AI 항목 추천

카탈로그에 있는 항목에 대한 AI 항목 추천을 만드는 방법을 배우세요.

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

필수 조건

시작하기 전에 다음을 완료해야 합니다.

• 하나 이상의 카탈로그를 보유해야 아래에 설명된 추천 유형을 사용할 수 있습니다.
• Braze에 저장된 고유 제품 ID에 대한 참조가 포함된 구매 또는 이벤트 데이터(커스텀 이벤트 또는 구매 객체)가 있어야 합니다.

AI 항목 추천 생성

항목 추천 생성하기:

1. 분석 > AI 항목 추천으로 이동합니다.
2. 예측 생성 > AI 항목 추천을 선택합니다.

개별 카탈로그에서 직접 추천을 생성하도록 선택할 수도 있습니다. 카탈로그 페이지에서 카탈로그를 선택한 다음, 추천 생성을 선택합니다.

1단계: 추천 세부 정보 추가

추천에 이름과 선택적 설명을 제공하세요.

2단계: 추천 정의

추천 유형을 선택하세요. 모든 추천 유형은 지난 6개월간의 항목 상호작용(구매 또는 커스텀 이벤트) 데이터를 사용합니다. 아래에 언급된 상호작용은 3단계에서 선택한 구매 이벤트 또는 커스텀 이벤트를 의미합니다.

• 가장 인기 있음: 카탈로그에서 워크스페이스의 모든 사용자가 가장 자주 상호작용하는 최대 30개의 항목을 계산합니다. 예를 들어 가장 많이 구매한 제품이 포함됩니다.
• 가장 최근: 사용자가 가장 최근에 상호작용한 최대 30개의 제품 목록을 생성합니다.
• AI 개인화: 트랜스포머라는 새로운 종류의 딥러닝을 사용하여 각 사용자가 다음에 상호작용할 가능성이 가장 높은 항목 세트를 예측합니다. Braze는 가장 가능성이 높은 항목을 가장 가능성이 높은 순서대로 최대 30개까지 계산합니다. 이 유형의 추천은 대형 언어 모델(LLM)을 사용하여 데이터와 다른 Braze 고객의 데이터를 결합하지 않습니다.
• 트렌딩: 워크스페이스에서 사용자 상호작용 측면에서 가장 최근에 긍정적인 모멘텀을 가졌던 최대 30개의 항목을 계산합니다.

2a 단계: 이전 구매 또는 상호 작용 제외 (선택 사항)

사용자가 이미 구매했거나 상호작용한 항목을 추천하지 않으려면 사용자가 이전에 상호작용한 항목을 추천하지 않음을 선택하세요. 이 옵션은 추천 유형이 AI 개인화로 설정된 경우에만 사용할 수 있습니다.

이 설정은 추천이 최근에 업데이트된 경우 사용자가 이미 구매했거나 상호작용한 항목을 메시지가 재사용하지 않도록 방지합니다. 추천 업데이트 사이에 구매하거나 상호작용한 항목은 여전히 나타날 수 있습니다. 항목 추천의 무료 버전에서는 업데이트가 매주 이루어집니다. AI 항목 추천의 프로 버전에서는 업데이트가 24시간마다 이루어집니다.

예를 들어, AI 항목 추천의 프로 버전을 사용할 때 사용자가 무언가를 구매하고 30분 이내에 마케팅 이메일을 받으면 방금 구매한 항목이 이메일에서 제때 제외되지 않을 수 있습니다. 그러나 24시간 후에 보낸 메시지에는 해당 항목이 포함되지 않습니다.

2b 단계: 카탈로그 선택

이미 채워지지 않은 경우, 이 추천이 항목을 가져올 카탈로그을 선택하세요.

2c 단계: 선택 항목 추가(선택 사항)

추천에 대한 더 많은 제어를 원하시면, 선택를 선택하여 커스텀 필터를 적용하세요. 선택 항목은 카탈로그의 특정 열, 예를 들어 브랜드, 크기 또는 위치에 따라 추천을 필터링합니다. Liquid이 포함된 선택 항목은 추천에 사용할 수 없습니다.

3단계: 상호작용을 선택하여 추천을 유도하세요

최적화할 이벤트를 선택하세요. 이 이벤트는 일반적으로 구매이지만 항목과의 모든 상호 작용일 수도 있습니다.

다음을 위해 최적화할 수 있습니다.

• 구매 객체가 있는 구매 이벤트
• 커스텀 이벤트는 구매를 나타냅니다
• 제품 조회, 클릭 또는 미디어 재생과 같은 기타 항목 상호작용을 나타내는 커스텀 이벤트

커스텀 이벤트을 선택하면 목록에서 이벤트를 선택하세요.

4단계: 해당 속성 이름을 선택하세요{#property-name}

추천을 생성하려면 상호작용 이벤트(구매 객체 또는 커스텀 이벤트)의 어느 필드가 카탈로그의 항목 id 필드와 일치하는 고유 식별자인지 Braze에 알려야 합니다. 확실하지 않나요? 요구 사항을 보세요.

이 필드를 속성정보 이름에 대해 선택하세요.

속성정보 이름 필드는 SDK를 통해 Braze로 전송된 필드 목록으로 미리 채워집니다. 충분한 데이터가 제공되면 이러한 속성도 올바른 속성정보일 확률에 따라 순위가 매겨집니다. 카탈로그의 id 필드에 해당하는 것을 선택하세요.

요구 사항

속정정보를 선택하기 위한 몇 가지 요구 사항이 있습니다.

• 선택한 카탈로그의 id 필드에 매핑해야 합니다.
• 구매 객체를 선택한 경우: product_id 또는 상호작용 이벤트의 properties 필드여야 합니다.
• 커스텀 이벤트를 선택한 경우: 커스텀 이벤트의 properties 필드여야 합니다.
• 중첩 필드는 속성정보 이름 드롭다운에 점 표기법으로 event_property.nested_property 형식으로 입력해야 합니다. 예를 들어, 이벤트 속성정보 location 내의 중첩 속성정보 district_name을 선택하는 경우 location.district_name을 입력합니다.
• 필드는 제품 배열 안에 있을 수 있거나 ID 배열로 끝날 수 있습니다. 어느 경우든 각 제품 ID는 동일한 타임스탬프를 가진 별도의 순차적 이벤트로 처리됩니다.

예시 매핑

다음 예제 매핑은 모두 이 샘플 카탈로그를 참조합니다.

• 커스텀 이벤트
• 구매 객체

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"
      }
    }
  ]
}

5단계: 추천 훈련시키기

준비가 되면 추천 생성을 선택하세요. 이 과정은 완료하는 데 10분에서 36시간이 걸릴 수 있습니다. 추천이 성공적으로 학습되었거나 생성이 실패한 이유에 대한 설명이 있을 경우, 이메일 업데이트를 받게 됩니다.

예측 페이지에서 추천을 찾을 수 있으며, 필요에 따라 편집하거나 보관할 수 있습니다. 추천 사항은 매달 한 번 자동으로 재교육됩니다.

분석

추천에 대한 분석을 확인하여 사용자에게 추천된 항목과 추천 모델의 정확성을 확인할 수 있습니다.

1. 분석 > 항목 추천으로 이동합니다.
2. 목록에서 추천을 선택하세요.

페이지 상단에서 추천에 대한 통계, 예를 들어 정밀도와 범위를 찾을 수 있습니다.

이 측정기준은 다음 표에 정의되어 있습니다.

다음 섹션은 카탈로그의 항목을 두 개의 가능한 열로 나눈 세부 사항을 보여줍니다.

• 개인화된 항목 또는 가장 최근 항목: 이 열은 사용자에게 가장 자주 추천되는 순서대로 카탈로그의 각 항목을 나열합니다. 이 열은 모델에 의해 각 항목에 할당된 사용자 수를 보여줍니다.
• 가장 인기 있는 항목: 이 열은 카탈로그의 각 항목을 인기 순으로 내림차순으로 나열합니다. 인기란 전체 워크스페이스에서 사용자가 가장 자주 상호작용하는 카탈로그의 항목을 의미합니다. 가장 인기 있는 것은 개인화된 또는 가장 최근의 것을 개별 사용자에 대해 계산할 수 없을 때 대체로 사용됩니다.

추천 개요는 추천 구성이 마지막으로 업데이트된 시점을 포함하여 선택한 추천 구성의 요약을 보여줍니다.

메시징에서 추천 사용

추천이 완료되면 Liquid를 사용하여 해당 카탈로그에서 가장 인기 있는 제품을 삽입하여 메시지를 개인화할 수 있습니다. Liquid은 메시지 작성기에서 찾을 수 있는 개인화 창에 의해 생성될 수 있습니다:

1. 메시지 작성기에서 개인화를 지원하는 경우, 개인화 창을 열려면 를 선택하세요.
2. 개인화 유형에서 항목 추천을 선택하세요.
3. 항목 추천 이름에 대해 방금 생성한 추천을 선택하세요.
4. 예측된 항목 수에 대해 삽입하고 싶은 상위 제품의 수를 입력하세요. 예를 들어, 가장 많이 구매된 상위 세 개의 항목을 표시할 수 있습니다.
5. 표시할 정보에 대해 카탈로그에서 각 항목에 포함할 필드를 선택하세요. 이 항목에 대한 각 필드의 값은 이 추천과 관련된 카탈로그에서 가져옵니다.
6. 복사 아이콘을 선택하고 메시지에 Liquid를 붙여넣으세요.

AI 항목 추천 등급

다음 표는 AI 개인화된, 인기 있는, 트렌딩 추천 유형의 무료 및 프로 버전 간의 차이점을 설명합니다.

^{1. 사용자별 항목 추천이 업데이트되는 빈도입니다(모델이 재훈련될 때 업데이트되는 가장 인기 있는 항목 제외). 예를 들어, 사용자가 AI 항목 추천을 기반으로 추천된 항목을 구매하면, 추천된 항목은 이 빈도}에 따라 업데이트됩니다.
^{2. 사용 가능한 추천 유형은 AI 개인화된, 가장 최근, 가장 인기 있는, 그리고 트렌딩입니다.}

자주 묻는 질문

“가장 인기 있음” 항목이 다른 모델의 추천에 섞이는 원인은 무엇입니까?

Braze의 추천 엔진이 목록을 큐레이트할 때, 먼저 선택한 특정 모델에 따라 개인화된 선택을 우선시합니다. 예를 들어 “가장 최근” 또는 “AI 개인화”과 같은 모델입니다. 이 모델이 어떤 이유로든 30개의 추천 목록을 완성할 수 없는 경우, 모든 사용자들 사이에서 가장 인기 있는 항목 중 일부가 추가되어 각 사용자가 항상 완전한 추천 세트를 갖도록 합니다.

이것은 몇 가지 특정 조건에서 발생합니다:

• 모델은 사용자의 기준에 맞는 항목을 30개 미만으로 찾습니다.
• 관련 항목은 더 이상 사용 가능하거나 재고가 없습니다.
• 항목이 현재 선택 기준을 충족하지 않으며, 이는 재고 변경 또는 사용자 선호도 변경 때문일 수 있습니다.