에이전트 시작

데이터 소스를 연결하고, 오케스트레이션을 설정하고, 에이전트를 설계했다면 이제 시작할 준비가 된 것입니다. 이 문서에서는 에이전트를 활성화하고 인공지능 의사 결정 루프를 완성하여 에이전트가 지속적으로 학습하고 개선할 수 있도록 하는 방법을 다룹니다.

출시 단계

AI Decisioning Services 팀과 함께 모든 구성 단계를 완료한 후 다음을 진행합니다.

1. 에이전트 구성을 검토하여 모든 설정이 올바른지 확인합니다.
2. 데이터 연결과 오케스트레이션 통합이 활성화되어 있는지 확인합니다.
3. AI Decisioning Services 팀과 협력하여 에이전트를 활성화합니다.

출시 후 에이전트는 다음을 수행합니다.

• 오디언스 및 고객 데이터 수신 시작
• 각 고객에게 개인화된 추천 제공 시작
• 구성된 CEP를 통해 작업 오케스트레이션
• 피드백 데이터를 수집하여 시간이 지남에 따라 학습하고 개선

AI 의사결정 루프 완성하기

출시 후에는 에이전트가 학습하고 개선할 수 있도록 피드백 데이터가 필요합니다. 피드백 데이터에는 전환 데이터, 인게이지먼트 데이터, 활성화 데이터가 있으며, 이 데이터는 고객 참여 결정이 전송된 이후 어떤 결과가 나타났는지 에이전트에게 알려줍니다.

이러한 핵심 피드백 데이터 자산을 준비하기 위한 자세한 요구 사항은 데이터 소스 준비하기를 참조하세요.

참고

에이전트가 고객 인게이지먼트 플랫폼(예: Braze 또는 Salesforce Marketing Cloud)과 기본으로 통합되어 있다면, 피드백 데이터가 고객 데이터와 함께 자동으로 전송될 수 있으므로 별도의 구성 단계가 필요하지 않을 수 있습니다.

에이전트 모니터링

출시 후에는 AI 디시전 서비스 팀과 협력하여 성능을 모니터링하세요.

• 성능 측정기준: 실험 그룹 전반에서 성공 지표를 추적합니다.
• 학습 진행 상황: 에이전트의 추천이 시간이 지남에 따라 어떻게 발전하는지 관찰합니다.
• 인사이트: 다양한 고객 세그먼트별로 어떤 차원과 옵션이 결과를 이끌고 있는지 파악합니다.

지속적인 최적화

AI 의사결정 서비스 팀은 계속해서 다음과 같은 작업을 함께 진행합니다.

• 에이전트 성능을 분석하고 최적화 기회 파악
• 필요에 따라 차원 또는 옵션 확장
• 비즈니스 규칙 변경에 따라 제약 조건 조정
• 성공적인 에이전트를 추가 사용 사례로 확장

팁

에이전트는 시간이 지남에 따라 지속적으로 학습하고 개선됩니다. 구성을 크게 변경하기 전에 에이전트가 데이터를 수집하고 최적화할 수 있도록 충분한 시간을 두세요.