Published: March 7, 2025
작성자: Camden Clark, 조이스 고든, 앨리 헵, Alex Rees, 트리스텐 웬틀링, Bryan Smith
(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)
마케터들은 오랫동안 일대일 고객 참여를 꿈꾸어 왔지만, 그 수준에서의 개인화된 참여를 위해 필요한 메시지의 양을 만드는 것은 주요한 도전이었습니다. 많은 조직들이 더 개인화된 마케팅을 목표로 하지만, 그들은 종종 아직도 큰 다양성이 존재하는 수천 또는 수백만의 고객들을 대상으로 합니다. 이것이 일률적인 접근법보다는 나은 방법이지만, 조직들은 더욱 세밀한 수준에서 참여할 수 있는 대역폭이 있다면 더욱 정확하게 접근하고 싶어합니다.
우리의 이전 블로그에서 언급했듯이, 생성적 AI는 매우 맞춤형 마케팅 콘텐츠를 생성하는 도전을 완화하는 데 도움이 될 수 있습니다. 기술의 현재 상태에서의 일부 제한으로 인해 진정한 일대일 참여를 달성하는 것은 여전히 어려울 수 있지만, 고객 세부 정보와 샘플 콘텐츠, 그리고 스마트한 프롬프트 엔지니어링을 결합하면, 비용 효율적으로 관리 가능한 양의 맞춤형 변형을 생성하는 데 사용할 수 있습니다. 생성된 콘텐츠를 평가하기 위해 독립적인 모델을 적용하고, 그 후에 지식이 풍부한 마케터와 함께 최종 검토를 거치는 것은 이 더욱 세밀한 콘텐츠가 조직의 표준을 충족하면서 특정 하위 세그먼트의 필요성과 선호도와 더욱 정확하게 일치하게 하는 데 큰 도움이 될 수 있습니다.
하지만 이것을 어떻게 신뢰할 수 있는 워크플로우로 바꿀 수 있을까요? 그리고 중요한 점은, 우리가 기존의 마케팅 기술을 사용하여 이 모든 콘텐츠 변형을 실제로 어떻게 고객에게 전달하는지입니다? 이 포스트에서는 이전 블로그에서 소개한 휴일 선물 가이드 시나리오를 계속 발전시켜, 엔터프라이즈 MarTech 스택에서 널리 채택된 두 플랫폼인 Amperity 와 Braze를 이용한 이메일 기반 콘텐츠 전달을 위한 end-to-end 워크플로우를 보여줍니다.
우리의 이전 블로그에서는, 생성적 AI 모델을 트리거하여 특정 관객 하위 세그먼트의 관심사에 맞춰 마케팅 이메일 메시지를 생성하는 프롬프트를 어떻게 만드는지에 대해 살펴보았습니다. 이 프롬프트는 샘플 이메일 메시지를 가이드로 사용하고, 특정 가격 민감도와 활동 선호도를 가진 관객에게 더 잘 어울리도록 내용을 변경하도록 모델에게 요청했습니다(그림 1).
그림 1. 개인화된 휴일 선물 가이드 생성을 위해 개발된 프롬프트
이 프롬프트를 대규모로 적용하기 위해서는 고객 특정 요소(이 예에서는 제품 하위 카테고리와 가격 선호도)를 제거하고, 필요에 따라 이러한 요소를 삽입할 수 있는 자리 표시자를 삽입하여 프롬프트 템플릿을 만들어야 합니다. 고객 특정 세부사항은 Databricks 환경에 저장된 템플릿 프롬프트에 삽입할 수 있으며, 고객 세부사항은 고객 데이터 플랫폼(CDP)에 저장됩니다.
우리는 Amperity를 우리의 데모 CDP로 사용하고 있으므로, 통합은 상당히 간단한 과정입니다. Amperity Bridge 기능을 사용하면, Databricks 환경에서 지원하는 오픈 소스 Delta Sharing 프로토콜을 사용하여 두 플랫폼 간의 연결을 생성하고 적절한 정보를 공개합니다(그림 2). (브리지 연결 설정에 대한 자세한 단계는 여기에서 확인할 수 있습니다.)
그림 2. Amperity Bridge를 통해 Databricks에 연결하는 방법에 대한 비디오 안내
다음 단계는 Databricks 내에서 접근 가능한 CDP에 저장된 데이터를 쿼리하여 각 하위 세그먼트에 대한 세부 정보를 수집하는 것입니다. 이들이 정의되면, 각각과 관련된 정보를 우리의 프롬프트에 전달하여 맞춤형 메시지를 생성할 수 있습니다. 일단 저장되면, 우리는 출력물을 반복하면서 각 생성된 메시지를 다양한 기준에 대해 평가하고, 그 콘텐츠와 평가 결과가 마케터에게 최종 검토와 승인을 위해 제시됩니다 (그림 3).