Blog

COSTAR 프레임워크는 대형 언어 모델(LLM)의 프롬프트 엔지니어링을 체계화하기 위해 싱가포르 정부 기술청(GovTech Singapore)의 데이터 과학 및 인공지능 부서에서 개발한 구조화된 접근 방식입니다. 이 프레임워크는 2023년 말부터 2024년 초 사이에 공개되었으며, LLM의 응답 품질을 향상시키기 위한 목적으로 설계되었습니다.

이 프레임워크는 특히 프롬프트 엔지니어링 대회에서 우수한 성과를 보인 참가자들이 활용하여 주목받았습니다. 예를 들어, 싱가포르의 GPT-4 프롬프트 엔지니어링 대회에서 우승한 Sheila Teo는 COSTAR 프레임워크를 사용하여 효과적인 프롬프트를 구성하였습니다.

COSTAR는 프롬프트 엔지니어링에서 효과적인 지시문을 작성하기 위한 6가지 핵심 요소의 약어입니다. 이 프레임워크는 LLM이 사용자의 의도를 정확히 파악하고 원하는 결과물을 생성하도록 돕습니다.

프롬프트:

“우리 회사의 새로운 초고속 헤어드라이어를 광고하는 Facebook 게시물을 작성해줘.”

LLM 응답:

“Alpha의 혁신적인 Beta 헤어드라이어를 소개합니다! 빠른 건조 시간과 세련된 디자인으로 여러분의 스타일을 완성하세요. 지금 구매하세요!”

문제점:

• 일반적이고 차별화되지 않은 문구
• 타겟 오디언스에 대한 고려 부족
• 브랜드 톤이나 스타일 반영 미흡

프롬프트:

Context: 우리 회사 Alpha는 새로운 초고속 헤어드라이어 Beta를 출시했습니다.
Objective: Facebook 게시물을 통해 제품의 장점을 강조하고 구매를 유도하고자 합니다.
Style: Dyson과 같은 프리미엄 브랜드의 광고 스타일을 참고해주세요.
Tone: 설득력 있고 전문적인 톤을 원합니다.
Audience: 40대 이상 여성 고객을 주요 타겟으로 합니다.
Response: 간결하면서도 임팩트 있는 Facebook 게시물을 작성해주세요.

LLM 응답:

“시간은 소중하니까, 스타일은 완벽해야 하니까.
Alpha의 새로운 Beta 헤어드라이어로 단 몇 분 만에 살롱급 스타일을 완성하세요.
강력한 성능과 세련된 디자인으로 당신의 아침을 혁신적으로 바꿔드립니다.
지금 바로 경험해보세요!”

COSTAR 프레임워크를 활용하면 LLM의 응답 품질을 극대화할 수 있습니다. 명확한 목표 설정, 일관된 스타일과 톤, 타겟 오디언스 맞춤화 등을 통해 불필요한 수정 작업을 줄이고 원하는 결과를 빠르게 얻을 수 있습니다.

COSTAR 프레임워크는 명확한 목표 설정과 실행을 위한 구조화된 접근 방식으로, 다양한 업무 분야에서 효과적으로 활용될 수 있습니다.

아래는 COSTAR의 효과를 극대화할 수 있는 5가지 업무 적용 사례입니다:

• Context: 신제품 출시를 앞둔 상황에서 타겟 고객에게 효과적으로 제품을 알리고자 함
• Objective: 제품의 주요 기능과 혜택을 강조하는 블로그 포스트 작성
• Style: 정보 제공형이면서도 흥미를 유발하는 스타일
• Tone: 열정적이고 신뢰감을 주는 어조
• Audience: 기술에 관심이 많은 20~30대 소비자
• Response: 500자 내외의 블로그 포스트 초안

이러한 구조를 통해 마케팅 팀은 타겟 고객에게 맞춤형 메시지를 전달할 수 있습니다.

• Context: 새로운 소프트웨어 기능이 추가되어 사용자 가이드 업데이트가 필요함
• Objective: 추가된 기능의 사용 방법을 설명하는 섹션 작성
• Style: 명확하고 간결한 기술 문서 스타일
• Tone: 전문적이고 중립적인 어조
• Audience: 기존 소프트웨어 사용자 및 개발자
• Response: 200자 내외의 사용자 가이드 섹션

이렇게 구성된 문서는 사용자가 새로운 기능을 쉽게 이해하고 활용할 수 있도록 도와줍니다.

• Context: 고객 지원팀에서 자주 묻는 질문에 대한 표준 응답을 개발하고자 함
• Objective: 특정 문제에 대한 해결 방법을 설명하는 FAQ 항목 작성
• Style: 간단명료하고 이해하기 쉬운 스타일
• Tone: 친절하고 도움이 되는 어조
• Audience: 기술 지식이 적은 일반 사용자
• Response: 문제 설명과 단계별 해결 방법을 포함한 FAQ 항목

이러한 접근은 고객 만족도를 높이고 지원 팀의 효율성을 향상시킵니다.

• Context: 신입 직원 교육을 위한 학습 자료를 개발하고자 함
• Objective: 회사 정책 및 절차에 대한 이해를 돕는 교육 자료 작성
• Style: 교육적이고 설명적인 스타일
• Tone: 격려하고 동기를 부여하는 어조
• Audience: 신입 직원 및 인턴
• Response: 슬라이드 형태의 교육 자료 초안

이렇게 구조화된 콘텐츠는 학습자의 이해도를 높이고 교육 효과를 극대화합니다.

• Context: 신제품 출시를 앞두고 판매 팀에서 사용할 제품 설명 자료가 필요함
• Objective: 제품의 주요 기능과 이점을 강조하는 판매 자료 작성
• Style: 설득력 있고 전문적인 스타일
• Tone: 자신감 있고 열정적인 어조
• Audience: 잠재 고객 및 파트너사
• Response: 제품 브로셔 또는 프레젠테이션 자료 초안

이러한 자료는 제품의 가치를 효과적으로 전달하여 판매 성과를 향상시킬 수 있습니다.

COSTAR 프레임워크를 활용하면 다양한 업무에서 명확한 목표 설정과 효과적인 커뮤니케이션이 가능해지며, 결과적으로 업무 효율성과 성과를 높일 수 있습니다.

COSTAR 프레임워크는 LLM을 활용한 콘텐츠 생성 시 다음과 같은 이점을 제공합니다:

• 명확한 목표 설정: LLM이 수행해야 할 작업을 정확히 이해하도록 돕습니다.
• 일관된 스타일과 톤: 브랜드 이미지와 맞는 콘텐츠 생성이 가능합니다.
• 타겟 오디언스 맞춤화: 대상 고객에 최적화된 메시지 전달이 가능합니다.
• 효율적인 결과 도출: 불필요한 수정 작업을 줄이고 원하는 결과를 빠르게 얻을 수 있습니다.

따라서, 마케팅 콘텐츠, 기술 문서, 고객 응대 스크립트 등 다양한 분야에서 COSTAR 프레임워크를 활용하면 LLM의 응답 품질을 극대화할 수 있습니다.

• Unlocking the Power of COSTAR Prompt Engineering – https://medium.com/@frugalzentennial/unlocking-the-power-of-costar-prompt-engineering-a-guide-and-example-on-converting-goals-into-dc5751ce9875
• COSTAR Prompt Engineering: What It Is and Why It Matters – https://portkey.ai/blog/what-is-costar-prompt-engineering
• Mastering Prompt Engineering: A Guide to the CO-STAR and TIDD-EC Frameworks – https://vivasai01.medium.com/mastering-prompt-engineering-a-guide-to-the-co-star-and-tidd-ec-frameworks-3334588cb908
• Enhancing LLM Prompting with CO-STAR – https://www.linkedin.com/pulse/enhancing-llm-prompting-co-star-sebastian-galvao-aaxef
• CO-STAR and Delimiters: Elevate Your Prompt Engineering Skills – https://www.streamline.us/blog/co-star-and-delimiters-elevate-your-prompt-engineering-skills/