행동 추천
이 안내서에서는 Adobe Journey Optimizer(AJO) Decisioning, Real-Time Customer Data Platform(RT-CDP) 및 Adobe Experience Platform(AEP)을 사용하여 웹, 모바일 앱 및 이메일 채널 전반에 개인화된 권장 사항 경험을 제공하는 행동 권장 사항 사용 사례 패턴에 대해 설명합니다. 이 솔루션은 이러한 패턴의 기능, 지원하는 비즈니스 목표, 사용 가능한 전술적 사용 사례 및 관련된 Adobe 애플리케이션을 이해해야 하는 솔루션 설계자, 마케팅 기술자 및 구현 엔지니어를 위해 설계되었습니다.
행동 권장 사항은 AJO Decisioning 선택 전략 및 등급 모델과 결합된 행동 신호(제품 보기, 구매, 콘텐츠 상호 작용, 검색 쿼리)를 사용하여 항목 수준 또는 콘텐츠 수준 권장 사항을 생성합니다. 자격 규칙 및 비즈니스 제한을 사용하여 제한된 오퍼, 프로모션 또는 인센티브 세트를 제어하는 Offer Decisioning과 달리, 이 패턴은 통제 대상 자격이 아닌 행동 친화성 신호에 의해 선택이 유도되는 크고 지속적으로 변경되는 항목 카탈로그(제품, 문서, 비디오)에서 작동합니다.
사용 사례 패턴
동작 권장 사항
행동 신호를 기반으로 AJO Decisioning 선택 전략 및 등급 모델을 사용하여 컨텍스트 기반의 콘텐츠를 제공하는 항목 수준 또는 콘텐츠 수준 권장 사항을 생성합니다.
실행 계획: 동작 신호 수집 > 의사 결정 전략 평가 > 권장 사항 게재 > 보고
사용 사례 개요
제품 카탈로그, 콘텐츠 라이브러리 또는 미디어 라이브러리가 있는 조직은 행동 기록 및 세션 내 활동을 기반으로 각 방문자에게 가장 관련성이 높은 항목을 표시해야 합니다. 홈페이지의 “권장” 캐러셀, 제품 세부 사항 페이지의 교차 판매 위젯 또는 이메일 캠페인에 포함된 제품 권장 사항이든 기본 문제는 동일합니다. 각 방문자의 행동 프로필을 카탈로그의 가장 관련 있는 항목에 일치시킨 다음 적절한 시점에 적절한 채널에서 이러한 권장 사항을 제공합니다.
이 패턴은 Web SDK 또는 Mobile SDK을(를) 통해 동작 신호를 실시간으로 수집하고, 항목 특성을 동작 컨텍스트와 결합하는 AJO Decisioning 선택 전략을 통해 처리하고, 웹, 인앱 또는 이메일 채널을 통해 권장 항목을 제공함으로써 이러한 문제를 해결합니다. 순위 모델은 공식 기반(예: 카테고리 친화성 점수별로 정렬) 또는 AI 등급(예: 개인화된 추천 모델)일 수 있습니다. 이 패턴은 폴백 권장 사항을 구성하여 동작 기록이 없는 새 방문자에 대한 콜드 스타트 시나리오도 처리합니다.
이 패턴의 타겟 대상에는 전자 상거래 머천다이징 팀, 콘텐츠 개인화 팀 및 실제 사용자 행동을 통해 제공되는 개인화된 추천을 통해 참여, 전환 및 평균 주문 가치를 개선하려는 디지털 경험 팀이 포함됩니다.
주요 비즈니스 목표
이 사용 사례 패턴에서는 다음 비즈니스 목표가 지원됩니다.
교차 판매 및 상향 판매 매출 촉진
행동 및 구매 내역을 기반으로 기존 고객에게 보완 및 프리미엄 제품 또는 서비스를 홍보합니다.
KPI: 상향 판매/교차 판매 %, 증분 수익, 고객 생애 가치
전환율 증가
구매, 등록 또는 양식 제출과 같은 원하는 작업을 완료하는 방문자 및 잠재 고객의 비율을 향상시킵니다.
KPI: 전환율, 잠재 고객 전환, 잠재 고객당 비용
개인화된 고객 경험 제공
콘텐츠, 오퍼 및 메시지를 개별 환경 설정, 동작 및 라이프사이클 단계에 맞게 맞춤화할 수 있습니다.
KPI: 참여, 전환율, 고객 만족도(CSAT)
예시 전술 사용 사례
다음은 이 패턴의 일반적인 전술적 구현입니다.
- 제품 세부 사항 페이지의 제품 교차 판매 위젯(“고객이 구매함”)
- 찾아보기 기록을 기반으로 한 홈 페이지 캐러셀 “추천 항목”
- 읽기 동작을 기반으로 한 미디어 사이트의 콘텐츠 권장 사항
- 유사한 항목 위젯과 결합된 “최근에 본 항목”
- 구매 후 보완 제품 권장 사항
- 행동 친화성을 기반으로 한 이메일 제품 권장 사항
- 세션 내 검색 동작을 기반으로 하는 카테고리별 권장 사항
- 동작 신호를 기반으로 검색 결과 재순위 지정
주요 성과 지표
다음 KPI는 행동 추천 구현의 효과를 측정하는 데 도움이 됩니다.
애플리케이션
이 사용 사례 패턴에는 다음 응용 프로그램이 사용됩니다.
- Adobe Journey Optimizer (AJO) Decisioning — 선택 전략, 순위 모델, 항목 카탈로그 및 동작 신호를 평가하고 각 방문자에 대해 가장 관련성이 높은 항목을 반환하는 결정 정책
- Adobe Real-Time Customer Data Platform (RT-CDP) — 행동 프로필 데이터 누적, 추천 범위에 대한 대상 평가 및 행동 선호도 점수에 대한 계산된 특성
- Adobe Experience Platform (AEP) — Web SDK 및 Mobile SDK을(를) 통한 동작 이벤트 수집, Edge Network 처리, 이벤트 및 카탈로그 데이터에 대한 XDM 스키마 관리
관련 설명서
다음 리소스는 이 패턴에 사용되는 기술 및 기능에 대한 추가 세부 정보를 제공합니다.