고객에게 생성적 마케팅 콘텐츠 전달

(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.

콘텐츠 생성

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).

이 과정의 최종 결과는 선호 가격 포인트와 제품 하위 카테고리의 각 조합에 대한 콘텐츠 변형 테이블과 각 평가 단계에 대한 평가 출력 테이블입니다. 이제 데이터는 마케터의 검토를 위해 준비되었습니다.

참고 그림 3의 워크플로우에 대한 자세한 기술적 구현은 이 노트북을 확인해 주세요.

콘텐츠 전달

콘텐츠 변형을 만들었으니, 이제 배송에 집중할 수 있습니다. 이 단계를 어떻게 진행할지는 사용하는 특정 배송 플랫폼에 따라 다릅니다. 우리의 시연을 위해, 이 콘텐츠가 마케팅 조직에서 널리 채택된 주요 콘텐츠 배송 플랫폼인 Braze를 사용하여 어떻게 전달될 수 있는지 살펴보겠습니다.

이러한 콘텐츠를 Braze를 통해 전달하는 데 관련된 고수준의 단계는 다음과 같습니다:

1. 콘텐츠 변형을 Braze에 푸시합니다
2. 콘텐츠를 받을 대상을 식별하십시오
3. 특정 콘텐츠 변형과 관객 구성원을 연결합니다

Braze에 콘텐츠 변형 푸시하기

Braze에서, 캠페인의 일부로 사용되는 콘텐츠는 Braze 카탈로그로 정의됩니다. Braze Cloud Data Ingestion을 사용하면, 이 콘텐츠는 고유 식별자(ID), 콘텐츠가 마지막으로 업데이트된 시간을 나타내는 datetime 필드(UPDATED_AT), 그리고 제목과 본문 요소를 사용하여 전달된 콘텐츠를 구성할 JSON 페이로드(PAYLOAD)가 포함된 테이블 또는 뷰 내에 표시되는 한 Databricks에서 읽을 수 있습니다.

이 데이터셋을 어떻게 구성할 수 있는지 설명하기 위해, 우리의 콘텐츠 생성 워크플로우(그림 4에서 설명)의 출력이 다음과 같은 구조의 콘텐츠 테이블을 생성했다고 가정해 봅시다. 여기서 preferred_price_point와 holiday_preferred_subcategory는 테이블의 각 레코드에 고유한 하위 세그먼트 세부 정보를 나타냅니다:

이 테이블에 대한 뷰를 다음과 같이 정의하여 Braze 카탈로그로 배포하기 위한 구조로 만들 수 있습니다:

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

그림 3. Braze 카탈로그는 우리가 생성한 콘텐츠를 저장하려고 합니다

그런 다음 Cloud Data Ingestion (CDI) 동기화를 구성하여 Databricks 뷰를 Braze 카탈로그 구조에 연결하고 동기화를 위해 구성하여 최신 상태를 유지합니다 (그림 4).

그림 4. 클라우드 데이터 수집(CDI) 동기화는 Braze 카탈로그를 Databricks 콘텐츠 뷰에 매핑합니다

대상 고객 식별

이제 우리가 이 콘텐츠를 전달하려는 개인들의 세부 정보가 필요합니다. 우리의 목표는 이 내용을 이메일을 통해 전달하는 것이므로, 대상 개인들의 이메일 주소가 필요합니다. 수신자에게 더 개인화된 방식으로 콘텐츠를 전달할 수 있도록 이름과 성과 같은 요소들도 필요할 수 있습니다. 그리고 개인들이 어떻게 제품 하위 카테고리와 가격 선호도와 연관되어 있는지에 대한 세부 정보가 필요합니다. 이 마지막 요소는 관객 구성원들을 Braze 카탈로그에 저장된 특정 콘텐츠 변형과 연결하는 데 필수적일 것입니다.

우리가 Amperity를 CDP로 사용하고 있기 때문에, 이 정보를 Braze로 푸시하는 것은 수신자 풀을 대상으로 정의하고 Amperity 커넥터 를 사용하여 이러한 세부 정보를 푸시하는 것이 간단합니다(그림 5).

관객 멤버와 콘텐츠 변형 연결하기

Braze 내의 모든 요소가 갖춰지면, 이제 우리는 특정 콘텐츠 변형과 고객을 연결하고 배송을 예약할 수 있습니다. 이 작업은 Shopify에서 개발하고 Rudy로 작성된 오픈 소스 템플릿 언어인 Liquid 템플릿을 사용하여 Braze 내에서 수행됩니다. 이 언어는 마케터들에게 매우 접근하기 쉽고, 그들이 대규모 배포를 위한 맞춤형 콘텐츠를 정의할 수 있게 해줍니다.

시작하기

Databricks는 데이터와 분석 기능의 핵심 허브로 기업 내에서 점점 더 사용되고 있습니다. 내장형 및 고도로 확장 가능한 생성적 AI 기능과 Amperity CDP 및 Braze 콘텐츠 전달 플랫폼과 같은 다양한 보완 플랫폼과의 깊은 통합을 통해, 조직들은 Databricks를 중심으로 이 블로그에서 보여준 것과 같은 다양한 애플리케이션을 구축하고 있습니다.

Databricks가 마케팅 팀이 고객에게 더 개인화된 콘텐츠를 생성하고 전달하는 데 어떻게 도움이 될 수 있는지 더 알고 싶다면, 연락 해 주시고 플랫폼을 사용하여 솔루션을 개발하는 다양한 옵션에 대해 논의해 봅시다.

이 과정은 여러 핵심 구성 요소를 활용하고 다음의 워크플로우를 사용합니다:

1. 콘텐츠 구조 및 수집
   • 콘텐츠 변형의 테이블에서 Braze Cloud Data Ingestion사용을 위해 구조화된 뷰가 생성됩니다
   • Braze 카탈로그 는 콘텐츠 변형을 위한 저장소로 생성됩니다
   • 클라우드 데이터 수집 동기화 가 설정되어 있고, Braze는 View에서 카탈로그로 콘텐츠 변형을 동기화합니다
2. Amperity Audience Activation - Amperity는 정확한 타겟팅을 위해 콘텐츠가 생성된 사용자의 관중을 Braze와 동기화합니다.
3. 캠페인 구축 & Liquid 템플릿 작성
   • Liquid 템플릿 언어 는 콘텐츠 변형 카탈로그의 해당 행을 참조하는 데 사용됩니다.
   • Liquid는 이메일의 제목과 본문을 동적으로 채워, 각 사용자에게 맞춤화됩니다.

단계 3: 캠페인 구축 및 Liquid 템플릿 작성

마지막 단계는 Braze 캠페인을 구축하는 것입니다.

Liquid 템플릿 은 여기에서 중추적인 역할을 합니다. 이를 통해 Braze 프로필에 저장된 사용자 속성에 기반한 생성된 콘텐츠의 동적 삽입이 가능합니다. 이 속성들은 Amperity 활성화를 통해 동기화되며, 일치하는 카탈로그 행 ID를 생성하는 데 참조됩니다. 이 ID는 그 후 생성된 제목 줄과 본문 복사본을 가져와 이메일에 삽입하는 데 사용됩니다.

3a. 이메일 제목 줄
Liquid 필터를 사용하여 `preferred_price_point`와 `holiday_preferred_subcategory` 속성을 밑줄로 구분하여 로컬 `identifier` 변수를 생성합니다:

이 동적으로 생성된 `identifier`는 그 후 HolidayGenAI 카탈로그에서 해당 ID를 참조하는 데 사용됩니다:

그림 5. Liquid를 사용한 전송 설정 스크린샷

사용자가 `preferred_price_point`를 높게 설정하고 `holiday_preferred_subcategory`를 하이킹으로 설정한 경우, 이메일 제목 줄의 결과적인 Liquid 출력은 일치하는 카탈로그 항목의 제목에서 파생됩니다.

그림 6. 관련 행을 보여주는 카탈로그 항목

3b. 이메일 본문 복사
이메일 본문에 생성된 콘텐츠를 끌어오는 것에 대해 동일한 접근 방식을 따를 수 있습니다.

최종 결과는 각 사용자의 선호 가격 포인트와 하위 카테고리에 맞게 개인화된 생성 이메일 콘텐츠를 동적으로 끌어오는 이메일이며, 이는 더 나은 참여와 더 높은 전환율을 촉진합니다.

그림 7. 이메일 스크린샷

이 사용 사례는 생성적 이미지를 추가하거나, 심지어 발송 시점에 Databricks 엔드포인트를 직접 쿼리하는 Connected Content를 사용하는 것까지 확장될 수 있습니다.

그림 3의 워크플로우를 기술적으로 구현하는 자세한 방법은 이 노트북을 확인해 주세요.