고객에게 생성형 마케팅 콘텐츠 제공

 

마케터들은 오랫동안 일대일 고객 인게이지먼트를 꿈꿔왔지만, 그 수준의 개인화된 인게이지먼트에 필요한 대량의 메시지를 제작하는 것은 큰 과제였습니다. 많은 기업이 더 개인화된 마케팅을 목표로 하지만, 실제로는 여전히 매우 다양한 특성을 지닌 수천 또는 수백만 명의 대규모 고객 그룹을 타겟팅하는 경우가 많습니다. 이는 일반적인 일률적 접근 방식보다는 낫지만, 더 세분화된 수준에서 인게이지할 수 있는 여력만 있다면 기업들은 더 정밀하게 타겟팅하는 것을 선호할 것입니다.

이전 블로그에서 언급했듯이, 생성형 AI는 고도로 맞춤화된 마케팅 콘텐츠를 제작하는 데 따르는 어려움을 덜어줄 수 있습니다. 현재 기술의 한계로 인해 진정한 일대일 인게이지먼트를 달성하는 것은 여전히 어려울 수 있지만, 고객 세부 정보와 샘플 콘텐츠, 그리고 스마트한 프롬프트 엔지니어링을 결합하면 관리 가능한 수준의 맞춤형 변형 콘텐츠를 비용 효율적으로 생성할 수 있습니다. 생성된 콘텐츠를 전문 마케터의 최종 검토 단계로 보내기 전에 독립적인 모델을 적용하여 평가하면, 이처럼 세분화된 콘텐츠가 기업의 기준을 충족하는 동시에 특정 하위 세그먼트의 요구와 선호도에 더 정확히 부합하도록 만드는 데 큰 도움이 될 수 있습니다.

하지만 이를 어떻게 신뢰할 수 있는 워크플로우로 전환할 수 있을까요? 그리고 결정적으로, 기존 마케팅 기술을 사용하여 이러한 다양한 변형 콘텐츠를 대상 고객에게 실제로 어떻게 전달할 수 있을까요? 이 글에서는 이전 블로그에서 소개한 연말연시 선물 가이드 시나리오를 바탕으로, 엔터프라이즈 MarTech 스택에서 널리 채택되는 두 플랫폼인 Amperity 및 Braze를 사용하여 이메일 기반 콘텐츠를 전달하는 엔드투엔드 워크플로우를 보여드립니다.

콘텐츠 생성

이전 블로그에서는 오디언스 하위 세그먼트의 관심사에 맞춘 마케팅 이메일 메시지를 생성하도록 생성형 AI 모델을 유도할 수 있는 프롬프트를 작성하는 방법을 살펴보았습니다. 이 프롬프트는 가이드 역할을 할 샘플 이메일 메시지를 활용한 다음, 특정 가격 민감도 및 활동 선호도를 가진 오디언스의 공감을 더 잘 이끌어낼 수 있도록 콘텐츠를 변경하도록 모델에 지시했습니다(그림 1).

그림 1. 개인화된 연말연시 선물 가이드 제작을 위해 개발된 프롬프트

이 프롬프트를 대규모로 적용하려면 고객별 요소(이 예시에서는 제품 하위 카테고리 및 가격 선호도 등)를 제거하고, 필요에 따라 이러한 요소를 삽입할 수 있는 플레이스홀더를 추가하여 프롬프트 템플릿을 만들어야 합니다. 그런 다음 고객 데이터 플랫폼(CDP)에 저장된 고객 세부 정보를 템플릿화된 프롬프트(Databricks 환경에 저장됨)에 삽입할 수 있습니다.

데모용 CDP로 Amperity를 사용하고 있으므로 통합 프로세스는 매우 간단합니다. Databricks 환경에서 지원하는 오픈 소스 Delta Sharing 프로토콜을 사용하여 구축된 Amperity Bridge 기능을 사용하면, 두 플랫폼 간의 연결을 생성하고 적절한 정보를 공유하기만 하면 됩니다(그림 2). (브릿지 연결 설정에 대한 자세한 단계는 여기에서 확인할 수 있습니다.)

그림 2. Amperity Bridge를 통해 Databricks에 연결하는 방법을 설명하는 동영상 가이드

다음 단계는 Databricks 내에서 액세스할 수 있는 CDP에 저장된 데이터를 쿼리하여 각 하위 세그먼트에 대한 세부 정보를 수집하는 것입니다. 세부 정보가 정의되면 각 정보와 관련된 내용을 프롬프트에 전달하여 맞춤형 메시지를 생성할 수 있습니다. 데이터가 영구 저장되면 출력을 반복 처리하면서 다양한 기준에 따라 생성된 각 메시지를 평가한 후, 해당 콘텐츠와 평가 결과를 마케터에게 제시하여 최종 검토 및 승인을 받습니다(그림 3).

이 프로세스의 최종 결과는 선호하는 가격대와 제품 하위 카테고리의 각 조합에 대한 콘텐츠 변형 테이블과 각 평가 단계에 대한 평가 결과 테이블입니다. 이제 마케터가 데이터를 검토할 준비가 되었습니다.

참고 그림 3에 있는 워크플로우의 자세한 기술적 구현 방법은 이 노트북을 확인해 보세요.

콘텐츠 전달

콘텐츠 변형이 생성되었으므로 이제 전달 단계로 넘어가겠습니다. 이 단계를 진행하는 구체적인 방법은 사용하는 특정 전달 플랫폼에 따라 다릅니다. 이번 데모에서는 마케팅 조직에서 널리 채택하고 있는 업계 선두의 고객 인게이지먼트 플랫폼인 Braze를 사용하여 이 콘텐츠를 전달하는 방법을 살펴보겠습니다.

개략적으로 Braze를 통해 이 콘텐츠를 전달하는 단계는 다음과 같습니다.

1. Braze로 콘텐츠 변형 푸시
2. 콘텐츠를 받을 오디언스 구성원 식별
3. 오디언스 구성원을 특정 콘텐츠 변형에 연결

Braze로 콘텐츠 변형 푸시

Braze 내에서 캠페인의 일부로 사용되는 콘텐츠는 Braze 카탈로그(Braze Catalog)로 정의됩니다. Braze Cloud Data Ingestion을 사용하면, 고유 식별자(ID), 콘텐츠가 마지막으로 업데이트된 시간을 나타내는 날짜/시간 필드(UPDATED_AT), 전달할 콘텐츠를 구성하는 데 사용될 제목 및 본문 요소가 포함된 JSON 페이로드(PAYLOAD)가 있는 테이블 또는 뷰 내에 콘텐츠가 제공되는 한 Databricks에서 이 콘텐츠를 읽을 수 있습니다.

이 데이터 세트를 구성하는 방법을 설명하기 위해, 콘텐츠 생성 워크플로우(그림 4 참조)의 결과로 다음과 같은 구조의 콘텐츠 테이블이 생성되었다고 가정해 보겠습니다. 여기서 preferred_price_point 및 holiday_preferred_subcategory는 테이블의 각 레코드에 고유한 하위 세그먼트 세부 정보를 나타냅니다.

이 테이블에 대한 뷰를 정의하여 다음과 같이 Braze 카탈로그로 배포할 수 있도록 구조화할 수 있습니다.

이제 Braze 내에서 이 콘텐츠에 대한 카탈로그를 정의할 수 있습니다(그림 3).

그림 3. 생성된 콘텐츠를 저장하기 위한 Braze 카탈로그

그런 다음 Databricks 뷰를 Braze 카탈로그 구조에 연결하는 Cloud Data Ingestion (CDI) 동기화를 구성하고, 이를 동기화하도록 설정하여 항상 최신 상태로 유지되도록 합니다(그림 4).

그림 4. Braze 카탈로그를 Databricks 콘텐츠 뷰에 매핑하는 Cloud Data Ingestion (CDI) 동기화

오디언스 멤버 식별

이제 이 콘텐츠를 전달하고자 하는 개인의 세부 정보가 필요합니다. 이 콘텐츠를 이메일로 전달하는 것이 목표이므로, 타겟팅된 개인의 이메일 주소가 필요합니다. 수신자에게 더욱 개인화된 방식으로 콘텐츠를 전달하기 위해 이름과 성 같은 요소도 필요할 수 있습니다. 또한 개개인이 제품 하위 카테고리 및 가격 선호도와 어떻게 매칭되는지에 대한 세부 정보도 필요합니다. 이 마지막 요소는 오디언스 멤버를 Braze 카탈로그에 저장된 특정 콘텐츠 버전과 연결하는 데 필수적입니다.

CDP로 Amperity를 사용하고 있기 때문에, 이 정보를 Braze로 전송하는 것은 수신자 그룹을 오디언스로 정의하고 Amperity 커넥터를 사용하여 이러한 세부 정보를 전송하기만 하면 되는 간단한 작업입니다(그림 5).

오디언스 멤버와 콘텐츠 버전 연결

Braze 내에 모든 요소가 준비되면, 이제 오디언스 멤버를 특정 콘텐츠 버전과 연결하고 발송 일정을 예약할 수 있습니다. 이는 Shopify에서 개발하고 Ruby로 작성된 오픈 소스 템플릿 언어인 Liquid 템플릿을 사용하여 Braze 내에서 수행됩니다. 이 언어는 마케터가 매우 쉽게 접근할 수 있으며, 대규모 배포를 위한 맞춤형 콘텐츠를 정의할 수 있도록 지원합니다.

시작하기

Databricks는 기업 내에서 데이터 및 분석 역량의 핵심 허브로 점점 더 많이 사용되고 있습니다. 내장되어 있으며 확장성이 뛰어난 생성형 AI 기능뿐만 아니라 Amperity CDP 및 Braze 고객 참여 플랫폼과 같은 다양한 보완 플랫폼과의 긴밀한 통합을 통해, 기업들은 Databricks를 중심으로 이 블로그에서 소개한 것과 같은 다양한 애플리케이션을 구축하고 있습니다.

Databricks를 활용하여 마케팅 팀이 고객에게 더욱 개인화된 콘텐츠를 제작하고 전달하는 방법에 대해 자세히 알아보고 싶으시다면, 문의해 주세요. 플랫폼을 활용한 솔루션 개발을 위해 지원되는 다양한 옵션에 대해 함께 논의해 보겠습니다.

이 프로세스는 몇 가지 핵심 구성 요소를 활용하며 다음과 같은 워크플로우를 사용합니다.

1. 콘텐츠 구조 및 수집
   • 콘텐츠 버전 테이블에서 뷰가 생성되며, 이는 Braze Cloud Data Ingestion에서 사용할 수 있도록 구조화됩니다.
   • 콘텐츠 버전을 저장하기 위한 저장소로 Braze 카탈로그가 생성됩니다.
   • Cloud Data Ingestion 동기화가 구성되고, Braze가 뷰의 콘텐츠 버전을 카탈로그로 동기화합니다.
2. Amperity 오디언스 활성화 - 정밀한 타겟팅을 위해 콘텐츠가 생성된 사용자 오디언스를 Amperity가 Braze로 동기화합니다.
3. 캠페인 구성 및 Liquid 템플릿 작성
   • 콘텐츠 버전 카탈로그에서 해당하는 행을 참조하기 위해 Liquid 템플릿 언어가 사용됩니다.
   • Liquid가 각 사용자에 맞게 개인화된 이메일의 제목과 본문을 동적으로 채웁니다.

3단계: 캠페인 구성 및 Liquid 템플릿 작성

마지막 단계는 Braze 캠페인을 구축하는 것입니다.

여기서는 Liquid 템플릿이 중추적인 역할을 하며, Braze 프로필 내에 저장된 사용자 속성을 기반으로 생성된 콘텐츠를 동적으로 삽입할 수 있도록 합니다. Amperity 활성화를 통해 동기화된 이러한 속성은 일치하는 카탈로그 행 ID를 생성하기 위해 참조됩니다. 그런 다음 이 ID는 생성된 제목과 본문 텍스트를 가져와 이메일에 삽입하는 데 사용됩니다.

3a. Email Subject Line
Using Liquid filters, we combine the `preferred_price_point` and `holiday_preferred_subcategory` attributes, separated by an underscore, to create a local `identifier` variable:

이렇게 동적으로 생성된 `identifier`는 HolidayGenAI 카탈로그에서 해당하는 ID를 참조하는 데 사용됩니다.

그림 5. Liquid를 사용한 발송 설정 스크린샷

`preferred_price_point`가 high이고 `holiday_preferred_subcategory`가 Hiking인 사용자의 경우, 이메일 제목의 결과 Liquid 출력값은 일치하는 카탈로그 항목의 제목에서 가져오게 됩니다.

그림 6. 관련 행을 보여주는 카탈로그 항목

3b. 이메일 본문 텍스트
생성된 콘텐츠를 이메일 본문으로 가져오기 위해 동일한 접근 방식을 따를 수 있습니다.

최종 결과는 각 사용자가 선호하는 가격대 및 하위 카테고리에 맞춰 개인화된 생성형 이메일 콘텐츠를 동적으로 가져오는 이메일로, 더 나은 참여와 더 높은 전환율을 유도합니다.

그림 7. 이메일 스크린샷

이 사용 사례는 생성형 이미지를 추가하거나 발송 시점에 Databricks 엔드포인트를 직접 쿼리하기 위해 Connected Content를 사용하는 것까지 더 확장될 수 있습니다.

그림 3의 워크플로우에 대한 상세한 기술적 구현은 이 노트북을 확인해 보세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)