
[Constraints — 모두 만족]
1. 6단어 이내
2. 페인 단어 1개 + 베네핏 단어 1개 포함
3. 숫자 1개 포함
4. 의문문 형태 또는 명령형
5. "your" 또는 "you" 1회 포함
6. 이모지 0개
[Generate 5 variants]
효과
- 평범한 6번째 결과를 거르고, 눈에 띄는 1~2번째를 얻음
- AI가 제약 안에서 창의성을 강제 발휘
8. 메타 패턴: 프롬프트의 프롬프트 (Meta-prompt)
좋은 프롬프트를 만드는 프롬프트.
[Meta-prompt]
"내가 [작업]을 하려고 해. 이 작업에 가장 효과적인 프롬프트를
설계해 줘. 다음을 포함:
- Role 제안 (왜 이 역할이 적합한지)
- Context 변수 (내가 채워야 할 부분 명시)
- Instruction 단계별 분해
- Format 명세
- 잠재적 함정 (이 프롬프트가 실패할 시나리오)
- Self-critique 단계 추가 여부"
결론: Master Prompts에 없는 새로운 작업이 생기면, 메타 프롬프트로 직접 만드세요.
9. 절대 피해야 할 안티 패턴
| ❌ 안티 패턴 | 왜? | ✅ 대체 |
|---|---|---|
| 한 줄 짜리 프롬프트 | Role·Format 부재 → 50% 품질 | Master Prompts 템플릿 사용 |
| "잘 써줘" / "좋게 만들어줘" | 추상적 → 평범한 결과 | 구체적 기준 제시 (5축, 7대 기준) |
| 한 번에 모든 것 요구 | AI가 적당히 종합 → 약함 | CoT로 단계 분리 |
| 예시 0개 | 톤·형식 일관성 붕괴 | Few-shot 3개 |
| 다국어 혼용 | 모델이 어느 언어에 최적화될지 모름 | 한 프롬프트는 한 언어로 통일 |
| AI 답을 그대로 복붙 | 사실 오류 + 톤 어색 | Self-Critique 1회 + 최종 검토 |
10. 실전 트레이닝 — 14주 학습 트리거 매핑
| 주차 | 학습할 패턴 | 적용 작업 |
|---|---|---|
| W2 | 프롬프트 5요소 + Few-shot | Kill Criteria 평가 |
| W3 | CoT + Constraint Stacking | Landed Cost 단계별 계산 |
| W4 | Tree of Thought + Layered Role | 브랜드 네이밍 5종 후보 |
| W5 | Few-shot + Self-Critique | 카피 톤 복제 + 개선 |
| W7 | Tree of Thought | 5종 광고 컨셉 |
| W8 | Layered Role + Few-shot | 채널-개인화 DM |
| W11 | Layered Role | RAG CS 봇 다중 페르소나 |
| W12 | CoT + Self-Critique | 데이터 분석 + 자기 비판 |
| W13 | Meta-prompt | Multi-Agent 프롬프트 설계 |
📌 1주일 트레이닝 챌린지 (졸업 후)
| Day | 챌린지 |
|---|---|
| Day 1 | 본인이 자주 쓰는 프롬프트 1개를 5요소로 재작성 |
| Day 2 | 같은 작업을 CoT로 변환해 결과 비교 |
| Day 3 | Few-shot 예시 3개 추가해 결과 비교 |
| Day 4 | Self-Critique 단계 추가해 결과 비교 |
| Day 5 | Tree of Thought로 5개 후보 동시 생성 비교 |
| Day 6 | 메타 프롬프트로 새 프롬프트 1개 직접 설계 |
| Day 7 | 본인의 "Master Prompts" 5개 정리해 노션에 저장 |
결론: 프롬프트 엔지니어링은 "암기"가 아니라 "사고법"입니다. 6대 패턴을 체화하면 어떤 신규 도구·신규 작업에도 즉시 적용 가능합니다.