주요 컨텐츠로 이동

(번역: Youngkyong Ko) Original Post

이커머스 플랫폼에서 좋은 제품 설명은 상품을 돋보이게 하고 판매를 촉진할 수 있습니다. 좋은 제품 설명은 정확하고 읽기 쉬우며 고객의 요구와 연결되어야 할 뿐만 아니라 브랜드 또는 리테일러 사이트의 이미지를 강화해야 합니다.

많은 조직에서 소규모 카피라이터 팀이 제품 카피라고도 하는 이러한 설명을 개발하는 데 많은 노력을 기울입니다. 비즈니스의 필요에 따라 제품 카피는 브랜드와 일관성을 유지하면서 소비자의 공감을 이끌어내는 데 필요한 모든 요소의 적절한 균형을 찾을 때까지 수많은 반복을 통해 개선될 수 있습니다. 이는 시간이 많이 소요되는 프로세스이기 때문에, 패션과 같이 신제품 출시 빈도가 높은 산업에서는 이로 인해 플랫폼에서 제품을 판매할 수 있는 시기가 늦어질 수 있습니다.

이제 카피라이터는 생성형 AI를 사용하여 새로운 제품 설명을 빠르게 작성할 수 있습니다. 여전히 작가의 지식, 기술, 직관에 크게 의존하기는 하지만, 생성형 AI는 제품 이미지에서 기본 설명을 추출하고 제품에 대한 정보를 결합하여 브랜드의 니즈에 맞는 톤이나 스타일을 반영하는 카피 초안을 작성하는 데 사용할 수 있습니다. 이를 이용하여 카피라이터는 백지에서 시작할 때보다 훨씬 더 최종 상태에 가까운 초안을 작성하기 위한 출발점으로 사용할 수 있습니다.

기초 데이터에서 제품 카피 초안 만들기

제품은 공급업체 또는 제조업체, 제품의 구성, 일반적인 소매업체 부서 및 카테고리와의 일치 여부에 대한 기본 세부 정보와 함께 이커머스 플랫폼에 등록되는 경우가 많습니다. 기본 설명이 제공될 수도 있지만, 제공되지 않는 경우 제품 등록과 함께 제공된 이미지의 설명을 간단한 이미지-텍스트 변환 모델에 입력하여 해당 정보를 추출할 수 있습니다. (그림 1)

Figure 1. The basic workflow for generating product copy using generative AI
Figure 1. The basic workflow for generating product copy using generative AI

그런 다음 이러한 요소를 또 다른 형태의 변환기 모델인 LLM(대규모 언어 모델)에 설명의 스타일이나 어조에 대한 지침과 함께 제공하여 제품 설명 초안을 생성할 수 있습니다. LLM 내에서 어느 정도의 무작위성을 활용하여 여러 초안을 생성할 수 있으므로 작성자는 다양한 접근 방식을 조합하여 최종본을 구성할 수 있습니다. (그림 2)

Figure 2. Product imagery with extracted descriptions and draft copy
Figure 2. Product imagery with extracted descriptions and draft copy

이 워크플로우는 조직 내 크리에이티브 기능을 강화하는 생성형 AI의 힘을 보여주는 훌륭한 예입니다. 생성된 텍스트에 대한 카피라이터의 피드백 그리고 생성된 텍스트와 최종 사본 간의 연관성을 미세 조정(fine-tuning)이라는 프로세스를 통해 여러 차례 LLM에 피드백하여, LLM이 작가의 요구 사항에 더 부합하는 결과를 산출할 수 있도록 도울 수 있습니다. 하지만 최종 결과물을 만드는 데는 항상 사람의 눈과 사람의 손길이 필요합니다.

데이터브릭스 데이터 인텔리전스 플랫폼으로 워크플로우 구성하기

위에서 설명한 프로세스를 수행하려면 많은 기능을 한데 모아야 합니다. 워크플로우는 기본적으로 정형 및 비정형 정보 입력(예: 이미지 데이터)의 조합에 따라 달라지므로 다양한 데이터를 유연한 방식으로 작업할 수 있는 플랫폼을 사용할 수 있어야 합니다.

또한 플랫폼은 이런 데이터를 서로 다른 두 가지 생성형 AI 모델로 통합하고, 모델을 통한 데이터 처리를 지속적인 프로세스의 일부로 오케스트레이션하여, 다양한 사용자 인터페이스를 통해 최종 사용자에게 데이터를 제공할 수 있어야 합니다. 다행히도 이러한 모든 기능을 하나의 플랫폼인 데이터브릭스 데이터 인텔리전스 플랫폼에서 찾을 수 있습니다.

레이크하우스 아키텍처의 기반이 되는 오픈 소스 스토리지 및 액세스 형식인 Delta Lake를 기반으로 구축되어, 데이터브릭스 플랫폼은 각 조직이 가진 모든 종류의 데이터로 작업할 수 있는 기능을 제공합니다. 대화형 쿼리와 배치 및 실시간 워크플로우를 통해 조직의 요구사항에 따라 다양한 모드로 데이터를 처리할 수 있습니다.

개방형 플랫폼인 데이터브릭스는 가장 다양한 오픈 소스 및 상용 생성형 AI 모델을 사용할 수 있도록 지원합니다. 새로운 Foundation Model API를 통해 가장 인기 있는 모델 중 상당수를 최소한의 구성과 저렴한 비용으로 쉽게 사용할 수 있습니다.

또한 워크플로우 사용자를 지원하기 위해 데이터브릭스 플랫폼은 일반적인 사용자 인터페이스 패키지 및 플랫폼과의 광범위한 통합을 지원합니다. 데이터브릭스는 이러한 모든 요소를 한곳에 모아 제공하는 유일한 플랫폼이며, 이를 통해 조직은 "어떻게" 만드느냐 보다 "무엇을" 만드느냐에 집중할 수 있습니다.

위의 워크플로우를 처음부터 끝까지 구성한 사례를 보고 싶으신가요? 새로운 제품 카피 생성 솔루션 액셀러레이터와 연결된 노트북을 확인해 보세요. 데이터브릭스 데이터 인텔리전스 플랫폼의 기능을 사용하여 생성형 AI를 통해 제품 카피를 생성하는 모든 주요 단계를 살펴 보실 수 있습니다.

Databricks 무료로 시작하기

관련 포스트

대규모 언어 모델을 사용하여 상식을 이해하는 제품 추천 시스템 만들기

리테일용 LLM 솔루션 액셀러레이터 에서 자세한 내용을 확인하고 노트북을 다운로드할 수 있습니다. (번역: Youngkyong Ko) Original Post 제품 추천은 최신 고객 경험의 핵심...

Retail in the Age of Generative AI

April 13, 2023 작성자: Sam Steiny, Rob Saker, Bryan Smith in
What is generative AI? Large Language Models (LLMs) such as ChatGPT have garnered a ton of attention lately along with the broader topic...

Using Real-Time Propensity Estimation to Drive Online Sales

March 20, 2023 작성자: Sachin Patil, Puneet Jain, Bryan Smith in
Accelerated adoption of online services creates an opportunity for retail organizations to drive growth. While the sudden spike in online sales seen in...
모든 산업 포스트 보기