행동 모델
회원이 실제로 어떻게 행동하는지 학습합니다. 세그먼트가 예측하는 행동 방식이 아닙니다.
세그먼트는 외부에서 구성원을 설명합니다. 이 모델은 고객의 행동을 통해 학습합니다.
브랜드별로 회원의 이벤트 스트림(방문, 구매, 포인트 적립, 앱 열람, 클릭 등 수십 가지 관리 이벤트 유형)을 기반으로 학습된 간결한 행동 모델입니다. 이 모델을 통해 각 회원의 행동 패턴을 파악합니다. 그리고 실시간 읽기를 유지합니다. 구매 또는 계약 해지 시점 및 기간. 브랜드당 모델 하나씩만 허용. 절대 공동으로 사용하지 않음.
한 회원의 이벤트 스트림
지문
누가 누구처럼 행동하는지
다음 단계는 무엇일까요?
구매 확률 vs. 이탈 확률
언제
마감 시간 · 참여 시간
브랜드당 모델 1개 · 회원만을 대상으로 학습 · 공유 모델 없음
모델이 필요한 이유
성격적 특징은 그 사람이 어떤 사람인지 알려주고, 행동은 그 사람이 앞으로 무엇을 할지 알려줍니다.
규칙이 더 이상 유효하지 않게 됨
"90일 내 3회 구매"는 당신이 만든 날 좋은 규칙이었습니다. 회원은 이탈하지만 규칙은 변하지 않습니다. 학습된 모델은 누군가가 임계값을 재조정할 때까지 기다리지 않고 모든 이벤트에 따라 업데이트됩니다.
평균값은 개인 정보를 숨깁니다.
세그먼트 평균에 따르면 이러한 회원은 40일마다 구매합니다. 이 회원은 12일, 즉 80일마다 구매합니다. 회원별 예측을 통해 세그먼트 전체에 적용되는 획일적인 추측을 대체합니다.
유사 항목에는 인구통계 이상의 정보가 필요합니다.
'같은 나이, 같은 도시'는 비슷한 외모의 사람들을 찾는다. 행동 지문은 방문, 카테고리 및 응답의 동일한 리듬, 즉 유사한 행동을 하는 사람들을 찾습니다. 그것이 바로 가치를 예측하는 것입니다.
그것이 만들어내는 것
모든 회원에 대해 3개의 실시간 읽기가 제공됩니다.
행동 지문
전체 이벤트 기록을 통해 학습한 이 회원의 행동 방식을 간략하게 표현한 것입니다. 이것이 바로 플랫폼이 "당신의 최고의 멤버처럼 행동하는 사람이 또 누구입니까?"라고 대답할 수 있게 하는 것입니다. — 유사 청중과 행동 유사성을 뒷받침하는 엔진.
다음 사건 확률
각 회원에 대해 다음 이벤트가 구매로 이어질 가능성과 구독을 해지할 가능성을 파악할 수 있습니다. 새로운 행동 패턴이 감지될 때마다 정보가 업데이트되어 회원 프로필에 표시되고, 세그먼트별 담당자와 의사 결정 담당자가 활용할 수 있습니다.
회원별 시간
각 회원의 구매 주기(다음 구매 예정일과 정확한 구매 기간)와 실제로 앱을 열고 클릭하는 시간대를 파악하여 배송 시간 최적화에 활용합니다.
구축 방법
의도적으로 작게 표시했습니다.
이것은 인터넷 전체를 읽어들인 거대한 기반 모델이 아닙니다. 의도적으로 크기를 줄인 콤팩트한 행동 모델입니다. 모든 브랜드가 자체적으로 구매할 수 있도록 설계되었으며, 귀사의 데이터만으로 학습하고, 데이터베이스가 발전함에 따라 재학습하며, 분기별이 아닌 지속적으로 재검증할 수 있을 만큼 저렴합니다.
규모가 작다는 것은 책임성을 의미합니다. 학습은 결정론적입니다. 동일한 데이터를 사용하면 비트 단위까지 동일한 모델이 생성됩니다. 또한 모든 모델은 버전이 지정되므로 모든 구성원의 점수를 해당 점수를 생성한 정확한 모델로 추적할 수 있습니다. 감사자, 규제 기관 또는 팀에서 "왜 이 number를 사용했습니까?"라고 질문할 때 명확한 답변을 제공할 수 있습니다.
모델이 잘못된 경우(때때로 모든 모델이 틀림) 작고 브랜드별로 폭발 반경이 유리 상자 수학을 바탕으로 지속적인 재검증을 통해 파악된 한 브랜드의 예측임을 의미합니다. 한꺼번에 모든 사람을 위해 조용히 떠도는 공유 모델이 아닙니다.
| 풀링된 "빅 모델" | Flash 행동 모델 | |
|---|---|---|
| 학습 기반 | 모두의 고객을 통합합니다. | 회원 행사 - 오직 당신만을 위한 행사입니다. |
| 재생할 수 있는 | 실질적으로 추적 불가능합니다. | 결정적 및 버전 관리 - 동일한 데이터, 동일한 모델 |
| 재교육 | 공급업체 일정에 따라 | 기반이 발전함에 따라, 최신 상태를 유지할 수 있을 만큼 저렴한 가격으로 업그레이드하세요. |
| 잘못된 경우 | 조용히 표류하는 모두를 위해 | 재검증에 걸려들어 결국 유리 상자 계산 방식으로 되돌아감 |
정직의 문
모델은 사용자의 데이터를 기반으로 그 역할을 입증해야 합니다.
모든 브랜드의 모델은 해당 브랜드가 자체적으로 확보한 비공개 데이터(모델이 학습 과정에서 접하지 못한 행동 데이터)를 기반으로 투명한 기준선에 따라 테스트됩니다. 실제로 더 나은 예측 성능을 보일 때만 실제 서비스에 적용됩니다. 그 전까지 플랫폼은 투명 상자 연산을 기반으로 운영되며, 존재하지 않는 모델을 조작하는 일은 절대 없습니다.
그리고 테스트는 절대 멈추지 않습니다. 기반이 발전함에 따라 모델은 지속적으로 재검증됩니다. 모델이 제 역할을 다하지 못하면 하위 기능들은 자동으로 이전 버전으로 되돌아갑니다. 조용한 성능 저하나 블랙박스식 성능 저하는 없습니다.
무엇을 배우는가
관리되는 행동 카탈로그 - 모든 것을 볼 수 있는 것은 아닙니다.
이 모델은 엄선된 행동 이벤트 카탈로그를 기반으로 학습합니다. 모든 이벤트 유형이 명시적으로 허용되며, 일부는 의도적으로 제외됩니다. 잘못된 것을 확신하며 학습하는 모델은 모델이 없는 것보다 더 나쁘기 때문입니다.
상업
고객 충성도
약혼
스토어
정책에 따라 학습이 금지됨
피드백 루프 없음
모델 자체가 다시 쓰는 모든 것(자체 태그, 자체 점수)은 훈련 데이터에서 제외됩니다. 자체 출력에서 학습하는 모델은 결국 자체적으로 동의하게 됩니다. 이건 할 수 없습니다.
콘텐츠가 아닌 행동 패턴에 기반합니다.
이 모델은 회원이 클릭했다는 사실만 학습할 뿐, 메시지 내용이나 자유 텍스트, 회원이 작성한 내용은 전혀 파악하지 못합니다. 이 모델은 단어가 아니라 리듬을 파악하는 것입니다.
제한은 말 그대로 제한입니다.
처리 제한 권리를 행사하는 회원은 교육 과정 전반에서 제외됩니다. 이는 정책 문서에 명시되어 있는 것이 아니라 교육 과정 자체에서 강제됩니다.
개인 정보 보호, 기계 강제
회원을 존중하는 회원 모델.
너 혼자
브랜드당 하나의 모델만 사용 가능하며, 해당 브랜드의 구성원 데이터만으로 학습됩니다. 사용자의 모델은 다른 브랜드의 데이터베이스에서 학습하거나 다른 브랜드의 데이터베이스를 학습하지 않습니다.
요청 시 잊어버립니다
멤버가 삭제되면 해당 멤버의 데이터도 모델에서 제거됩니다. 데이터 삭제 및 재학습은 삭제 과정 자체에 포함되는 기능이며, 수동으로 나중에 처리하는 작업이 아닙니다.
관리되는 이벤트만
이 모델은 자유 텍스트나 메시지 내용, 또는 회원이 제한을 요청한 데이터가 아닌, 관리되는 행동 이벤트 카탈로그를 기반으로 학습됩니다.
나머지 절반의 세계 모델은 이 모델을 더욱 발전시킵니다. 디지털 트윈 →
제품에서
다음 네 곳에서 만나보실 수 있습니다.
아기를 돌볼 수 있는 "모델 콘솔"은 없습니다. 팀이 이미 작업하고 있는 도구 내부의 모델 읽기 표면:
회원 프로필
각 회원의 페이지에는 다음 구매 확률, 이탈 위험, 예상 시점 등 실시간 정보와 함께 해당 정보의 계산 근거가 되는 사실들이 표시됩니다.
회원 →세그먼트 빌더
모델 출력은 필드를 타겟팅합니다. 즉, 계층을 필터링하는 것과 동일한 방식으로 구매 확률, 이탈 위험 또는 예측 시점에 대한 대상을 구축합니다.
세그먼트 →유사 잠재고객
검증된 회원을 시드합니다. 지문은 행동에서 가장 가까운 이웃을 찾습니다. 청중은 인구통계가 아닌 증거를 통해 확장됩니다.
광고 잠재고객 →요원 브리핑
SoClaw가 윈백에 무게를 둘 때, 그것이 추론하는 요약에는 이미 모델의 판독값(위험, 위험 가치, 타이밍)이 포함되어 있습니다.
SoClaw →이벤트 하나당 루프의 한 주기만 진행됩니다. 내보내기도 없고, 야간 일괄 처리도 없고, 수동 재채점도 없습니다.
모델의 분석 결과는 회원 프로필, 세그먼트, 그리고 에이전트의 추론 과정에 반영됩니다.
관련 자료
이 페이지와 가장 관련성이 높은 페이지를 계속 살펴보세요.
지능형 의사결정
최적의 다음 행동: 누구에게, 어떤 상품을, 어떤 채널을, 언제 제공할지.
더 자세히 알아보기 능력계기반
실시간 스캔-리딤 데이터는 KPI 추세, 퍼널 진단, 규칙 + LLM을 활용한 최적의 다음 행동 패널, 가입 코호트별 유지율 곡선, 그리고 확정적인 것이 아닌 예측임을 명확히 밝히는 14일 매출 전망치와 함께 제공됩니다.
더 자세히 알아보기 능력비즈니스 목표
관리되는 KPI를 누군가에게 응답하는 운영 목표로 전환하세요. 시간(연도 → 분기 → 월) 및 조직(회사 → 매장 지역 → 매장)의 두 축에 걸쳐 단일 상위-하위 트리에서 하나의 목표를 세분화한 다음 빨간색/노란색/녹색 상태, 속도 예측 및 목표가 궤도를 벗어나는 순간 경고와 함께 대시보드가 읽는 것과 동일한 구경의 실제 주문에서 실제 주문을 자동으로 롤업합니다.
더 자세히 알아보기 능력Slack에 대한 SoTag
Slack 에이전트는 검증되고 감사된 수치를 Claude에 스레드 내에서 전달합니다: 일일 이상 징후 검사 + 사람 승인 쿠폰 발송. 얼리 액세스.
더 자세히 알아보기 능력SoClaw — AI 직원을 고용하세요
로열티 프로그램에 AI 직원을 고용하세요. 각기 다른 업무를 수행하는 자율 에이전트입니다. 위험에 처한 고객을 되찾는 로열티 관리자, 영수증 및 주문 검토 대기열을 처리하는 주문 관리자, 포인트 사기를 방지하는 위험 관리자, 목표를 실행 가능한 캠페인으로 전환하는 마케팅 관리자가 있습니다. 각 에이전트는 사용자가 설정한 한도 내에서 한 번에 하나의 사례만 처리하며 모든 결정을 기록합니다. 목표, 예산, 작업 및 피드백을 통해 팀처럼 관리할 수 있습니다. 기본적으로 비활성화되어 있으며, 사용량 제한이 있고, 즉시 일시 중지할 수 있습니다. 얼리 액세스가 가능합니다.
더 자세히 알아보기 능력Socialhub Harness — 엔터프라이즈 에이전트 런타임
언어 모델은 여러분의 작업을 설명할 수는 있지만, 그 자체로는 안정적으로 작업을 수행할 수 없습니다. 즉, 여러분의 데이터에 기반을 두고, 여러분의 도구를 활용하고, 여러 단계를 거치는 작업을 두 번 모두 동일한 방식으로 완료할 수는 없습니다. Socialhub Harness는 바로 이러한 격차를 해소하는 런타임입니다. 마케팅, 로열티, 리스크 관리자부터 회원 컨시어지, 그리고 모든 숨은 조력자에 이르기까지 모든 AI는 런타임이 실행하는 구조화된 청사진(어떤 모델, 어떤 컨텍스트, 어떤 스킬, 어떤 도구, 어떤 데이터)입니다. 런타임은 에이전트를 기반으로 삼고, 스킬을 순서대로 구성된 단계로 만들고, 도구를 구동하며, 재현 가능한 결과를 반환합니다. 모든 작업이 하나의 런타임을 통해 실행되므로, 40개 이상의 관리 대상 액터, 실행 ID와 청사진 버전이 기록된 추가 전용 이벤트 로그, 항상 작동하는 5개의 안전 가드레일 등 모든 제어 기능을 제공합니다. 런타임은 AI를 작동시키는 핵심 요소이며, 통합 런타임은 이러한 거버넌스를 무료로 제공합니다.
더 자세히 알아보기