항목 추천에 대해
이 기사에서는 고객이 실제로 관심을 가질 만한 항목을 제안하는 다양한 방법에 대해 배우고, Braze를 사용하여 추천 엔진을 만드는 일반적인 사용 사례에 대한 영감을 얻을 수 있습니다.
필수 조건
모든 추천 유형은 추천 항목이 가져오는 카탈로그를 최소한 하나 이상 설정해야 합니다.
추천 유형
고객에게 아이템을 추천할 때 몇 가지 접근 방식을 취할 수 있습니다:
AI 개인화된 추천
AI 항목 추천 기능의 일부인 AI 개인화된 추천은 딥 러닝을 활용하여 사용자가 과거에 관심을 보인 것을 바탕으로 다음에 관심을 가질 가능성이 가장 높은 것을 예측합니다. 이 방법은 사용자 행동에 맞춰 동적으로 조정되는 맞춤형 추천 시스템을 제공합니다.
AI 개인화된 추천은 구매 또는 커스텀 이벤트와 같은 항목 상호 작용 데이터의 지난 6개월을 사용하여 추천 모델을 구축합니다. 데이터가 충분하지 않은 사용자에게는 개인화된 목록을 제공하기 위해 가장 인기 있는 항목이 대체로 사용되어 사용자가 여전히 관련된 제안을 받을 수 있습니다.
AI 아이템 추천을 통해 사용 가능한 아이템을 추가로 필터링할 수 있습니다 선택. 그러나 Liquid이 포함된 선택 항목은 AI 추천에서 사용할 수 없으므로 카탈로그 선택을 구성할 때 이를 염두에 두십시오.
예시는 이 글의 사용 사례 섹션을 참조하세요.
AI 개인화된 추천은 수백 또는 수천 개의 항목과 일반적으로 구매 또는 상호작용 데이터가 있는 최소 30,000명의 사용자와 함께 작동합니다. 이것은 단지 대략적인 가이드일 뿐이며 다를 수 있습니다. 다른 추천 유형은 더 적은 데이터로 작동할 수 있습니다.
가장 인기 있는 항목 추천
“AI 개인화된” 모델 외에도, AI 항목 추천 기능에는 사용자가 가장 많이 참여하는 항목을 특징으로 하는 “가장 인기 있는” 추천 모델도 포함되어 있습니다.
추적된 상호 작용 데이터에 따라 이 모델의 사용 사례에는 다음이 포함될 수 있습니다:
가장 최근 항목 추천
“AI 개인화된” 모델 외에도 AI 항목 추천 기능에는 사용자가 가장 많이 참여하는 항목을 특징으로 하는 “가장 최근” 추천 모델도 포함됩니다. 이 모델을 사용하여 고객이탈을 줄이고 휴면 사용자가 관련 콘텐츠에 다시 참여하도록 유도하십시오.
추적된 상호 작용 데이터에 따라 이 모델의 사용 사례에는 다음이 포함될 수 있습니다:
선택 기반 추천
선택 항목은 카탈로그 데이터의 특정 그룹입니다. 선택을 사용할 때, 본질적으로 카탈로그의 특정 열을 기반으로 커스텀 필터를 설정하는 것입니다. 여기에는 브랜드, 크기, 위치, 추가된 날짜 등을 위한 필터가 포함될 수 있습니다. 이것은 항목이 사용자에게 표시되기 위해 충족해야 하는 기준을 정의할 수 있도록 함으로써 추천하는 내용을 제어할 수 있게 해줍니다.
이전 세 가지 유형 모두 Braze에서 추천 모델을 설정하고 훈련하는 것을 포함합니다. 이 모델에서도 선택 항목을 사용할 수 있지만, 카탈로그 선택 항목과 Liquid 개인화만으로도 몇 가지 추천 사용 사례를 달성할 수 있습니다.
일부 사용 사례에는 다음이 포함됩니다:
규칙 기반 권장 사항
규칙 기반 추천 엔진은 사용자 데이터 및 제품 정보를 사용하여 메시지 내에서 사용자에게 관련 항목을 제안합니다. Liquid 및 Braze 카탈로그 또는 연결된 콘텐츠를 사용하여 사용자 행동 및 속성에 따라 콘텐츠를 동적으로 개인화합니다.
규칙 기반 추천은 수동으로 설정해야 하는 고정된 논리에 기반합니다. 이것은 사용자의 개별 구매 이력과 취향에 맞춰 추천이 조정되지 않음을 의미하며, 논리를 업데이트하지 않으면 이 방법은 자주 업데이트가 필요하지 않은 추천에 가장 적합합니다.
일부 사용 사례는 다음과 같습니다:
- 재고 보충 알림: 마지막 구매 날짜를 기준으로 월간 비타민 또는 주간 식료품과 같이 예측 가능한 사용 주기를 가진 품목에 대해 재입고 알림을 보냅니다.
- 처음 구매자: 첫 구매자에게 스타터 키트 또는 입문용 상품을 추천하여 두 번째 구매를 유도하세요. 로열티 프로그램: 고객의 현재 포인트 잔액을 기준으로 로열티 포인트 또는 보상을 최대화할 수 있는 제품을 강조하십시오.
- 교육 자료: 이전에 소비하거나 구매한 자료의 주제를 기반으로 새로운 과정이나 콘텐츠를 제안합니다.
사용 사례
사용자가 다음에 구매할 가능성이 가장 높은 품목
구매 이벤트 또는 구매와 관련된 커스텀 이벤트를 기반으로 사용자가 다음에 구매할 가능성이 가장 높은 항목을 예측하고 추천합니다. 예를 들어, 다음과 같습니다.
- 여행 사이트는 사용자의 검색 기록과 이전 예약을 기반으로 휴가 패키지, 항공편 또는 호텔 숙박을 제안하여 다음 여행 대상을 예측하고 여행 계획을 더 쉽게 할 수 있습니다.
- 스트리밍 플랫폼은 시청 습관을 분석하여 사용자가 다음에 시청할 가능성이 가장 높은 프로그램이나 영화를 추천함으로써 사용자의 참여를 유지하고 고객이탈률을 줄일 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 구매를 추적하는 방법, 구매 객체 또는 커스텀 이벤트
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을 AI 개인화된로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 현재 구매 이벤트를 추적하는 방법과 해당 이벤트 속성정보를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
장바구니에 최근 추가된 품목
사용자에게 최근 장바구니에 추가했지만 아직 구매하지 않은 항목에 대한 관심을 상기시켜 주세요. 예를 들어, 온라인 소매업체는 장바구니에 담긴 상품에 대해 알림을 보내거나 한정된 시간 동안 할인 혜택을 제공하여 사용자가 혜택이 만료되기 전에 구매를 완료하도록 유도할 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 커스텀 이벤트 장바구니에 추가됨
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을(를) 가장 최근으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 커스텀 이벤트을 선택하고 목록에서 장바구니에 추가할 커스텀 이벤트를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
좋아하는 항목
사용자가 최근에 좋아한 항목이나 인기 있는 항목을 탐색하도록 권장합니다. 좋아요에 대한 커스텀 이벤트를 기반으로 합니다. 예를 들어, 음악 스트리밍 앱은 사용자가 과거에 좋아했던 장르나 아티스트를 기반으로 개인화된 재생 목록을 만들거나 새로운 앨범 발매를 추천하여 사용자 참여와 앱에서 보내는 시간을 향상시킬 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 커스텀 좋아요 이벤트
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을(를) 가장 최근으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 커스텀 이벤트을 선택하고 목록에서 좋아요에 대한 커스텀 이벤트를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
가장 인기 있는 항목
구매를 기반으로 카탈로그에서 인기 있는 항목을 탐색하도록 사용자에게 권장하십시오. 관련 콘텐츠만 표시되도록 하려면 선택 항목으로 필터링하는 것이 좋습니다. 예를 들어, 음식 전달 서비스는 플랫폼 전반의 주문 인기도를 기반으로 사용자의 지역 내에서 최고 평점을 받은 요리나 레스토랑을 강조하여 시도와 발견을 장려할 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 구매 객체 또는 커스텀 이벤트
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을 가장 인기 있는으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다. 예를 들어, 음식 전달 서비스는 레스토랑 위치나 요리 종류를 필터링하는 선택 항목을 가질 수 있습니다.
- 이벤트를 현재 추적하는 방법과 해당 이벤트 속성정보를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
가장 많이 본 항목
조회수를 통해 사용자 기반에서 주목받은 항목을 강조하여 참여 또는 구매를 유도하십시오. 예를 들어, 부동산 웹사이트는 사용자의 검색 영역에서 가장 많이 본 목록을 표시하여 많은 관심을 끌고 있는 부동산을 강조할 수 있습니다. 이는 잠재적으로 좋은 거래나 바람직한 위치를 나타낼 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 뷰를 위한 커스텀 이벤트
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을 가장 인기 있는으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 커스텀 이벤트을 선택하고 목록에서 보기 위한 커스텀 이벤트를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
새로운 항목
이 시나리오는 사용자 작업에 직접적으로 의존하지 않고 오히려 카탈로그 데이터에 의존합니다. 추가 날짜를 기준으로 새 항목을 필터링하고 추천 모델을 훈련할 필요 없이 타겟 캠페인이나 캔버스를 통해 이를 홍보할 수 있습니다.
예를 들어, 기술 전자 상거래 플랫폼은 최신 가젯이나 다가오는 사전 주문에 대해 기술 애호가들에게 알림을 보낼 수 있으며, 필터를 사용하여 카탈로그에 최근 추가된 항목을 타겟팅할 수 있습니다.
요구 사항
- 관련 항목의 카탈로그와 추가된 날짜에 대한 필드
설정 방법
- 카탈로그를 기반으로 선택 항목을 만드십시오. 카탈로그에 항목이 추가된 날짜에 해당하는 시간 필드(데이터 유형이 시간으로 설정된 필드)가 있는지 확인하세요.
- (Optional) 원하는 필터를 추가하세요.
- 정렬 순서 무작위 지정이 꺼져 있는지 확인하세요.
- 정렬 필드의 경우 추가된 날짜 필드를 선택합니다.
- 정렬 순서를 내림차순으로 설정합니다.
- 메시징에서 선택 항목을 사용하십시오.
사용자 장바구니의 인기 상품
많은 다른 쇼핑객들이 장바구니에 추가한 아이템을 전시하여 사용자에게 현재 제공 중인 상품의 트렌드를 엿볼 수 있게 합니다.
예를 들어, 패션 소매업체는 다른 고객들이 장바구니에 추가한 인기 있는 상품을 기반으로 유행하는 옷과 액세서리를 홍보할 수 있습니다. 그들은 그런 다음 홈페이지와 모바일 앱에 실시간으로 업데이트되어 쇼핑객들이 품절되기 전에 구매하도록 유도하는 동적 “지금 인기” 섹션을 만들 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 커스텀 이벤트 장바구니에 추가됨
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을 가장 인기 있는으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 커스텀 이벤트을 선택하고 목록에서 장바구니에 추가할 커스텀 이벤트를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
무작위 항목
다양한 사용자 경험을 위해 무작위 항목을 추천하는 것은 다양성을 도입하고 덜 방문한 카탈로그 영역에 대한 관심을 불러일으킬 수 있습니다. 이 방법은 특정 모델이나 이벤트를 필요로 하지 않으며, 대신 카탈로그 선택을 사용하여 항목이 무작위로 표시되도록 합니다.
예를 들어, 온라인 서점은 사용자의 과거 구매 또는 검색 습관을 기반으로 무작위 책을 추천하는 “Surprise Me” 기능을 제공하여 평소 읽는 장르 외의 탐색을 장려할 수 있습니다.
요구 사항
- 관련 항목 카탈로그
- 선택 항목을 정렬 순서 무작위로 설정
설정 방법
- 카탈로그를 기반으로 선택 항목을 생성하십시오
- (Optional) 원하는 필터를 추가하세요.
- 정렬 순서 무작위를 켜십시오.
- 메시징에서 선택 항목을 사용하십시오.
최근 클릭한 항목
사용자가 클릭한 커스텀 이벤트를 기반으로 최근에 클릭한 항목을 다시 방문하도록 권장합니다. 예를 들어, 온라인 패션 소매업체는 사용자가 클릭하여 관심을 보인 옷을 특징으로 하는 후속 이메일 또는 푸시 알림을 보내도록 추천을 생성하여 사용자가 해당 항목을 다시 방문하고 구매하도록 유도할 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 클릭을 위한 커스텀 이벤트
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을(를) 가장 최근으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 커스텀 이벤트을 선택하고 목록에서 클릭에 대한 커스텀 이벤트를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
최근에 참여하거나 구매한 항목
사용자가 최근에 상호작용한 항목을 홍보하십시오. 여기에는 조회수, 클릭 또는 구매가 포함됩니다. 이 접근 방식은 사용자의 최신 관심사에 맞춰 추천을 신선하게 유지합니다. 예를 들어, 다음과 같습니다.
- 교육: 온라인 교육 플랫폼은 최근에 교육 비디오를 시청했지만 코스에 등록하지 않은 사용자에게 유사한 코스나 관심 있는 주제를 확인하도록 권장하여 사용자가 계속 참여하고 학습을 시작하도록 동기를 부여할 수 있습니다.
- 피트니스: 피트니스 앱은 사용자가 최근에 완료했거나 상호작용한 것과 유사한 운동이나 도전을 제안하여 운동 루틴을 다양하고 흥미롭게 유지할 수 있습니다.
- 주택 개량 소매업체: 고객이 전동 공구를 구매한 후, 홈 인테리어 소매업체는 최근 구매를 기반으로 관련 액세서리나 안전 장비를 추천하여 사용자의 경험과 안전을 향상시킬 수 있습니다.
요구 사항
- AI 아이템 추천
- 관련 항목 카탈로그
- 구매 객체 또는 참여 상호 작용을 위한 커스텀 이벤트
설정 방법
- AI 항목 추천을 만드십시오.
- 유형을(를) 가장 최근으로 설정하십시오.
- 카탈로그를 선택하세요.
- (선택 사항) 추천 항목을 관련 항목으로만 필터링하도록 선택할 수 있습니다.
- 커스텀 이벤트을 선택하고 목록에서 클릭에 대한 커스텀 이벤트를 선택하세요.
- 추천을 훈련시키세요.
- 메시징에서 추천을 사용하십시오.
GitHub 에서 이 페이지를 편집합니다.