상담원 콘솔의 Braze 상담원
Braze 에이전트는 Braze 내에서 생성할 수 있는 AI 기반 도우미입니다. 상담원은 콘텐츠를 생성하고, 지능적인 의사 결정을 내리고, 데이터를 보강하여 더욱 개인화된 고객 경험을 제공할 수 있습니다.
Braze 커런츠는 현재 베타 버전입니다. 시작하는 데 도움이 필요하면 고객 성공 매니저에게 문의하세요.
왜 Braze 에이전트를 사용하나요?
Braze 에이전트는 팀이 추가 작업 없이 더 스마트하고 개인화된 경험을 제공할 수 있도록 도와줍니다. 단순히 프롬프트에 응답하는 것이 아니라 맥락을 이해하고, 결정을 내리고, 목표를 향해 행동하는 지능형 비서 역할을 합니다.
실제로 상담원은 제목란이나 제품 내 텍스트와 같은 메시지 문구를 자동으로 생성할 수 있으므로 모든 고객이 자신에게 맞는 커뮤니케이션을 받을 수 있습니다. 또한 선호도, 행동 또는 기타 데이터를 기반으로 사람들을 다양한 캔버스 경로로 라우팅하여 실시간으로 적응할 수 있습니다.
메시징 외에도 상담원은 제품 및 프로필 필드 값을 계산하거나 생성하여 데이터를 최신의 동적 상태로 유지함으로써 카탈로그를 강화할 수 있습니다. 반복적이거나 복잡한 작업을 대신 처리함으로써 팀이 수동 설정 대신 전략과 창의성에 집중할 수 있도록 해줍니다. Braze 에이전트는 백그라운드 프로세스가 아닌 협업자처럼 행동하여 문제를 해결하고 대규모로 영향력을 전달할 수 있도록 지원합니다.
Braze 에이전트 사용 시기와 다른 BrazeAI 기능 비교
에이전트를 사용하여 사용자의 특정 컨텍스트에 따라 즉시 콘텐츠를 개인화할 수 있습니다. 예를 들어, 에이전트가 특정 사용자가 가장 좋아하는 아이스크림 맛이 초콜릿이고 가장 좋아하는 토핑이 구미 베어라는 것을 알고 있다면, 해당 사용자가 캔버스를 통과할 때 해당 조합에 맞는 푸시 카피를 제시할 수 있습니다.
그러나 에이전트는 시행착오를 통해 학습하지 않으며, 측정하고 극대화하고자 하는 궁극적인 마케팅 목표에 대해 전혀 알지 못합니다. 일반적으로 전환을 유도하는 카피를 작성하도록 지시하더라도 에이전트 작성의 전환 영향을 ‘모니터링’하고 해당 데이터를 향후 에이전트 호출에 다시 통합할 수 있는 메커니즘이 없습니다. 보상 기반 AI 의사 결정이 아닌 ‘분위기’ 의사 결정이라고 생각하면 됩니다.
반면, 다른 BrazeAI 도구는 측정기준을 최대화하도록 설계되어 있습니다. 예를 들어, 상담원은 사용자의 특성이 특정 이벤트를 수행할 가능성이나 성향 또는 특정 제품에 대한 선호도에 어떤 영향을 미치는지 정성적으로 평가하는 데 매우 능숙합니다. 그러나 에이전트는 시행착오를 통해 학습하지 않기 때문에 가능성을 예측하고 시간이 지남에 따라 신호를 개선하는 정확도를 측정하는 방법을 알지 못합니다. 따라서 예측의 정확성과 시간 경과에 따른 개선 사항을 고려할 때 Predictive Suite를 사용하는 것이 에이전트 단계보다 성능이 뛰어납니다.
피처
Braze 에이전트를 위한 기능은 다음과 같습니다:
- 유연한 설정: Braze에서 제공하는 LLM을 사용하거나 자체 모델 제공업체(예: OpenAI, Anthropic, Google Gemini 또는 AWS Bedrock)를 연결하세요.
- 원활한 통합: 캔버스 단계나 카탈로그 필드에 직접 상담원을 배치하세요.
- 테스트 및 로깅 도구: 시작하기 전에 샘플 입력으로 테스트하여 상담원의 출력을 미리 확인하세요. 에이전트가 실행될 때마다 해당 실행에 대한 입력 및 출력을 포함하여 로그를 봅니다.
- 사용량 제어: 일일 한도는 성능/성과 및 비용 관리에 도움이 됩니다.
Braze 에이전트 정보
상담원은 작동 방식을 정의하는 지침(시스템 프롬프트)으로 구성됩니다. 에이전트가 실행되면 사용자가 전달한 모든 데이터와 함께 사용자의 지시를 사용하여 응답을 생성합니다.
주요 개념
| 기간 | Definition |
|---|---|
| 모델 | 에이전트의 ‘두뇌’, 이 경우에는 대규모 언어 모델(LLM)입니다. 입력을 해석하고, 응답을 생성하며, 추론을 수행합니다. 더 강력한 모델(더 많은 관련 데이터로 학습)은 에이전트의 능력과 활용도를 높여줍니다. |
| 지침 | 상담원에게 제공하는 규칙 또는 가이드라인(시스템 프롬프트)입니다. 에이전트가 실행될 때마다 에이전트가 어떻게 작동해야 하는지 정의합니다. 명확한 지침은 상담원의 신뢰성과 예측 가능성을 높여줍니다. |
| 컨텍스트 | 사용자 프로필 필드나 카탈로그 행과 같이 에이전트가 배포되는 모든 곳에서 런타임에 에이전트로 전달되는 데이터입니다. 이 입력은 상담원이 출력을 생성하는 데 사용하는 정보를 제공합니다. |
| 출력 변수 | 에이전트가 캔버스 단계에서 사용될 때 생성되는 출력입니다. 출력 변수는 상담원의 결과를 저장하여 콘텐츠를 개인화하거나 워크플로 경로를 안내합니다. 출력 변수는 문자열, 숫자 또는 부울 데이터 유형일 수 있습니다. |
| 실행 | 에이전트를 한 번 실행합니다. 이는 일일 한도에 포함되지 않습니다. |
| 출력 형식 | 상담원 응답의 미리 정의된 데이터 구조입니다. |
| 온도 | 상담원 출력의 편차 수준입니다. 이는 상담원이 얼마나 정확하고 창의적으로 상담할 수 있는지를 정의합니다. |
Limitations
베타 기간 동안에는 다음과 같은 제한 사항이 적용됩니다:
- 각 에이전트의 일일 실행 한도는 기본값이 50,000회이며, 최대 100,000회까지 늘릴 수 있습니다.
- 기본값으로 각 실행은 15초 이내에 완료되어야 합니다. 15초 후 상담원이
null응답을 반환합니다.- 상담원이 지속적으로 시간 초과되는 경우 Braze 계정 매니저에게 문의하여 이 한도를 늘리세요.
- 입력 데이터는 요청당 25KB로 제한됩니다. 긴 입력은 잘립니다.
다음 단계
이제 Braze 에이전트에 대해 알아봤으니 다음 단계로 넘어갈 준비가 되었습니다:
하위 처리자 또는 제3자 제공업체로서의 모델 제공업체
고객이 Braze 서비스를 통해 Braze가 제공하는 모델과의 통합을 사용하는 경우(“Braze 제공 LLM”), 그러한 Braze 제공 LLM의 제공자는 고객과 Braze 간의 데이터 처리 부록(DPA)의 약관에 따라 Braze 하위 처리자 역할을 수행하게 됩니다.
고객이 Braze AI 기능과 통합하기 위해 자체 API 키를 가져오기로 선택한 경우, 고객과 Braze 간의 계약에 정의된 대로 고객의 자체 LLM 구독 제공업체는 타사 제공업체로 간주됩니다.
내 데이터는 어떻게 사용되며 Braze가 제공하는 LLM에 전송되나요?
Braze가 제공한 LLM을 활용하는 것으로 식별되는 Braze AI 기능을 통해 AI 출력을 생성하기 위해(“출력”), Braze는 시스템 프롬프트 또는 기타 입력(“입력”)을 Braze 제공 LLM으로 전송합니다. 해당 Braze 제공 LLM으로 전송된 데이터는 Braze 제공 LLM을 훈련하거나 개선하는 데 사용되지 않습니다. 귀하와 Braze 사이에서 Output은 귀하의 지적 재산입니다. Braze는 그러한 결과물에 대해 저작권 소유권을 주장하지 않습니다. Braze는 일반적으로 출력을 포함하여 AI가 생성한 콘텐츠와 관련하여 어떠한 종류의 보증도 하지 않습니다.
“자동”으로 식별되는 Braze 에이전트용 LLM은 Google Gemini 모델을 사용합니다. Google은 Braze를 통해 제출된 입력 및 출력 데이터를 55일 동안 보관하며, 그 이후에는 데이터가 삭제됩니다.
GitHub 에서 이 페이지를 편집합니다.