LLM 및 AI 생성 트래픽에 대한 보고서

이 사용 사례 문서에서는 Customer Journey Analytics 파생 필드 기능을 LLM(대형 언어 모델) 및 AI 생성 트래픽에 대한 보고의 기반으로 사용하는 방법에 대해 알아봅니다.

검색 방법

LLM 및 AI 생성 트래픽을 탐지하려면 다음을 구별합니다.

LLM 및 AI 생성 트래픽을 식별하고 모니터링하는 세 가지 일반적인 코어 감지 방법은 다음과 같습니다.

다음 표는 다양한 LLM 및 AI 상호 작용 시나리오에 대해 감지 방법을 사용할 수 있는 방법을 보여 줍니다.

과제

LLM 및 AI 에이전트는 디지털 속성과 상호 작용할 때 복잡하고 진화하는 동작을 보여 줍니다. 이러한 기술은 플랫폼과 버전 간에 일관되지 않게 작동합니다. 이러한 불일치는 데이터 전문가에게 고유한 문제를 만듭니다. 행동 패턴은 크게 다르며 사용되는 특정 AI 플랫폼, 버전 및 상호 작용 모드에 따라 다릅니다. 이러한 운영 다양성은 표준 분석 프레임워크 내에서 LLM 및 AI 생성 트래픽을 추적하고 분류하는 노력을 복잡하게 합니다. 이러한 상호 작용의 복잡한 특성은 신속한 진화와 함께 데이터 무결성을 유지하기 위해 미묘한 탐지 및 분류 방법이 필요합니다.

검색 서명

2025년 8월 현재, 검출 방식별로 다음과 같은 특정 신호를 확인할 수 있다.

사용자 에이전트 식별

레퍼러 분류

쿼리 매개변수 감지

구현

파생 필드, 세그먼트 및 작업 영역 프로젝트의 특정 설정 및 구성을 통해 일반적인 Customer Journey Analytics 설정(연결, 데이터 보기 및 작업 영역 프로젝트) 내에서 LLM 및 AI가 생성한 트래픽을 보고할 수 있습니다.

파생 필드

검출 방법 및 검출 신호를 구성하기 위해서, 도출된 필드들을 기초로 한다. 예를 들어 사용자 에이전트 식별, 쿼리 매개 변수 감지 및 레퍼러 분류에 대해 파생 필드를 정의합니다.

LLM/AI 사용자 에이전트 식별

Case When 파생 필드 함수를 사용하여 LLM/AI 사용자 에이전트를 식별하는 파생 필드를 정의합니다.

{modal="regular"}

LLM/AI 쿼리 매개 변수 감지

URL 구문 분석 및 분류 파생 필드 함수를 사용하여 쿼리 매개 변수를 검색하는 파생 필드를 정의합니다.

{modal="regular"}

LLM/AI 레퍼러 분류

URL 구문 분석 및 분류 파생 필드 함수를 사용하여 레퍼러를 분류하는 파생 필드를 정의합니다.

{modal="regular"}

세그먼트

LLM 및 AI 생성 트래픽과 관련된 이벤트, 세션 또는 사람을 식별하는 데 도움이 되는 전용 세그먼트를 설정합니다. 예를 들어 이전에 만든 파생 필드를 사용하여 LLM 및 AI 생성 트래픽을 식별하는 세그먼트를 정의합니다.

{modal="regular"}

Workspace 프로젝트

파생된 필드와 세그먼트를 사용하여 LLM 및 AI가 생성한 트래픽을 보고하고 분석합니다. 예를 들어 아래에 주석이 있는 프로젝트를 참조하십시오.

{modal="regular"}