Adobe Commerce과(와) Adobe LLM Optimizer 통합
Adobe LLM Optimizer은(는) 브랜드가 대형 언어 모델(LLM) 및 AI 어시스턴트의 응답에 콘텐츠가 표시되는 방식을 모니터링, 분석 및 최적화할 수 있도록 지원하는 엔터프라이즈 솔루션입니다. 쇼핑객들이 리서치 및 제품 검색에 AI 도구를 점점 더 많이 사용함에 따라 LLM Optimizer은 브랜드와 카탈로그가 컨텍스트에 맞게 정확하게 인용되고 표면화되도록 지원합니다.
이 안내서에서는 제품 카탈로그를 Commerce에 저장할 때 Adobe Commerce이(가) 해당 워크플로에 어떻게 적합한지 설명합니다. 사용 가능한 기능, 필요한 구성 및 배포된 최적화가 관리 및 수집 채널에서 어떻게 작동하는지 알아봅니다.
통합으로 얻을 수 있는 이점 what-integration-enables
LLM Optimizer을 Adobe Commerce 카탈로그에 연결하면 광범위한 콘텐츠 인사이트에서 카탈로그 인식 권장 사항으로 이동할 수 있습니다.
- LLM에서 제품을 해석하는 방식에 영향을 주는 제목, 설명, 구조화된 신호와 같은 카탈로그 데이터의 불일치와 확인합니다.
- 검토에서는 유효성 검사 및 전후 비교를 포함하여 지원 컨텍스트와 관련된 개선 사항을 제안했습니다.
- 제품 이름 및 설명 업데이트와 같은 선택한 최적화 항목을 Commerce 카탈로그에 직접 배포하여 관리 워크플로, 그리드 및 상점 관련 데이터를 일관되게 유지합니다.
카탈로그 원본이 Adobe Commerce인 경우 Adobe은 기회를 자동으로 식별하고, 변경 사항을 제안하고, 승인된 수정 사항을 적용하는 전체 통합 워크플로우를 지원할 수 있습니다. Commerce 외부에서 가져온 카탈로그의 경우 LLM Optimizer에서 여전히 분석하고 개선 사항을 제안할 수 있지만, 변경 사항을 적용하는 것은 통합 모델(예: 미러링된 카탈로그 또는 수동 업데이트)에 따라 다릅니다. 통합 제한 및 경계를 참조하십시오.
이 대상이 누구입니까 who-this-is-for
- LLM 기반 답변에서 제품 데이터가 정확하고 일관되기를 원하며 대규모로 카탈로그 복사본을 개선하기 위해 통제된 방법이 필요한 디지털 마케터 및 머천다이저.
- 제품 특성을 제공하는 카탈로그 무결성, 관리 프로세스 및 통합(API, CSV, PIM)을 소유한 Commerce 관리자.
사전 요구 사항 prerequisites
Adobe LLM Optimizer과의 Adobe Commerce 통합에 대해 액세스를 받은 경우 다음 전제 조건이 적용됩니다. 자세한 내용은 기술 계정 관리자에게 문의하십시오.
- 이 LLM Optimizer 측정 및 크롤링 기능은 크롤링의 일반적인 카탈로그 인식 통찰력을 위한 전제 조건인 LLM 중심의 봇과 agen제틱 봇을 통해 스토어를 구성할 수 있습니다.
- Commerce 지원 배포 워크플로우의 경우 필요한 Commerce 서비스 및 카탈로그 연결이 활성화되며 정상입니다. 작업 수준 설정은 Adobe Commerce과 LLM Optimizer 연결에 설명되어 있습니다.
또한 시스템 간에 데이터가 어떻게 이동하는지 이해해야 합니다.
높은 수준의 데이터 흐름 high-level-data-flow
개념적으로 카탈로그 최적화는 다음 두 가지 패턴을 따릅니다(기능에 따라 프로젝트에서 하나 또는 둘 다를 사용할 수 있음).
Adobe Commerce을(를) 타사 카탈로그와 비교 commerce-vs-third-party
Catalog Agent, Storefront MCP 및 LLM Optimizer catalog-agent-and-mcp
Adobe Commerce 제품 카탈로그는 이름, 설명, 특성, 가격 및 인벤토리와 같은 제품 데이터의 기록 시스템입니다. AI 지원 검색 및 최적화를 지원하기 위해 Adobe Commerce Storefront MCP(Model Context Protocol)는 라이브 Commerce 카탈로그 데이터와 Adobe AI 경험 사이의 구조화된 인터페이스입니다.
카탈로그 에이전트이(가) Storefront MCP 위에 있습니다. 카탈로그 에이전트를 사용하면 Adobe LLM Optimizer에서 간격을 식별하고 개선 사항을 제안하고 승인할 때 변경 사항을 배포하여 카탈로그 및 PDP 컨텍스트를 쿼리하고 보강하고 사용할 수 있습니다. 이러한 기능은 LLM Optimizer과 함께 LLM Optimizer 사용에 설명된 Adobe Commerce 워크플로에 표시됩니다.
카탈로그 에이전트가 LLM용 Commerce을 개선하는 방법 catalog-agent-optimizations
카탈로그 에이전트는 제품 세부 사항 페이지 보강과 제품 카탈로그 보강이라는 두 가지 상호 최적화 기능을 통해 검색 기능을 해결합니다.
제품 세부 사항 페이지 보강 pdp-enrichment-overview
PDP(Product Detail Page) 강화는 제품 페이지 콘텐츠에 대한 세분화를 제안하므로 구매자가 AI 지원 및 유사한 도구를 통해 제품을 발견하는 경우 상품을 보다 명확하게 읽을 수 있습니다. 목표는 팀에서 이미 머천다이징한 상점 레이아웃을 변경하지 않고 명확성과 일관성을 향상시키는 것입니다. LLM Optimizer에서 제안을 검토하고 준비가 되면 배포합니다.
배포한 후 라이브 제품 페이지를 스팟 확인하여 쇼핑 경험이 예상대로 유지되는지 확인하십시오.
제품 카탈로그 강화 catalog-enrichment-overview
제품 카탈로그 보강은(는) 사본이 얇거나 모호하거나 일관성이 없는 보다 명확한 제품 이름 및 제품 설명을 제안합니다. 각 제안에는 컨텍스트가 포함되어 있으므로 팀이 변경할 내용을 결정할 수 있습니다. 업데이트를 승인하면 해당 업데이트를 Adobe Commerce 카탈로그에 적용하여 관리자, 상점 및 해당 필드를 사용하는 다른 경험에서 동일한 단어를 반영하도록 할 수 있습니다.
이러한 필드는 Commerce에 있으므로 이름 또는 설명을 한 번 개선하면 해당 제품 데이터를 읽는 모든 채널에 도움이 될 수 있습니다(시스템을 새로 고치는 방법과 시기에 따라 다름).