항목 추천에 대하여
이 기사에서는 고객이 관심을 가질 만한 항목을 제안하는 다양한 방법과 Braze를 사용하여 추천 엔진을 만드는 일반적인 사용 사례에 대한 영감을 얻는 방법을 배웁니다.
필수 조건
모든 추천 유형은 최소한 하나의 카탈로그를 설정해야 합니다. 추천 항목이 거기에서 가져오기 때문입니다.
추천 유형
고객에게 추천할 항목을 설정할 때 사용할 수 있는 몇 가지 접근 방식이 있습니다.
AI 개인화된 추천
AI 항목 추천 기능의 일부인 AI 개인화된 추천은 딥러닝을 활용하여 사용자가 과거에 관심을 보인 것을 바탕으로 다음에 관심을 가질 가능성이 높은 것을 예측합니다. 이 방법은 사용자 행동에 적응하는 동적 맞춤형 추천 시스템을 제공합니다.
AI 개인화된 추천은 구매나 커스텀 이벤트와 같은 항목 상호작용 데이터의 지난 6개월을 사용하여 추천 모델을 구축합니다. 개인화된 목록에 대한 데이터가 충분하지 않은 사용자의 경우, 가장 인기 있는 항목이 대체 항목으로 사용되어 사용자는 여전히 관련성 있는 추천을 받을 수 있습니다.
AI 항목 추천을 사용하면 선택과 같이 사용 가능한 항목을 추가로 필터링할 수도 있습니다. 그러나 Liquid을 사용한 선택은 AI 추천에 사용할 수 없으므로 카탈로그 선택을 구성할 때 이를 염두에 두세요.
예시는 이 기사에서 사용 사례 섹션을 참조하세요.
AI 개인화 추천은 수백 또는 수천 개의 항목과 일반적으로 구매 또는 상호 작용 데이터가 있는 최소 30,000명의 사용자를 대상으로 가장 잘 작동합니다. 이는 대략적인 가이드이며 변동될 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 상호작용하는 항목을 특징으로 하는 “가장 인기 있는” 추천 모델도 포함되어 있습니다.
추적 중인 상호 작용 데이터를 기반으로 이 모델의 사용 사례에는 추천이 포함될 수 있습니다.
최신 항목 추천
“AI 개인화된” 모델 외에도, AI 항목 추천 기능에는 사용자가 가장 많이 상호작용하는 항목을 특징으로 하는 “가장 최근” 추천 모델도 포함되어 있습니다. 이 모델을 사용하여 고객 이탈을 줄이고, 휴면 사용자가 관련 콘텐츠에 다시 참여하도록 유도하세요.
추적 중인 상호 작용 데이터를 기반으로 이 모델의 사용 사례에는 추천이 포함될 수 있습니다.
트렌딩 항목 추천
“AI 개인화된” 모델 외에도, AI 항목 추천 기능에는 “트렌딩” 추천 모델도 포함되어 있습니다. 이 모델은 최근 사용자 상호작용에서 가장 긍정적인 모멘텀을 보인 항목들을 특징으로 합니다.
“가장 인기 있는” 모델과 달리, 지속적으로 높은 상호작용을 특징으로 하는 이 모델은 상호작용이 증가한 항목을 특징으로 합니다. 이를 사용하여 최근 주목받고 있는 인기 상품을 추천할 수 있습니다.
추적 중인 상호 작용 데이터를 기반으로 이 모델의 사용 사례에는 추천이 포함될 수 있습니다.
선택 기반 추천
선택은 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. 사용자에게 표시할 항목이 충족해야 하는 기준을 정의할 수 있도록 하여 추천하는 항목을ㄹ 제어할 수 있습니다.
이전 세 가지 유형 모두 Braze에서 추천 모델을 설정하고 훈련하는 것을 포함합니다. 이 모델에서도 선택 항목을 사용할 수 있지만, 카탈로그 선택 항목과 Liquid 개인화만으로도 일부 추천 사용 사례를 달성할 수 있습니다.
일부 사용 사례에는 추천이 포함됩니다.
규칙 기반 추천
규칙 기반 추천 엔진은 메시지 내에서 사용자에게 관련 항목을 제안하기 위해 사용자 데이터 및 제품 정보를 사용합니다. 사용자 행동 및 속성에 따라 콘텐츠를 동적으로 개인화하기 위해 Liquid 및 Braze 카탈로그 또는 연결된 콘텐츠를 사용합니다.
규칙 기반 추천은 수동으로 설정해야 하는 고정된 논리에 기반합니다. 이는 사용자의 개별 구매 기록과 취향에 맞춰 추천이 조정되지 않음을 의미하며, 논리를 업데이트하지 않는 한, 이 방법은 자주 업데이트가 필요하지 않은 추천에 가장 적합합니다.
일부 사용 사례는 다음과 같습니다.
- 재고 보충 알림: 마지막 구매 날짜를 기준으로 월간 비타민이나 주간 식료품과 같이 사용 주기가 예측 가능한 품목에 대한 재고 보충 알림을 보냅니다.
- 첫 구매자: 첫 구매자에게 스타터 키트나 입문용 상품을 추천하여 두 번째 구매를 유도하세요. 로열티 프로그램: 고객의 현재 포인트 잔액을 기준으로 로열티 포인트 또는 보상을 최대화할 수 있는 제품을 강조 표시합니다.
- 교육 콘텐츠: 이전에 소비하거나 구매한 자료의 주제를 기반으로 새로운 과정이나 콘텐츠를 제안합니다.
사용 사례
사용자가 다음에 구매할 가능성이 가장 높은 항목
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 예상하고 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 항목 추천
- 관련 항목 카탈로그
- 구매를 추적하는 방법, 구매 객체 또는 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 AI 개인화로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 현재 구매 이벤트와 해당 이벤트 속성정보를 추적하는 방법을 선택합니다.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
장바구니에 최근 추가된 항목
사용자에게 최근 장바구니에 추가했지만 아직 구매하지 않은 항목에 대한 관심을 상기시킵니다. 예를 들어, 온라인 소매업체는 알림을 보내거나 장바구니에 있는 품목에 대해 기간 한정 할인을 제공하여 혜택이 만료되기 전에 구매를 마치도록 유도할 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 장바구니에 담기 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 최근으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하고 목록에서 장바구니에 추가할 커스텀 이벤트를 선택하세요.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
좋아하는 항목
사용자가 최근에 좋아한 항목이나 좋아요용 커스텀 이벤트를 기반으로 인기 있는 항목을 탐색하도록 유도합니다. 예를 들어, 음악 스트리밍 앱은 사용자가 과거에 좋아했던 장르나 아티스트를 기반으로 개인화된 재생 목록을 만들거나 새 앨범 발매를 제안하여 사용자 인게이지먼트와 앱 사용 시간을 향상시킬 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 좋아요 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 최근으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하고 목록에서 좋아요에 대한 커스텀 이벤트를 선택합니다.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
가장 인기 있는 항목
구매를 기반으로 카탈로그의 인기 항목을 탐색하도록 사용자에게 권장합니다. 관련 콘텐츠만 표시되도록 하려면 선택 항목으로 필터링할 것을 권장합니다. 예를 들어, 음식 배달 서비스는 플랫폼 전반의 주문 인기도를 기반으로 사용자의 지역 내에서 최고 평점을 받은 요리나 레스토랑을 강조하여 시도와 발견을 장려할 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 구매 객체 또는 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 인기 있음으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다. 예를 들어, 음식 배달 서비스에는 레스토랑 위치나 요리 종류를 필터링할 수 있는 선택 항목이 있을 수 있습니다.
- 이벤트 및 해당 이벤트 속성을 현재 추적하는 방법을 선택하세요.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
가장 많이 본 항목
조회수를 통해 사용자 기반에서 주목받은 항목을 강조하여 인게이지먼트 또는 구매를 유도합니다. 예를 들어, 부동산 웹사이트에서는 사용자의 검색 영역에서 가장 많이 조회된 목록을 표시하여 많은 관심을 받고 있는 매물을 강조 표시하여 좋은 거래나 적절한 위치를 나타낼 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 조회용 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 인기 있음으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하고 목록에서 조회용 커스텀 이벤트를 선택합니다.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
새로운 항목
이 시나리오는 사용자 행동에 직접 의존하지 않고 카탈로그 데이터에 의존합니다. 카탈로그에 추가된 날짜를 기준으로 새 항목을 필터링하고 추천 모델을 학습하지 않고도 타겟팅 캠페인이나 캔버스를 통해 홍보할 수 있습니다.
예를 들어, 테크 이커머스 플랫폼은 필터를 사용하여 최근 카탈로그에 추가된 품목을 타겟팅하여 테크 매니아에게 최신 전자기기나 예정된 선주문에 대한 알림을 제공할 수 있습니다.
요구 사항
- 관련 항목의 카탈로그와 추가된 날짜를 위한 필드
설정하는 방법
- 카탈로그를 기반으로 선택 항목을 만드세요. 카탈로그에 항목이 추가된 날짜에 해당하는 시간 필드(데이터 유형이 시간으로 설정된 필드)가 있는지 확인합니다.
- (선택 사항)원하는 필터를 추가합니다.
- 정렬 순서 무작위화가 꺼져 있는지 확인합니다.
- 정렬 필드에 추가된 날짜 필드를 선택합니다.
- 정렬 순서를 내림차순으로 설정합니다.
- 메시징에서 선택 항목을 사용합니다.
사용자 장바구니의 인기 상품
다른 많은 쇼핑객들이 장바구니에 추가한 상품을 보여주어 사용자에게 현재 제공하는 상품 트렌드를 엿볼 수 있게 합니다.
예를 들어, 패션 소매업체는 다른 고객들이 장바구니에 추가한 인기 상품을 기반으로 유행하는 옷과 액세서리를 홍보할 수 있습니다. 그런 다음 홈페이지와 모바일 앱에 “지금 인기” 섹션을 만들고 실시간으로 업데이트하여 쇼핑객들이 품절되기 전에 구매하도록 유도할 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 장바구니에 담기 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 인기 있음으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하고 목록에서 장바구니에 추가할 커스텀 이벤트를 선택하세요.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
무작위 항목
다양한 사용자 경험을 위해 무작위 항목을 추천하는 것은 다양성을 도입하고 방문 빈도가 낮은 카탈로그 영역에 대한 관심을 유발할 수 있습니다. 이 방법은 특정 모델이나 이벤트를 필요로 하지 않으며, 대신 카탈로그 선택을 사용하여 항목이 무작위로 표시되도록 합니다.
예를 들어, 온라인 서점은 사용자의 과거 구매나 검색 습관을 기반으로 무작위로 책을 추천하는 “Surprise Me” 기능을 제공하여 일반적인 독서 장르 외의 탐색을 장려할 수 있습니다.
요구 사항
- 관련 항목 카탈로그
- 무작위 정렬 순서를 킨 선택 항목
설정하는 방법
- 카탈로그를 기반으로 선택 항목을 만듭니다.
- (선택 사항)원하는 필터를 추가합니다.
- 정렬 순서 무작위화를 켭니다.
- 메시징에서 선택 항목을 사용합니다.
최근에 클릭한 항목
클릭에 대한 커스텀 이벤트를 기반으로 사용자가 최근에 클릭한 항목을 다시 방문하도록 유도합니다. 예를 들어, 온라인 패션 소매업체는 사용자가 관심을 보인 옷을 클릭하면 후속 이메일이나 푸시 알림을 보내도록 추천을 생성하여 해당 상품을 다시 방문하고 이를 구매하도록 유도할 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 클릭용 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 최근으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하고 목록에서 클릭용 커스텀 이벤트를 선택하세요.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
최근에 참여하거나 구매한 항목
조회수, 클릭 수, 구매 등 사용자가 최근에 상호작용한 항목을 홍보합니다. 이 접근 방식은 사용자의 최신 관심사에 맞춰 추천을 최신 상태로 유지합니다. 예를 들어, 다음과 같습니다.
- 교육: 온라인 교육 플랫폼은 최근 교육 비디오를 시청했지만 아직 강좌에 등록하지 않은 사용자에게 유사한 과정이나 관심 있는 주제를 확인하도록 권장하여 사용자가 학습을 시작하도록 참여하고 동기를 부여할 수 있습니다.
- 피트니스: 피트니스 앱은 사용자가 최근에 완료하거나 상호작용한 것과 유사한 운동이나 도전을 제안하여 운동 루틴을 다양하고 흥미롭게 유지할 수 있습니다.
- 홈 인테리어 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 항목 추천
- 관련 항목 카탈로그
- 구매 객체 또는 인게이지먼트 상호작용을 위한 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 유형을 가장 최근으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하고 목록에서 클릭용 커스텀 이벤트를 선택하세요.
- 추천을 훈련시킵니다.
- 메시징에서 추천을 사용합니다.
인기 구매 품목
사용자가 최근에 더 자주 구매한 항목을 강조 표시합니다. 예를 들어, 이커머스 비즈니스는 사용자가 다음 시즌을 준비하면서 비축하기 시작하는 시즌 상품을 추천할 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 구매를 추적하는 방법(구매 객체 또는 커스텀 이벤트)
설정하는 방법
- AI 항목 추천을 생성하세요.
- 타입을 트렌딩으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 구매 이벤트 또는 해당 속성정보와 함께 구매를 추적하는 커스텀 이벤트 중 하나를 선택합니다.
- 추천을 훈련시킵니다.
- 메시징에서 권장 사항을 사용합니다.
트렌딩 좋아요 항목
사용자가 최근에 좋아요를 누른 빈도가 증가한 항목을 강조 표시합니다. 예를 들어, 음악 앱은 최근 사용자 좋아요가 급증한 신진 아티스트를 기능으로 할 수 있습니다.
요구 사항
- AI 항목 추천
- 관련 항목 카탈로그
- 좋아요 추적용 커스텀 이벤트
설정하는 방법
- AI 항목 추천을 생성하세요.
- 타입을 트렌딩으로 설정합니다.
- 카탈로그를 선택하세요.
- (선택 사항)선택 항목을 추가하여 관련 항목으로만 추천을 필터링할 수 있습니다.
- 커스텀 이벤트를 선택하여 좋아요 추적과 해당 속성정보를 함께 설정합니다.
- 추천을 훈련시킵니다.
- 메시징에서 권장 사항을 사용합니다.
GitHub 에서 이 페이지를 편집합니다.