AI 항목 추천 만들기

카탈로그에 있는 항목으로 AI 추천 엔진을 만드는 방법을 알아보세요.

AI 항목 추천 정보

AI 항목 추천을 사용하여 가장 인기 있는 제품을 계산하거나 특정 카탈로그에 대한 개인화된 AI 추천을 만들 수 있습니다. 추천을 만든 후 개인화를 사용하여 해당 제품을 메시지에 삽입할 수 있습니다.

팁

AI Personalized 추천은 최소 수백 개의 카탈로그 항목, 최대 100,000개의 카탈로그 항목, 그리고 일반적으로 최소 30,000명의 구매 또는 상호작용 데이터가 있는 사용자와 함께 사용할 때 가장 효과적입니다. 이것은 대략적인 가이드일 뿐이며 상황에 따라 달라질 수 있습니다. 다른 추천 유형은 Most popular를 대체로 사용하는 경우를 포함하여 더 적은 데이터로도 작동할 수 있습니다.

플랜별 AI 기능

다음 표는 AI Personalized, Most Popular, Most Recent, Trending 추천 유형의 무료 버전과 프로 버전 간의 차이점을 설명합니다.

<sup>1. 사용자별 항목 추천이 업데이트되는 빈도입니다(AI Personalized 및 Most Recent만 해당). Most Popular와 Trending은 모델이 재훈련될 때 업데이트되는 글로벌 추천입니다. 예를 들어, 사용자가 AI 항목 추천을 기반으로 추천된 항목을 구매하면, 추천 항목은 이 빈도에 따라 업데이트됩니다.
2. 사용 가능한 추천 유형은 AI Personalized, Most Recent, Most Popular, Trending입니다.</sup>

AI 항목 추천 만들기

사전 준비 사항

시작하기 전에 다음 사항이 필요합니다:

• 추천 유형 중 하나를 사용하려면 최소 하나의 카탈로그가 필요합니다.
• 항목에 대한 참조를 포함하고 카탈로그 항목 ID와 일치해야 하는 Braze의 구매 또는 이벤트 데이터(커스텀 이벤트, 주문 완료 이벤트 또는 구매 객체)가 필요합니다.

1단계: 새 추천 만들기

대시보드의 다음 두 곳에서 AI 항목 추천을 만들 수 있습니다:

• 내비게이션 메뉴에서
• 카탈로그에서

2단계: 추천 세부 정보 추가하기

추천에 이름과 선택적 설명을 입력합니다.

3단계: 추천 정의하기

추천 유형을 선택합니다. 각 유형은 구매, 주문 완료 또는 커스텀 이벤트 데이터와 같은 최근 6개월간의 항목 상호작용 데이터를 사용합니다. 각 유형에 대한 자세한 정보와 사용 사례는 유형 및 사용 사례를 참조하세요.

팁

Most Recent 또는 AI Personalized를 사용할 때, 개인화된 추천을 생성할 데이터가 부족한 사용자에게는 대체로 Most Popular 항목이 제공됩니다. Most Popular 대체 항목은 연결된 카탈로그에 존재하는 항목만 반환합니다.

AI Personalized 추천의 경우, Analytics 페이지에서 Personalization rate를 확인하여 지난 24개월 동안 구성된 이벤트를 수행한 사용자 중 프로필에 개인화된 추천이 저장된 비율을 볼 수 있습니다. Most Recent 추천의 경우, Analytics 페이지에서 Most Recent 추천을 받는 사용자와 Most Popular 대체 항목을 받는 사용자의 비율을 확인할 수 있습니다.

3.1단계: 이전 구매 또는 상호작용 제외하기 (선택 사항)

사용자가 이미 구매하거나 상호작용한 항목을 추천하지 않으려면, Do not recommend items users have previously interacted with를 선택합니다. 이 옵션은 추천 Type이 AI Personalized로 설정된 경우에만 사용할 수 있습니다.

이 설정은 추천이 최근에 업데이트된 경우, 사용자가 이미 구매하거나 상호작용한 항목을 메시지에서 재사용하지 않도록 합니다. 추천 업데이트 사이에 구매하거나 상호작용한 항목은 여전히 표시될 수 있습니다. 항목 추천의 무료 버전은 주별로, AI 항목 추천의 프로 버전은 24시간마다 업데이트됩니다.

예를 들어, AI 항목 추천 프로 버전을 사용할 때, 사용자가 무언가를 구매한 후 30분 이내에 마케팅 이메일을 받으면, 방금 구매한 항목이 이메일에서 제외되지 않을 수 있습니다. 그러나 24시간 이후에 전송되는 모든 메시지에는 해당 항목이 포함되지 않습니다.

3.2단계: 카탈로그 선택하기

아직 채워지지 않은 경우, 이 추천이 항목을 가져올 카탈로그를 선택합니다.

3.3단계: 셀렉션 추가하기 (선택 사항)

추천을 더 세밀하게 제어하려면, 셀렉션을 선택하여 커스텀 필터를 적용합니다. 셀렉션은 브랜드, 사이즈 또는 위치와 같은 카탈로그의 특정 열을 기준으로 추천을 필터링합니다. Liquid를 포함하는 셀렉션은 추천에 사용할 수 없습니다.

팁

셀렉션을 찾을 수 없는 경우, 먼저 카탈로그에서 셀렉션이 설정되어 있는지 확인하세요.

4단계: 추천을 주도할 상호작용 선택하기

이 추천이 최적화할 이벤트를 선택합니다. 이 이벤트는 일반적으로 구매이지만, 항목과의 모든 상호작용이 될 수도 있습니다.

팁

AI 항목 추천을 구성할 때 이벤트 선택이 중요합니다. 트리거 이벤트에 따라 AI 생성 추천을 받을 대상이 결정됩니다. AI 항목 추천은 구성한 이벤트를 완료한 사용자에게 생성되므로, 이 선택이 추천을 받는 대상을 직접 결정합니다. 도달하려는 전체 오디언스를 포괄하는 이벤트를 선택하세요.

동시에 도달 범위와 관련성 간의 균형을 맞추세요. 퍼널 상단 이벤트(예: Product Viewed)는 더 넓은 오디언스를 포착하는 경향이 있지만 비즈니스 성과와의 연관성이 낮을 수 있고, 퍼널 하단 이벤트(예: Purchased)는 더 타겟팅되고 비즈니스와 관련성 높은 추천을 생성하는 경향이 있습니다. 최적의 이벤트는 도달 범위와 비즈니스 성과에 대한 영향력의 균형을 맞추는 이벤트입니다.

최적화할 수 있는 항목:

• 구매 객체를 사용한 구매 이벤트
• 구매를 나타내는 커스텀 이벤트
• 기타 항목 상호작용을 나타내는 커스텀 이벤트(예: 제품 조회, 클릭 또는 미디어 재생)
• 주문 완료 이벤트를 사용한 주문 완료

Custom Event를 선택한 경우, 목록에서 이벤트를 선택합니다.

참고

커스텀 이벤트는 이벤트 목록에 표시되기 전에 충분한 데이터가 있어야 합니다. 커스텀 이벤트가 표시되지 않는 경우, Braze 백엔드에서 아직 처리하지 않았거나 모델 교육을 위한 충분한 데이터가 없기 때문일 수 있습니다. AI 추천은 인사이트를 생성하기 위해 과거 데이터에 의존하므로, 새로 생성되었거나 드물게 트리거되는 이벤트는 더 많은 데이터가 수집될 때까지 사용할 수 없습니다.

5단계: 해당하는 속성정보 이름 선택하기

추천을 만들려면, 상호작용 이벤트(주문 완료 이벤트, 구매 객체 또는 커스텀 이벤트)의 어떤 필드가 카탈로그에서 항목의 id 필드와 일치하는 고유 식별자를 포함하는지 Braze에 알려야 합니다. 잘 모르시겠다면 요구 사항을 확인하세요.

Property Name에서 이 필드를 선택합니다.

Property Name 필드에는 SDK를 통해 Braze로 전송된 필드 목록이 미리 채워집니다. 충분한 데이터가 제공되면, 이러한 속성정보는 올바른 속성정보일 확률 순으로 정렬됩니다. 카탈로그의 id 필드에 해당하는 것을 선택합니다.

요구 사항

속성정보를 선택할 때 몇 가지 요구 사항이 있습니다:

• 선택한 카탈로그의 id 필드에 매핑되어야 합니다.
• 주문 완료 이벤트를 선택했거나 이커머스 이벤트를 사용하여 항목 추천을 교육하는 경우: 제품 ID로 products.product_id를 입력합니다.
  • 필드는 제품 배열 안에 있거나 ID 배열로 끝날 수 있습니다. 어느 경우든 각 제품 ID는 동일한 타임스탬프를 가진 별도의 순차적 이벤트로 처리됩니다.
• 구매 객체를 선택한 경우: product_id 또는 상호작용 이벤트의 properties에 있는 필드여야 합니다.
• 커스텀 이벤트를 선택한 경우: 커스텀 이벤트의 properties에 있는 필드여야 합니다.
• 중첩된 필드는 event_property.nested_property 형식의 점 표기법으로 Property Name 드롭다운에 입력해야 합니다. 예를 들어, 이벤트 속성정보 location 내의 중첩된 속성정보 district_name을 선택하려면, location.district_name을 입력합니다. 커스텀 이벤트의 중첩된 속성정보에 대한 자세한 내용은 중첩된 객체를 참조하세요.

매핑 예시

다음 매핑 예시는 모두 이 샘플 카탈로그를 참조합니다:

• 커스텀 이벤트
• 구매 객체
• 주문 완료 이벤트

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "product_sku": "ADI-BL-7"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "2ff3f9a9-8803-4c3a-91da-14adbf93dc99",
        "products": [
          { "sku": "ADI-BL-7" },
          { "sku": "ADI-WH-9" }
        ]
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "13791e08-7c22-4f6c-8cc6-832c76af3743",
        "purchase": {
          "product_skus": ["ADI-BL-7", "ADI-WH-9"]
        }
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "ADI-BL-7",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "color": "black",
        "checkout_duration": 180,
        "size": "7",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "shoes",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "sku": "ADI-RD-8",
        "color": "red",
        "checkout_duration": 180,
        "size": "8",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "name": "ecommerce.order_placed",
  "properties": {
    "order_id": "order_123",
    "total_value": 200.0,
    "currency": "USD",
    "products": [
      {
        "product_id": "ADI-BL-7",
        "product_name": "Adidas Black Size 7",
        "variant_id": "ADI-BL-7-default",
        "quantity": 1,
        "price": 100.0
      }
    ],
    "source": "storefront"
  }
}

6단계: 추천 교육하기

준비가 되면 Create Recommendation을 선택합니다. 이 프로세스는 완료까지 10분에서 36시간까지 걸릴 수 있습니다. 추천이 성공적으로 교육되면 이메일 업데이트를 받거나, 생성이 실패한 이유에 대한 설명을 받게 됩니다.

Predictions 페이지에서 추천을 찾을 수 있으며, 필요에 따라 편집하거나 보관할 수 있습니다. 추천은 주별(유료) 또는 월별(무료)로 자동 재교육됩니다.