BrazeAI™
BrazeAI™는 Braze에 내장된 AI 기능 모음입니다. 추론 기능은 개별 사용자의 컨텍스트를 바탕으로 작동하고, 학습 기능은 다수의 사용자에 걸쳐 패턴을 찾습니다. 어떤 유형이 목표에 맞는지 아는 것이 올바른 기능을 선택하는 첫 번째 단계입니다.
목표 에서 시작하거나, 두 가지 유사한 기능 중에서 고민 중이라면 추론 또는 통계 를 읽어보세요.
목표부터 정하기
목표마다 권장하는 시작점이 하나씩 있으며, 여러 기능을 함께 사용할 수도 있습니다. 자세한 내용은 함께 쓰면 좋은 기능을 참조하세요.
| 목표 | 시작점 | 시작하기 전에 |
|---|---|---|
| 대시보드에서 카피, 이미지, Liquid 또는 HTML 초안 작성 및 다듬기 | BrazeAI Operator | 기존 대시보드 권한을 그대로 사용합니다. 작업은 회사 전체의 일일 사용 한도에 포함됩니다. |
| 사용자 데이터를 바탕으로 사용자마다 달라지는 메시지 카피 작성 | Braze 에이전트 | 메시지 또는 액션 크레딧이 필요합니다. 크레딧이 없다면 계정 매니저에게 문의하세요. |
| 실시간 컨텍스트를 바탕으로 사용자 분류, 라우팅 또는 데이터 보강 | Braze 에이전트 | 동일한 크레딧 요건이 적용됩니다. 에이전트는 Canvas 단계나 카탈로그 필드에 배포합니다. |
| Campaign에서 가장 성과가 좋은 배리언트 찾기 | BrazeAI로 최적화 | 활성 배리언트가 2개 이상 필요합니다. 다중 발송 Campaign에는 전환 이벤트와 24시간 이상의 재적격 기간도 필요합니다. |
| Canvas에서 가장 성과가 좋은 경로 찾기 | 위닝 경로 | 경로가 2개 이상인 실험 경로 단계가 필요합니다. |
| 많은 콘텐츠 배리언트를 지속적으로 생성하고 테스트하기 | 콘텐츠 최적화 프로그램 | 현재 베타 버전이며 이메일, 푸시, SMS, MMS, RCS에서 사용할 수 있습니다. 시작하려면 고객 성공 매니저에게 문의하세요. |
| 반복 이메일 프로그램의 모든 발송을 수신자별로 개인화 | Decisioning Studio Go | 반복 이메일 프로그램과 함께 크리에이티브, 제목란, 이미지, 발송 시간 등 선택할 수 있는 옵션이 2개 이상 필요합니다. |
| 어떤 오퍼를 제공할지를 포함해 비즈니스 또는 재무 지표 극대화 | Decisioning Studio Pro | 연결된 퍼스트파티 데이터와 AI 의사 결정 서비스 팀의 지원이 필요합니다. 범위를 정하려면 고객 성공 매니저에게 문의하세요. |
| 사용자마다 참여 가능성이 가장 높은 시간에 발송 | Intelligent Timing | 고객 프로필에 시간대가 설정되어 있을 때 가장 좋은 결과를 얻을 수 있습니다. 사용량 제한조치나 IP 워밍과 함께 사용하는 것은 권장하지 않습니다. |
| 사용자마다 참여 가능성이 가장 높은 채널로 발송 | Intelligent Channel 필터 | 지원되는 채널 2개 이상의 인게이지먼트 데이터와 채널당 최소 3개의 메시지가 필요합니다. |
| 사용자의 이탈 가능성 점수 산정 | 예측 이탈 | 일반적으로 단일 워크스페이스에 월간 활성 사용자(MAU)가 300,000명 있어야 합니다. |
| 사용자가 특정 행동을 할 가능성 점수 산정 | 예측 이벤트 | 해당 이벤트를 수행한 사용자가 충분히 있어야 합니다. 현재 기준은 이벤트 분석을 참조하세요(일반적으로 과거 이벤트 행동이 있는 사용자 3,500명 이상). |
| 카탈로그에서 제품 또는 콘텐츠 추천 | 아이템 추천 | 카탈로그가 1개 이상 필요합니다. AI 개인화 추천에 대해서는 데이터 가이드라인을 참조하세요. |
| Claude, Cursor, ChatGPT 또는 다른 AI 도구에서 Braze 데이터 쿼리 | Braze MCP 서버 | 대시보드 권한에 따라 접근이 제어됩니다. 워크스페이스에서 IP 허용 목록을 사용하는 경우에는 사용할 수 없습니다. |
깔끔한 데이터에 규칙을 적용해 답을 얻을 수 있다면 일반 Canvas 단계를 사용하세요. 단계에는 크레딧이 들지 않습니다. 규칙으로 표현할 수 없는 결정에는 AI를 사용하세요.
추론 또는 통계
이 페이지의 모든 기능은 무언가를 결정합니다. 이러한 기능은 두 가지 유형으로 나뉩니다. 지금 보고 있는 기능이 어떤 유형인지 알면 비슷한 기능 사이의 혼란을 대부분 해소할 수 있습니다.
추론하는 기능은 눈앞의 컨텍스트(사용자의 프로필, 마지막 메시지 또는 카탈로그 행)를 읽고 그 하나의 사례에 답합니다. Braze 에이전트와 Operator가 이런 방식으로 작동합니다. 추론하는 기능은 비정형 텍스트, 판단이 필요한 결정, 자유로운 형식의 글쓰기, 이력이 없는 사용자를 처리합니다. 출력을 읽어 보면 왜 그런 내용이 나왔는지 이해할 수 있습니다. 추론하는 기능은 출력이 효과가 있었는지 여부로부터 학습하지 않습니다.
학습하는 기능은 많은 사용자 전반 또는 한 사용자의 자체 이력 전반에서 성과의 패턴을 찾습니다. Predictive Suite, 아이템 추천, Intelligent Timing, 인텔리전트 채널 필터, Decisioning Studio가 이런 방식으로 작동합니다. 학습하는 기능은 대규모의 수치형 행동, 집계된 신호, 대량의 옵션 세트를 처리합니다. 학습하는 기능은 지원 스레드 같은 비정형 텍스트를 읽지 않습니다.
다음 질문으로 판단해 보세요. 이 사용자가 말하고 행동한 모든 것을 읽은 사람이라면 무엇을 해야 할지 이미 알 수 있을까요? 그렇다면 추론이 필요합니다. 그 사람이 여전히 수천 명의 사용자를 대상으로 테스트해야 한다면 통계가 필요합니다.
각 유형은 서로 다른 상황에 적합합니다. 함께 사용하면 효과적인 기능은 두 가지를 동시에 활용합니다.
유사한 기능 중에서 선택하기
발송 콘텐츠 최적화하기
다음 기능은 모두 메시지에 담기는 내용을 개선합니다. 범위가 좁은 기능부터 넓은 기능 순으로 정리했습니다.
| 기능 | 결정하는 내용 | 결정 대상 |
|---|---|---|
| BrazeAI로 최적화 | 직접 만든 캠페인 배리언트 중 어떤 것이 우승하는지 | 오디언스 전체 |
| 위닝 경로 | 직접 만든 Canvas 경로 중 어떤 것이 우승하는지 | 오디언스 전체 |
| 콘텐츠 최적화 프로그램 | 자동으로 생성한 배리언트 중 어떤 콘텐츠 요소 조합이 우승하는지 | 오디언스 전체 |
| Decisioning Studio Go | 어떤 크리에이티브(제목란, 클릭 유도 문안(CTA), 이미지 포함)를 언제 보낼지 | 각 수신자 개별 |
| Decisioning Studio Pro | 어떤 오퍼, 채널, 타이밍, 빈도를 사용할지 | 각 사용자 개별 |
BrazeAI로 최적화, 위닝 경로, 콘텐츠 최적화 프로그램은 모든 사용자에게 적용할 하나의 우승자를 찾습니다. Decisioning Studio Go와 Pro는 사람마다 서로 다른 답을 찾습니다.
처음 세 가지 기능의 차이는 다음과 같습니다.
- BrazeAI로 최적화는 Campaign 내 메시지 배리언트를 테스트합니다.
- 위닝 경로는 Canvas 내 여정 경로를 테스트합니다.
- 콘텐츠 최적화 프로그램은 배리언트를 대신 작성하고 각 요소를 조합합니다.
Go와 Pro는 범위와 설정 방식이 다릅니다. Go는 인게이지먼트를 최적화하고, 셀프 서비스로 이용할 수 있으며, 이미 Braze에 있는 데이터를 사용합니다. Pro는 비즈니스 또는 재무 지표를 최적화하고, 오퍼 값을 결정할 수 있으며, 연결된 외부 데이터와 AI Decisioning Services 팀의 지원이 필요합니다.
사용자별로 할 일 결정하기
| 원하는 작업 | 사용할 기능 | 다른 기능을 사용하지 않는 이유 |
|---|---|---|
| 자유 텍스트나 판단이 필요한 경우를 포함해 한 사용자의 컨텍스트를 바탕으로 결정 | Braze 에이전트 | 에이전트는 비정형 입력과 개별 사례에 대한 판단을 처리합니다. 에이전트는 결정이 효과가 있었는지 모니터링하지 않으며, 스스로 개선되지 않습니다. |
| 사용자의 이탈 또는 행동 가능성을 숫자로 점수화 | Predictive Suite | Predictive Suite는 측정된 성과로부터 학습하고 자체 정확도를 보고합니다. 에이전트는 그럴듯한 추측만 제공할 수 있습니다. |
| 대규모 카탈로그에서 아이템 선택 | 아이템 추천 | 대규모 카탈로그는 에이전트의 컨텍스트에 모두 담기지 않습니다. 또한 에이전트는 같은 몇 가지 아이템을 반복해서 고르는 경향이 있습니다. |
| 시간이 지남에 따라 특정 지표 기준으로 결과 개선 | Decisioning Studio | Decisioning Studio는 성과로부터 학습하고 선택한 지표를 향해 최적화합니다. Braze 에이전트는 성과로부터 학습하지 않습니다. |
| 오퍼 값 설정 또는 매출이나 마진 극대화 | Decisioning Studio Pro | 오퍼 결정은 비용과 상승 효과를 비교해야 합니다. Decisioning Studio Go는 인게이지먼트에 한정되며 오퍼를 결정하지 않습니다. |
콘텐츠 생성하기
BrazeAI Operator와 Braze 에이전트는 모두 콘텐츠를 작성하지만, 작성하는 시점이 다릅니다.
- Operator는 빌드하는 동안 대시보드에서 함께 작업합니다. 기본적으로 제안된 각 작업을 검토하고 승인합니다. 일부 작업은 항상 승인이 필요합니다. 초안 작성, 다시 쓰기, 브레인스토밍, 여정 검토, 막힌 문제 해결에 활용하세요.
- Braze 에이전트는 발송 시점에 사용자의 개입 없이 작동합니다. 지침을 한 번만 작성하면, 각 사용자가 Canvas를 통과할 때 에이전트가 사용자마다 다른 결과를 만들어 냅니다. 콘텐츠가 사용자별로 달라야 할 때 Braze 에이전트를 사용하세요.
BrazeAI 생성형 AI 기능(카피라이팅, 이미지, Liquid, HTML 템플릿, 콘텐츠 검토)은 Operator를 통해 이용할 수 있습니다.
함께 사용하면 효과적인 기능
풍부한 카피와 대규모 카탈로그가 모두 필요한 작업이라면 작업을 나누어 처리하세요. 아이템 추천은 카탈로그에서 아이템을 선택합니다. Braze 에이전트는 선택된 아이템을 중심으로 카피를 작성합니다.
장바구니 복구 여정에서는 여러 기능을 함께 사용할 수 있습니다.
- 아이템 추천이 소개할 제품을 선택합니다.
- Braze 에이전트가 해당 사용자의 컨텍스트를 활용하여 선택된 제품을 중심으로 카피를 작성합니다.
- 예측 이벤트가 사용자가 다시 돌아올 가능성을 점수로 산정합니다.
- Intelligent Timing과 인텔리전트 채널 필터가 언제, 어디로 보낼지 결정합니다.
- 장바구니 금액이 설정 작업을 들일 만큼 클 때는 Decisioning Studio Pro가 오퍼를 결정합니다.
작업에 맞는 가장 가벼운 도구부터 시작하기
학습하는 기능들은 성능과 설정 수준이 함께 단계적으로 높아집니다.
- 사용자 본인의 기록에서 한 가지 측면을 읽어냅니다. Intelligent Timing과 인텔리전트 채널 필터는 추가 비용 없이 직접 켤 수 있는 토글입니다.
- 전체 사용자 집단에서 하나의 패턴을 학습합니다. 예측 이탈, 예측 이벤트, AI 아이템 추천은 여전히 셀프서비스로 사용할 수 있으며, 설정 수준은 중간 정도입니다.
- 사용자별로 여러 요소를 동시에 최적화합니다. Decisioning Studio Go는 이미 Braze에 있는 데이터를 사용하므로 설정 부담이 적으며, 인게이지먼트만 최적화합니다.
- 오퍼를 포함한 모든 요소를 핵심 성과 지표(KPI)를 기준으로 최적화합니다. Decisioning Studio Pro는 외부 데이터와 AI Decisioning Services 팀의 지원이 필요합니다.
사용 사례의 가치에 맞는 단계를 선택하세요. 가치가 낮거나 한 가지 측면만 필요한 경우에는 대개 더 가벼운 도구가 더 적합합니다. 더 무거운 도구가 제공하는 추가 성능은 그에 따르는 추가 데이터와 설정만큼의 가치가 없는 경우가 많습니다.
Braze 에이전트와 의사 결정 에이전트 비교
Braze는 에이전트라는 용어를 서로 다른 두 가지 제품에 사용합니다. 두 제품의 차이는 각각 내리는 의사 결정의 종류에 있습니다.
| 용어 | 설명 |
|---|---|
| Braze 에이전트 | 에이전트 콘솔에서 구성하고 Canvas 단계나 카탈로그 필드에 배포하는 AI 도우미입니다. 한 사용자의 컨텍스트를 기반으로 추론하여 콘텐츠를 작성하거나, 분류하거나, 라우팅하거나, 데이터를 보강합니다. 출력이 효과가 있었는지를 학습하지는 않습니다. |
| 의사 결정 에이전트 | Decisioning Studio에서 윈백이나 교차 판매 같은 전체 사용 사례를 관리하는 구성입니다. 전체 사용자 집단의 성과로부터 학습하여 지표를 극대화하는 의사 결정을 찾아냅니다. |
두 가지 모두 의사 결정을 내립니다. Braze 에이전트는 읽어서 결정하고, 의사 결정 에이전트는 측정해서 결정합니다. 어떤 페이지가 어느 제품을 다루는지 확실하지 않다면, 해당 페이지가 Braze 에이전트에 관한 것인지 Decisioning Studio에 관한 것인지 확인하세요.
모든 BrazeAI 기능
프로필 보강 및 행동 예측
| 기능 | 하는 일 | 결정 방식 |
|---|---|---|
| Braze 에이전트 (Canvas 단계) | 사용자의 실시간 컨텍스트를 바탕으로 사용자를 분류, 라우팅 또는 보강하고 카피를 작성합니다. | 대규모 언어 모델 |
| Braze 에이전트 (카탈로그 필드) | 아이템 메타데이터를 작성, 업데이트 또는 현지화합니다. | 대규모 언어 모델 |
| 예측 이탈 | 사용자가 이탈할 가능성을 0~100점으로 평가합니다. | 그래디언트 부스팅 의사결정 트리 |
| 예측 이벤트 | 사용자가 특정 행동을 할 가능성을 0~100점으로 평가합니다. | 그래디언트 부스팅 의사결정 트리 |
오디언스 전체에 가장 효과적인 방법 찾기
| 기능 | 하는 일 | 결정 방식 |
|---|---|---|
| BrazeAI로 최적화 | 캠페인 배리언트를 테스트하고 트래픽을 승자로 전환합니다. | A/B/n 테스트 |
| 위닝 경로 | Canvas 경로를 테스트하고 트래픽을 승자로 전환합니다. | A/B/n 테스트 |
| 콘텐츠 최적화 프로그램 | 오디언스 전체의 인게이지먼트를 위해 콘텐츠 배리언트를 조합합니다. | 멀티암드 밴딧 |
개인별로 최적의 액션 선택하기
| 기능 | 하는 일 | 결정 방식 |
|---|---|---|
| Intelligent Timing | 각 사용자에게 가장 적합한 발송 시간을 찾습니다. | 해당 사용자 기록에 대한 통계 |
| Intelligent Channel 필터 | 각 사용자의 기록을 바탕으로 채널 순위를 매깁니다. | 해당 사용자 기록에 대한 통계 |
| AI 아이템 추천 | 각 사용자에게 맞는 카탈로그 아이템을 선택합니다. | 딥러닝 |
| Decisioning Studio Go | 인게이지먼트를 위해 콘텐츠, 타이밍, 빈도를 개인화합니다. | 강화 학습 |
| Decisioning Studio Pro | 비즈니스 KPI를 기준으로 오퍼를 포함한 모든 요소를 개인화합니다. | 강화 학습 |
업무를 더 빠르게 처리하기
| 기능 | 하는 일 | 결정 방식 |
|---|---|---|
| BrazeAI Operator | 대화를 통해 사용자와 함께 Campaign과 Canvas를 구축, 검토, 분석합니다. | 대규모 언어 모델 |
| 생성형 AI | Operator를 통해 카피, 이미지, Liquid, HTML 템플릿, 콘텐츠 검토를 제공합니다. | 대규모 언어 모델 |
| Braze MCP 서버 | 개인 식별 정보(PII)를 제외한 Braze 데이터를 Claude, Cursor 같은 도구에 제공합니다(모델 컨텍스트 프로토콜). | 모델이 아닌 통합 |
Braze의 데이터 사용 방식
Braze가 제공하는 대규모 언어 모델을 사용하는 BrazeAI 기능은 프롬프트와 입력값을 해당 모델로 전송합니다. Braze 제공 모델로 전송된 데이터는 모델을 학습시키거나 개선하는 데 사용되지 않습니다. 출력물은 고객의 소유이며, Braze는 출력물에 대해 어떠한 저작권도 주장하지 않습니다. Braze는 AI 생성 콘텐츠에 대해 어떠한 보증도 하지 않습니다. AI 출력물은 부정확하거나 불완전할 수 있으므로 사용하기 전에 반드시 검토하세요.
Braze는 공급업체가 새 버전을 출시하면 각 기능에 사용되는 모델을 업데이트합니다. 각 기능 페이지에서 해당 모델 공급업체와 공급업체의 데이터 보존 기간을 확인할 수 있습니다.
보안 또는 조달 검토에 현재 모델 버전 정보가 필요하다면 계정 매니저에게 문의하세요.
Braze 에이전트를 사용할 때는 OpenAI, Anthropic, Google Gemini, Databricks Mosaic 등 자체 모델 공급업체를 연결할 수도 있습니다.
자주 묻는 질문
BrazeAI란 무엇인가요?
BrazeAI는 Braze에 내장된 AI 기능 모음입니다. 데이터 보강, 실험, 의사 결정, 대시보드 워크플로를 다룹니다. 각 기능은 개별적으로 설정하며, 일부 기능에는 특정 크레딧이나 요금제가 필요합니다. 필요한 기능을 찾으려면 목표에서 시작하기를 참조하세요.
어떤 BrazeAI 기능부터 사용해야 하나요?
BrazeAI를 처음 사용한다면 BrazeAI Operator부터 시작하세요. 별도의 제품 설정이 필요 없고, 이미 사용 중인 작성기에서 작동합니다. 또한 기본적으로 각 작업을 실행하기 전에 승인을 요청합니다. 그런 다음 목표에서 시작하기에서 목표에 맞는 기능을 선택하세요.
비슷해 보이는 두 기능 중 어떻게 선택하나요?
이 사용자 한 명이 말하고 행동한 모든 것을 읽은 사람이라면 바로 결정할 수 있을지 생각해 보세요. 답을 찾기 위해 수천 명의 사용자를 대상으로 테스트해야 한다면 학습하는 기능을 사용하세요. 추론에는 Braze 에이전트가 적합합니다. 학습에는 Predictive Suite 또는 Decisioning Studio가 적합합니다. 추론 또는 통계를 참조하세요.
Content Optimizer와 BrazeAI로 최적화의 차이점은 무엇인가요?
BrazeAI로 최적화는 직접 작성한 캠페인 배리언트 중에서 승자를 선택합니다. Content Optimizer는 배리언트를 대신 생성하고, Canvas 단계에서 그 요소를 계속 조합하고 테스트합니다. 두 기능 모두 오디언스 전체에 가장 적합한 하나의 승자를 찾습니다. 사용자별 개인화에 대해서는 Decisioning Studio를 참조하세요.
Braze 에이전트와 의사 결정 에이전트의 차이점은 무엇인가요?
Braze 에이전트는 한 사용자의 컨텍스트를 기반으로 추론합니다. Decisioning Studio의 의사 결정 에이전트는 전체 사용자 집단에서 측정된 성과로부터 학습합니다. 자세한 내용은 Braze 에이전트와 의사 결정 에이전트 비교를 참조하세요.
BrazeAI 기능을 사용하면 크레딧이 소모되나요?
일부 BrazeAI 기능은 크레딧이 소모됩니다. Braze 에이전트에는 메시지 또는 액션 크레딧이 필요하며, 에이전트를 실행할 때마다 일일 호출 한도에 포함됩니다. Operator 작업은 크레딧 대신 회사 전체에 적용되는 별도의 일일 사용량 한도에 포함됩니다. Intelligent Timing, BrazeAI로 최적화 같은 기능은 크레딧이 소모되지 않지만 데이터 요구 사항이 있습니다. 규칙만으로 답을 낼 수 있다면 표준 Canvas 단계를 사용하세요. 크레딧에 대해서는 계정 매니저에게 문의하세요.
자체 AI 모델을 사용할 수 있나요?
네, Braze 에이전트를 사용하면 가능합니다. 에이전트는 Braze에서 제공하는 모델 대신 OpenAI, Anthropic, Google Gemini, Databricks Mosaic 같은 공급자에 연결할 수 있습니다. 다른 BrazeAI 기능은 Braze에서 제공하는 모델만 사용합니다.