에이전트 콘솔의 Braze 에이전트

Braze 에이전트는 Braze 내에서 생성할 수 있는 AI 기반 도우미입니다. 에이전트는 콘텐츠를 생성하고, 지능적인 결정을 내리며, 데이터를 풍부하게 하여 보다 개인화된 고객 경험을 제공할 수 있도록 합니다.

Braze 에이전트를 사용하는 이유는 무엇인가요?

Braze 에이전트는 팀이 더 스마트하고 개인화된 경험을 제공하도록 도와줍니다 - 추가 작업 없이도요. 그들은 단순히 프롬프트에 응답하는 것이 아니라, 맥락을 이해하고, 결정을 내리며, 목표를 향해 행동하는 자율 에이전트로 작용합니다.

실제로 에이전트는 메시지 복사본을 자동으로 생성할 수 있습니다 - 예를 들어 제목 줄이나 제품 내 텍스트와 같이 - 그래서 모든 고객이 자신에게 맞춤화된 커뮤니케이션을 받습니다. 그들은 또한 실시간으로 적응할 수 있으며, 선호도, 행동 또는 기타 데이터를 기반으로 사람들을 다양한 캔버스 경로로 라우팅합니다.

메시징을 넘어, 에이전트는 제품 및 프로필 필드 값을 계산하거나 생성하여 카탈로그를 풍부하게 하여 데이터를 신선하고 동적으로 유지할 수 있습니다. 반복적이거나 복잡한 작업을 맡음으로써, 그들은 팀이 수동 설정 대신 전략과 창의성에 집중할 수 있도록 합니다. Braze 에이전트는 배경 프로세스보다 협력자처럼 작용하여 문제를 해결하고 대규모로 영향을 미치는 데 도움을 줍니다.

Braze 에이전트와 다른 BrazeAI 기능을 사용할 때

사용자의 특정 맥락을 사용하여 콘텐츠를 즉석에서 개인화하는 데 에이전트를 사용하세요. 예를 들어, 에이전트가 특정 사용자의 좋아하는 아이스크림 맛이 초콜릿이고 좋아하는 토핑이 젤리곰이라는 것을 알면, 캔버스를 통과할 때 그 사용자에게 해당 조합에 특정한 푸시 복사본을 제안할 수 있습니다.

그러나 에이전트는 시행착오를 통해 배우지 않으며, 측정하고 극대화하려는 궁극적인 마케팅 목표에 대한 개념이 없습니다. 전환을 유도하는 복사본을 일반적으로 작성하라고 지시하더라도, 에이전트의 작성이 전환에 미치는 영향을 “모니터링”하고 그 데이터를 향후 에이전트 호출에 통합하는 메커니즘이 없습니다. 이것을 “분위기” 결정으로 생각할 수 있으며, 보상 기반 AI 결정이 아닙니다.

대조적으로, 다른 BrazeAI 도구는 측정하고 있는 측정기준을 극대화하도록 설계되었습니다. 예를 들어, 에이전트는 사용자의 특성이 특정 이벤트를 수행하거나 특정 제품을 좋아할 가능성에 어떻게 영향을 미치는지를 정성적으로 평가하는 데 매우 능숙합니다. 그러나 에이전트는 시행착오를 통해 학습하지 않기 때문에, 가능성을 예측하고 시간이 지남에 따라 신호를 개선하는 데 있어 정확성을 측정하는 방법을 전혀 알지 못합니다. 따라서 Predictive Suite를 사용하는 것이 예측의 정확성과 시간이 지남에 따라 개선된 점에서 에이전트 단계를 능가합니다.

피처

Braze 에이전트의 기능은 다음과 같습니다:

• 유연한 설정: Braze에서 제공하는 LLM을 사용하거나 OpenAI, Anthropic 또는 Google Gemini와 같은 AI 모델 제공업체에 연결하세요.
• 원활한 통합: 에이전트를 캔버스 단계나 카탈로그 필드에 직접 배포하세요.
• 테스트 및 로깅 도구: 출시 전에 샘플 입력으로 테스트하여 에이전트의 출력을 미리 확인하세요. 에이전트가 실행될 때마다 입력 및 출력 로그를 확인하세요.
• 사용 제어: 일일 한도는 성능과 비용을 관리하는 데 도움이 됩니다.

Braze 에이전트에 대하여

에이전트는 그들이 어떻게 행동하는지를 정의하는 지침(시스템 프롬프트)으로 구성됩니다. 에이전트가 실행될 때, 전달한 데이터와 함께 지침을 사용하여 응답을 생성합니다.

핵심 개념

기간	Definition
모델	이 경우 에이전트의 “두뇌”는 대형 언어 모델(LLM)입니다. 입력을 해석하고, 응답을 생성하며, 추론을 수행합니다. 더 강력한 모델(더 관련성 높은 데이터로 훈련됨)은 에이전트를 더 유능하고 다재다능하게 만듭니다.
지침	에이전트에게 주는 규칙이나 지침(시스템 프롬프트)입니다. 이들은 에이전트가 실행될 때마다 어떻게 행동해야 하는지를 정의합니다. 명확한 지침은 에이전트를 더 신뢰할 수 있고 예측 가능하게 만듭니다.
컨텍스트	에이전트가 실행되는 동안 전달되는 데이터, 사용자 프로필 필드나 카탈로그 행과 같은 곳에서. 이 입력은 에이전트가 출력을 생성하는 데 사용하는 정보를 제공합니다.
출력 변수	캔버스 단계에서 사용될 때 에이전트가 생성하는 출력입니다. 출력 변수는 콘텐츠를 개인화하거나 작업 흐름 경로를 안내하기 위해 에이전트의 결과를 저장합니다. 출력 변수는 문자열, 숫자 또는 불리언 데이터 유형일 수 있습니다.
실행	에이전트의 단일 실행입니다. 이것은 귀하의 일일 한도에 포함됩니다.
출력 형식	에이전트 응답의 미리 정의된 데이터 구조입니다.
온도	에이전트 출력의 편차 수준입니다. 이는 에이전트가 얼마나 정확하거나 창의적일 수 있는지를 정의합니다.

Limitations

다음 제한 사항이 적용됩니다:

• 각 에이전트는 기본적으로 하루 250,000회의 실행 한도가 있으며, 이는 하루 최대 1,000,000회로 증가할 수 있습니다. 이 한도를 늘리고 싶다면 고객 성공 매니저에게 문의하세요.
• 기본적으로 각 실행은 15초 이내에 완료되어야 합니다. 15초가 지나면 에이전트는 사용된 곳에서 null 응답을 반환합니다.
  • 에이전트가 지속적으로 시간 초과가 발생하면 Braze 계정 매니저에게 문의하여 이 한도를 늘리세요.
• 입력 데이터는 요청당 25KB로 제한됩니다. 더 긴 입력은 잘립니다.

내 데이터는 어떻게 사용되고 Braze 제공 LLM에 전송되나요?

Braze가 Braze 제공 LLM을 활용하는 것으로 식별하는 Braze AI 기능을 통해 AI 출력을 생성하기 위해, Braze는 시스템 프롬프트 또는 해당되는 경우 다른 입력(“입력”)을 Braze 제공 LLM에 전송합니다. 해당 Braze 제공 LLM에 전송된 데이터는 Braze 제공 LLM을 훈련하거나 개선하는 데 사용되지 않습니다. 당신과 Braze 간의 관계에서, 출력은 당신의 지적 재산입니다. Braze는 그러한 출력에 대한 저작권 소유권 주장을 하지 않습니다. Braze는 일반적으로 AI 생성 콘텐츠, 포함하여 출력을 포함하여 어떤 종류의 보증도 하지 않습니다.

Braze 에이전트를 위한 Braze 제공 LLM은 ‘Auto’로 식별되며, Google Gemini 모델을 사용합니다. Google은 Braze를 통해 제출된 입력 및 출력을 55일 동안 보관하며, 그 후 데이터는 삭제됩니다.

다음 단계

이제 Braze 에이전트에 대해 알게 되었으니, 다음 단계에 준비가 되었습니다:

• 커스텀 에이전트 만들기
• 커스텀 에이전트 배포하기