BrazeAI™
BrazeAI™는 Braze에 내장된 AI 기능 모음입니다. 추론(Reasoning) 기능은 개별 사용자의 컨텍스트에 따라 작동하고, 학습(Learning) 기능은 다수의 사용자에 걸쳐 패턴을 찾습니다. 어떤 유형이 목표에 맞는지 아는 것이 올바른 기능을 선택하는 첫 번째 단계입니다.
목표에서 시작 하거나, 두 가지 유사한 기능 중 고민 중이라면 추론 또는 통계 를 읽어보세요.
목표에서 시작하기
각 목표에는 하나의 권장 시작점이 있습니다. 기능을 결합할 수도 있습니다. 자세한 내용은 함께 잘 작동하는 기능을 참조하세요.
| 목표 | 시작점 | 시작하기 전에 |
|---|---|---|
| 대시보드에서 카피, 이미지, Liquid 또는 HTML을 작성하거나 다듬기 | BrazeAI Operator | 기존 대시보드 권한을 사용합니다. 작업은 회사 전체 일일 사용 한도에 포함됩니다. |
| 사용자 데이터를 기반으로 사용자마다 달라지는 메시지 카피 작성 | Braze Agents | 메시지 또는 액션 크레딧이 필요합니다. 없는 경우 계정 매니저에게 문의하세요. |
| 사용자의 실시간 컨텍스트를 기반으로 분류, 라우팅 또는 보강 | Braze Agents | 동일한 크레딧 요구 사항이 적용됩니다. 캔버스 단계 또는 카탈로그 필드에서 에이전트를 배포합니다. |
| Campaign의 최고 성과 배리언트 찾기 | BrazeAI로 최적화 | 최소 두 개의 활성 배리언트가 필요합니다. 다중 발송 Campaign은 전환 이벤트와 24시간 이상의 재자격 기간이 필요합니다. |
| Canvas를 통한 최고 성과 경로 찾기 | 우승 경로 | 둘 이상의 경로가 포함된 실험 경로 단계가 필요합니다. |
| 다양한 콘텐츠 배리언트를 지속적으로 생성하고 테스트 | 콘텐츠 최적화 프로그램 | 현재 베타 버전으로 이메일, 푸시, SMS/MMS/RCS에서 사용할 수 있습니다. 시작하려면 고객 성공 매니저에게 문의하세요. |
| 반복 이메일 프로그램에서 수신자별로 모든 발송 개인화 | Decisioning Studio Go | 반복 이메일 프로그램이 있어야 하며, 크리에이티브, 제목란, 이미지 또는 발송 시간 등 선택할 수 있는 옵션이 둘 이상이어야 합니다. |
| 어떤 오퍼를 제공할지 포함하여 비즈니스 또는 재무 측정기준 극대화 | Decisioning Studio Pro | 연결된 퍼스트파티 데이터와 AI Decisioning Services 팀이 필요합니다. 범위를 결정하려면 고객 성공 매니저에게 문의하세요. |
| 각 사용자가 참여할 가능성이 가장 높은 시간에 발송 | Intelligent Timing | 고객 프로필에 시간대가 설정되어 있을 때 최상의 결과를 얻을 수 있습니다. 사용량 제한조치 또는 IP 워밍과 함께 사용하는 것은 권장하지 않습니다. |
| 각 사용자가 참여할 가능성이 가장 높은 채널로 발송 | 인텔리전트 채널 필터 | 두 개 이상의 지원 채널에 걸친 인게이지먼트 데이터와 채널당 최소 세 개의 메시지가 필요합니다. |
| 사용자의 이탈 가능성 점수화 | 예측 이탈 | 일반적으로 단일 워크스페이스에서 300,000명의 월간 활성 사용자가 필요합니다. |
| 사용자가 특정 행동을 할 가능성 점수화 | 예측 이벤트 | 해당 이벤트를 수행한 사용자가 충분해야 합니다. 현재 기준에 대해서는 이벤트 분석을 참조하세요(일반적으로 과거 이벤트 행동이 있는 사용자가 최소 3,500명 이상). |
| 카탈로그에서 제품 또는 콘텐츠 추천 | 아이템 추천 | 최소 하나의 카탈로그가 필요합니다. AI 개인화 추천의 경우 데이터 가이드라인을 참조하세요. |
| Claude, Cursor, ChatGPT 또는 다른 AI 도구에서 Braze 데이터 쿼리 | Braze MCP 서버 | 대시보드 권한이 접근을 관리합니다. 워크스페이스에서 IP 허용 목록을 사용하는 경우 사용할 수 없습니다. |
깔끔한 데이터에 대한 규칙이 질문에 답할 수 있다면, 표준 캔버스 단계를 사용하세요. 캔버스 단계에는 크레딧이 들지 않습니다. 규칙으로 의사결정을 표현할 수 없을 때 AI를 사용하세요.
추론 또는 통계
이 페이지의 모든 기능은 무언가를 결정합니다. 이러한 기능은 두 가지 종류로 나뉩니다. 어떤 종류를 보고 있는지 알면 유사한 기능 간의 혼동을 대부분 해소할 수 있습니다.
추론하는 기능은 앞에 놓인 컨텍스트(사용자의 프로필, 마지막 메시지 또는 카탈로그 행)를 읽고 해당 개별 케이스에 답합니다. Braze Agents와 Operator가 이 방식으로 작동합니다. 추론하는 기능은 비정형 텍스트, 판단이 필요한 상황, 자유로운 형식의 작문, 이력이 없는 사용자를 처리합니다. 출력을 읽으면 왜 그런 결과가 나왔는지 이해할 수 있습니다. 추론하는 기능은 출력이 효과적이었는지 여부로부터 학습하지 않습니다.
학습하는 기능은 많은 사용자에 걸친 성과 패턴 또는 한 사용자의 자체 이력에서 패턴을 찾습니다. Predictive Suite, 아이템 추천, Intelligent Timing, 인텔리전트 채널 필터, BrazeAI Decisioning Studio가 이 방식으로 작동합니다. 학습하는 기능은 대규모 수치 행동, 집계 신호, 대규모 옵션 세트를 처리합니다. 학습하는 기능은 지원 스레드와 같은 비정형 텍스트를 읽지 않습니다.
이 테스트를 활용해 보세요: 이 한 명의 사용자가 말하고 행한 모든 것을 읽은 사람이 이미 무엇을 해야 할지 알 수 있나요? 그렇다면 추론이 필요합니다. 그 사람이 여전히 수천 명의 사용자에 걸쳐 테스트해야 한다면, 통계가 필요합니다.
각 종류는 서로 다른 상황에 적합합니다. 함께 잘 작동하는 기능은 두 가지를 동시에 사용합니다.
유사 기능 간 선택하기
전송 내용 최적화
이 기능들은 모두 메시지에 포함된 내용을 개선하며, 범위가 점점 커지는 순서로 나열되어 있습니다.
| 기능 | 결정하는 내용 | 대상 |
|---|---|---|
| BrazeAI로 최적화 | 어떤 캠페인 배리언트가 우수한지 | 전체 오디언스 |
| Winning Paths | 어떤 Canvas 경로가 우수한지 | 전체 오디언스 |
| 콘텐츠 최적화 프로그램 | 자동 생성된 배리언트 중 어떤 콘텐츠 요소 조합이 우수한지 | 전체 오디언스 |
| Decisioning Studio Go | 어떤 크리에이티브를 보낼지(제목란, CTA(콜투액션), 이미지 포함) 그리고 언제 보낼지 | 각 수신자 개별적으로 |
| Decisioning Studio Pro | 어떤 오퍼, 채널, 타이밍, 빈도를 사용할지 | 각 사용자 개별적으로 |
BrazeAI로 최적화, Winning Paths, 콘텐츠 최적화 프로그램은 모든 사용자에게 하나의 우수한 결과를 찾습니다. Decisioning Studio Go와 Pro는 각 사용자마다 다른 답을 찾습니다.
처음 세 가지 기능의 차이점은 다음과 같습니다.
- BrazeAI로 최적화는 Campaign 내 메시지 배리언트를 테스트합니다.
- Winning Paths는 Canvas 내 여정 경로를 테스트합니다.
- 콘텐츠 최적화 프로그램은 배리언트를 자동으로 작성하고 요소를 조합합니다.
Go와 Pro는 범위와 설정 방식이 다릅니다. Go는 인게이지먼트를 최적화하고, 셀프 서비스 방식이며, Braze에 이미 있는 데이터를 사용합니다. Pro는 비즈니스 또는 재무 측정기준을 최적화하고, 오퍼 가치를 결정할 수 있으며, 연결된 외부 데이터와 AI Decisioning Services 팀이 필요합니다.
각 사용자에 대해 무엇을 할지 결정하기
| 원하는 작업 | 사용할 기능 | 다른 기능을 사용하지 않는 이유 |
|---|---|---|
| 자유 텍스트나 판단이 필요한 경우를 포함해, 한 사용자의 컨텍스트에서 결정하기 | Braze Agents | 에이전트는 비정형 입력과 개별 사례 판단을 처리합니다. 에이전트는 결정이 효과가 있었는지 모니터링하지 않으며, 스스로 개선하지 않습니다. |
| 사용자가 이탈하거나 행동할 가능성을 숫자로 점수화하기 | Predictive Suite | Predictive Suite는 측정된 성과에서 학습하고 자체 정확도를 보고합니다. 에이전트는 그럴듯한 추측만 제공할 수 있습니다. |
| 대규모 카탈로그에서 항목 선택하기 | 아이템 추천 | 대규모 카탈로그는 에이전트의 컨텍스트에 맞지 않습니다. 또한 에이전트는 같은 소수의 항목만 반복적으로 선택하는 경향이 있습니다. |
| 시간이 지남에 따라 측정기준 대비 결과를 개선하기 | Decisioning Studio | Decisioning Studio는 성과에서 학습하고 선택한 측정기준을 향해 최적화합니다. Braze Agents는 성과에서 학습하지 않습니다. |
| 오퍼 가치를 설정하거나 매출 또는 마진을 극대화하기 | Decisioning Studio Pro | 오퍼 결정은 비용 대비 효과를 고려합니다. Decisioning Studio Go는 인게이지먼트에 한정되며 오퍼를 결정하지 않습니다. |
콘텐츠 생성
BrazeAI Operator와 Braze Agents는 모두 콘텐츠를 작성하지만, 서로 다른 시점에 작동합니다.
- Operator는 대시보드에서 빌드하는 동안 함께 작동합니다. 기본적으로 제안된 각 작업을 검토하고 승인합니다. 일부 작업은 항상 승인이 필요합니다. 초안 작성, 다시 쓰기, 아이디어 도출, 여정 검토 또는 막힌 부분을 해결할 때 사용합니다.
- Braze Agents는 전송 시점에 사용자 없이 작동합니다. 지침을 한 번 작성하면, 각 사용자가 Canvas를 통과할 때 에이전트가 사용자마다 다른 결과를 생성합니다. 콘텐츠가 사용자마다 달라야 할 때 Braze Agents를 사용합니다.
BrazeAI 생성형 AI 기능(카피라이팅, 이미지, Liquid, HTML 템플릿, 콘텐츠 검토)은 Operator를 통해 이용할 수 있습니다.
함께 잘 작동하는 기능들
작업에 풍부한 카피와 대규모 카탈로그가 필요할 때는 작업을 분리하세요. 아이템 추천은 카탈로그에서 항목을 선택합니다. Braze 에이전트는 해당 항목을 중심으로 카피를 작성합니다.
장바구니 복구 여정은 여러 기능을 결합할 수 있습니다:
- 아이템 추천이 소개할 제품을 선택합니다.
- Braze 에이전트가 해당 사용자의 컨텍스트를 활용하여 해당 제품을 중심으로 카피를 작성합니다.
- 예측 이벤트가 사용자가 다시 돌아올 가능성을 점수로 평가합니다.
- Intelligent Timing과 인텔리전트 채널 필터가 언제, 어디로 전송할지 결정합니다.
- Decisioning Studio Pro가 장바구니 가치가 설정을 정당화할 때 오퍼를 결정합니다.
가장 가벼운 도구부터 시작하세요
학습하는 기능들 중에서, 역량과 설정은 모두 단계적으로 높아집니다.
- 사용자 자체 이력에서 하나의 차원을 읽습니다. Intelligent Timing과 인텔리전트 채널 필터는 추가 비용 없이 셀프 서비스로 사용할 수 있는 토글입니다.
- 전체 사용자 모집단에서 하나의 패턴을 학습합니다. 예측 이탈, 예측 이벤트, AI 아이템 추천은 여전히 셀프 서비스이며, 보통 수준의 설정이 필요합니다.
- 사용자별로 여러 요소를 동시에 최적화합니다. Decisioning Studio Go는 Braze에 이미 있는 데이터를 활용하여 설정이 간단하며, 인게이지먼트만 최적화합니다.
- 오퍼를 포함한 모든 요소를 핵심 성과 지표(KPI) 기준으로 최적화합니다. Decisioning Studio Pro는 외부 데이터와 AI Decisioning Services 팀이 필요합니다.
사용 사례의 가치에 맞는 수준을 선택하세요. 가치가 낮거나 단일 차원의 요구 사항이라면, 일반적으로 더 가벼운 도구가 더 적합합니다. 더 무거운 도구의 추가 역량은 대개 추가적인 데이터와 설정에 투입할 만큼의 가치가 없는 경우가 많습니다.
Braze 에이전트와 의사결정 에이전트 비교
Braze는 에이전트라는 단어를 두 가지 다른 제품에 사용합니다. 차이점은 각 제품이 어떤 종류의 의사결정을 수행하느냐에 있습니다.
| 용어 | 설명 |
|---|---|
| Braze 에이전트 | 에이전트 콘솔에서 구성하고 캔버스 단계 또는 카탈로그 필드에 배포하는 AI 도우미입니다. 한 명의 사용자 컨텍스트를 분석하여 콘텐츠를 작성하거나 분류, 라우팅 또는 데이터를 보강합니다. 출력 결과의 성과로부터 학습하지는 않습니다. |
| 의사결정 에이전트 | Decisioning Studio에서 윈백이나 크로스셀과 같은 전체 사용 사례를 관리하는 구성입니다. 전체 사용자 모집단의 성과로부터 학습하여 측정기준을 극대화하는 의사결정을 찾아냅니다. |
둘 다 의사결정을 수행합니다. Braze 에이전트는 읽기를 통해 결정하고, 의사결정 에이전트는 측정을 통해 결정합니다. 어떤 제품을 다루는 페이지인지 확실하지 않다면, 해당 페이지가 Braze Agents에 대한 것인지 Decisioning Studio에 대한 것인지 확인하세요.
모든 BrazeAI 기능
프로필 보강 및 행동 예측
| 기능 | 설명 | 의사결정 방식 |
|---|---|---|
| Braze Agents (캔버스 단계) | 사용자의 실시간 컨텍스트에서 분류, 라우팅 또는 보강하고, 카피를 작성합니다 | 대규모 언어 모델 |
| Braze Agents (카탈로그 필드) | 아이템 메타데이터를 작성, 업데이트 또는 현지화합니다 | 대규모 언어 모델 |
| 예측 이탈 | 사용자의 이탈 가능성을 0~100으로 점수화합니다 | 그래디언트 부스팅 의사결정 트리 |
| 예측 이벤트 | 사용자가 특정 행동을 취할 가능성을 0~100으로 점수화합니다 | 그래디언트 부스팅 의사결정 트리 |
집단에 가장 효과적인 방법 찾기
| 기능 | 설명 | 의사결정 방식 |
|---|---|---|
| BrazeAI로 최적화 | 캠페인 배리언트를 테스트하고 우승 배리언트로 트래픽을 전환합니다 | A/B/n 테스트 |
| Winning Paths | Canvas 경로를 테스트하고 우승 경로로 트래픽을 전환합니다 | A/B/n 테스트 |
| 콘텐츠 최적화 프로그램 | 집단 인게이지먼트를 위해 콘텐츠 배리언트를 믹스 앤 매치합니다 | 멀티암드 밴딧 |
개인별 최적의 액션 선택
| 기능 | 설명 | 의사결정 방식 |
|---|---|---|
| Intelligent Timing | 각 사용자에게 가장 적합한 전송 시간을 찾습니다 | 해당 사용자 이력 기반 통계 |
| 인텔리전트 채널 필터 | 사용자의 이력에 따라 채널 순위를 매깁니다 | 해당 사용자 이력 기반 통계 |
| AI 아이템 추천 | 각 사용자에게 맞는 카탈로그 아이템을 선택합니다 | 딥러닝 |
| Decisioning Studio Go | 인게이지먼트를 위해 콘텐츠, 타이밍, 빈도를 개인화합니다 | 강화 학습 |
| Decisioning Studio Pro | 비즈니스 KPI에 맞춰 오퍼를 포함한 모든 요소를 개인화합니다 | 강화 학습 |
업무 효율 향상
| 기능 | 설명 | 의사결정 방식 |
|---|---|---|
| BrazeAI Operator | 대화형으로 Campaign과 Canvases를 빌드, 검토 및 분석합니다 | 대규모 언어 모델 |
| 생성형 AI | Operator를 통해 카피, 이미지, Liquid, HTML 템플릿 및 콘텐츠를 검토합니다 | 대규모 언어 모델 |
| Braze MCP 서버 | PII 없이 Braze 데이터를 Claude, Cursor 등의 도구에 노출합니다 (Model Context Protocol) | 모델이 아닌 통합 |
Braze의 데이터 사용 방식
Braze 제공 대규모 언어 모델을 사용하는 BrazeAI 기능은 프롬프트와 입력 내용을 해당 모델로 전송합니다. Braze 제공 모델로 전송된 데이터는 모델의 학습이나 개선에 사용되지 않습니다. 출력 결과는 사용자에게 귀속됩니다. Braze는 해당 출력에 대해 저작권을 주장하지 않습니다. Braze는 AI 생성 콘텐츠에 대해 어떠한 보증도 하지 않습니다.
각 기능이 사용하는 모델과 제공업체의 데이터 보존 기간은 해당 기능 페이지에서 확인할 수 있습니다:
Braze Agents를 사용할 때 OpenAI, Anthropic, Google Gemini 또는 Databricks Mosaic와 같은 자체 모델 제공업체를 연결할 수도 있습니다.
자주 묻는 질문
BrazeAI란 무엇인가요?
BrazeAI는 Braze에 내장된 AI 기능 모음입니다. 데이터 보강, 실험, 의사결정, 대시보드 워크플로를 포괄합니다. 각 기능은 별도로 설정되며, 일부는 특정 크레딧이나 플랜이 필요합니다. 필요한 기능을 찾으려면 목표에서 시작하기를 참조하세요.
어떤 BrazeAI 기능을 먼저 사용해야 하나요?
BrazeAI를 처음 사용하신다면 BrazeAI Operator부터 시작하세요. 별도의 제품 설정이 필요 없고, 이미 사용 중인 작성기에서 바로 작동하며, 기본적으로 각 액션을 실행하기 전에 승인을 요청합니다. 그 다음, 목표에서 시작하기에서 자신의 목표에 맞는 기능을 선택하세요.
비슷하게 들리는 두 기능 중 어떻게 선택하나요?
한 사용자가 말하고 행동한 모든 것을 읽은 사람이 이미 결정할 수 있는지 자문해 보세요. 수천 명의 사용자에 걸친 테스트가 필요한 답이라면, 학습하는 기능을 사용하세요. 추론은 Braze Agents에 적합합니다. 학습은 Predictive Suite 또는 Decisioning Studio에 적합합니다. 추론 또는 통계를 참조하세요.
콘텐츠 최적화 프로그램과 BrazeAI로 최적화의 차이점은 무엇인가요?
BrazeAI로 최적화는 직접 작성한 Campaign 배리언트 중에서 우승자를 선택합니다. 콘텐츠 최적화 프로그램은 배리언트를 자동으로 생성하고 캔버스 단계에서 요소를 지속적으로 조합하고 테스트합니다. 두 기능 모두 오디언스를 위한 하나의 우승자를 찾습니다. 사용자별 개인화를 원한다면 Decisioning Studio를 참조하세요.
Braze 에이전트와 의사결정 에이전트의 차이점은 무엇인가요?
Braze 에이전트는 한 사용자의 컨텍스트를 기반으로 추론합니다. Decisioning Studio의 의사결정 에이전트는 전체 사용자 모집단에서 측정된 성과를 바탕으로 학습합니다. 자세한 내용은 Braze 에이전트 vs 의사결정 에이전트를 참조하세요.
BrazeAI 기능을 사용하면 크레딧이 소모되나요?
일부 BrazeAI 기능은 크레딧이 소모됩니다. Braze Agents는 메시지 또는 액션 크레딧이 필요하며, 각 에이전트 실행은 일일 호출 한도에 반영됩니다. Operator 액션은 크레딧이 아닌 별도의 회사 전체 일일 사용 한도에 반영됩니다. Intelligent Timing이나 BrazeAI로 최적화와 같은 기능은 크레딧 비용이 없지만 데이터 요건이 있습니다. 규칙으로 답이 나오는 질문이라면 표준 캔버스 단계를 사용하세요. 크레딧에 대해서는 계정 매니저에게 문의하세요.
자체 AI 모델을 사용할 수 있나요?
네, Braze Agents를 통해 가능합니다. 에이전트는 Braze 제공 모델 대신 OpenAI, Anthropic, Google Gemini, Databricks Mosaic 등의 제공업체에 연결할 수 있습니다. 그 외의 BrazeAI 기능은 Braze 제공 모델만 사용합니다.