친화도 및 유사도 기능은 실제 장바구니와 행동 패턴을 분석하여 실행 가능한 유사도로 변환합니다.
추상화 계층의 하위 구성 요소로, 관계 그래프와는 다른 질문에 답합니다. 누가 누구와 연결되어 있는지가 아니라 무엇이 무엇과 유사한지 파악하는 것입니다. 실제 데이터를 기반으로 세 가지 유형의 통계적 유사도를 계산합니다. 제품 간 유사도는 실제 장바구니 데이터를 활용하여 동일한 주문에 함께 포함된 제품(X를 구매한 경우 Y도 구매)을 분석합니다. 회원별 카테고리 선호도는 각 회원의 구매 및 검색 기록을 바탕으로 어떤 카테고리에 집중하는지 파악합니다. 회원 및 태그 유사도(유사 회원)는 태그와 행동이 유사한 회원을 그룹화하여 검증된 잠재 고객을 실제 사용자와 유사한 사람들로 확장할 수 있도록 합니다. 이 모든 점수는 조작된 것이 아니라 관찰된 주문 및 행동 데이터를 기반으로 도출되며, 개인 정보나 개인정보를 침해하지 않습니다.
함께 구매하는 제품, 회원이 선호하는 카테고리, 회원의 유사성 등 실제 데이터에서 통계적 유사성을 도출하므로 추천 및 유사 확장은 인기가 아닌 실제 패턴에 달려 있습니다.
유사도는 실제 데이터를 기반으로 산출되었으며, 인기도나 추측에 의한 것이 아닙니다.
추천과 잠재고객 확장은 그 뒤에 있는 유사성만큼만 중요합니다. 이 레이어는 실제로 발생한 것(실제 바구니, 실제 카테고리 기울기, 실제 프로필 유사성)으로부터 유사성을 계산하고 이를 통제된 출력으로 온톨로지 및 추천 엔진에 전달하므로 모든 '유사한' 답변은 근거가 있고 재현 가능합니다.
- 함께 자주 구매되는 상품
- 때때로 함께 구매됩니다
- 앵커 제품
- 유사 제품
세 가지 유형의 유사성, 모두 실제 데이터에서 도출됨
여기서 유사성은 항상 '무엇이 무엇과 유사한가'라는 질문에 대한 답이며, 관찰된 질서와 행동에서 도출되는 것이지 결코 조작되거나 신원 또는 사생활의 경계를 넘어서는 것이 아닙니다.
- 제품 간 연동 - 실제 장바구니 데이터를 기반으로 한 공동 구매: 동일한 주문에 함께 나타나는 제품(X를 구매하고 Y도 구매한 경우)을 분석하여 제품 유사성을 파악합니다.
- 회원별 카테고리 선호도 - 회원이 관심을 갖는 카테고리로, 매장 전체 평균이 아닌 자신의 구매 및 검색 기록을 기준으로 계산됩니다.
- 회원 및 태그 유사성(유사 회원) — 태그와 행동 패턴이 서로 유사한 회원들을 대상으로, 검증된 시드 오디언스를 실제 사용자와 매우 유사한 사람들로 확장할 수 있습니다.
유사도를 통해 계산할 수 있는 내용
유사성이 통제된 출력으로 구체화되면 권장 사항 표면에 표시되고 에이전트는 매번 동일한 답변을 간단히 읽을 수 있습니다.
- 차선책 추천 제품은 일반적인 인기도가 아닌 회원의 실제 공동 구매 및 카테고리 구매 패턴을 기반으로 합니다.
- 유사 고객 확장 - 광범위한 인구 통계학적 범주가 아닌 실제 프로필과의 유사성을 기반으로 고성과 잠재 고객을 확보하세요.
- 일관된 '유사' 답변 — 추천 엔진, 캠페인 대상 및 에이전트 추론 단계는 모두 하나의 통제된 유사성을 읽으므로 동의합니다.
유사성 대 관계 그래프
이 레이어는 관계 그래프의 자매 격이며, 그 차이점은 중요합니다. 유사성은 통계적 유사성(비슷하게 생겼거나 비슷한 제품을 구매한 경우)을 의미하는 반면, 관계 그래프는 명확한 사회적 연결(실제 전환된 추천 또는 잠재적 가족 관계)을 나타냅니다. 둘은 상호 보완적이며 함께 읽어야 하지만, 절대 혼동해서는 안 됩니다.
- 유사성 분석은 데이터 패턴을 기반으로 '무엇이 무엇과 유사한지'를 파악합니다. 즉, 유사하게 구매한 제품이나 유사한 회원을 찾아냅니다.
- 관계 그래프는 '누가 누구와 연결되어 있는지'를 보여줍니다. 실제 고객, 전환된 추천 고객, 홍보대사 및 가족 구성원 간의 연결 관계를 나타냅니다.
- 에이전트는 두 가지 모두를 사용합니다. 그래프에서 구조적 역할에 따라 적합한 플레이를 선택하고, 유사성을 기준으로 적합한 제품 또는 유사 고객층을 선택합니다.
추천 엔진은 이 레이어의 주요 소비자입니다. 이는 API를 통해 이메일, 사이트 및 앱 전반에 걸쳐 각 회원의 선호도를 개인화하고, 처음 방문자를 위한 추세 대체를 통해 슬롯이 비어 있지 않도록 합니다.
이것이 레이어가 AI 결정을 향상시키는 방법입니다.
유사성 모델이 없으면 추천은 매장 전체의 인기로 돌아가고 고객 확장은 광범위한 인구통계로 돌아갑니다. 둘 다 특정 회원이 실제로 구매하는 제품과 유사한 제품을 알 수 없습니다. 유사성은 각 도구에서 즉석에서 다시 계산되므로 캠페인에서 사용하는 '유사' 답변은 추천 엔진이 제공하는 답변과 일치하지 않으며 둘 다 실제 바구니나 실제 프로필 유사성에 근거하지 않습니다.
차선책 제품 선정은 매장 전체의 인기보다는 실제 공동 구매 패턴이나 카테고리별 구매 패턴을 기반으로 합니다.
회원은 평균적인 쇼핑객의 추천이 아닌, 자신이 실제로 선호하는 카테고리를 반영한 추천을 받게 됩니다.
입증된 청중은 광범위한 인구통계학적 추측 대신 태그와 행동이 실제로 자신과 유사한 유사 회원 집합으로 확장될 수 있습니다.
캠페인에서 사용하는 '유사 항목' 답변과 추천 엔진이 제공하는 답변은 동일한 관리 모델 출력에서 가져옵니다.
그 가치는 단지 기술적인 것이 아니라 운영적인 것입니다.
에이전트는 매장 전체의 인기도가 아닌 실제 공동 구매 패턴이나 카테고리 패턴을 기반으로 최적의 차선책을 찾고, 인구 통계학적 추측이 아닌 실제 프로필 유사성을 기반으로 유사 고객을 추천합니다. 유사성은 임의적인 계산이 아닌 관리되는 모델 출력이기 때문에 추천 화면, 캠페인 대상, 에이전트 추론 단계 등 어디에서든 동일한 '유사 제품' 결과를 얻을 수 있습니다.
일반적인 베스트셀러가 아닌 실제 장바구니(함께 구매한 상품 쌍, 예를 들어 X를 구매하고 Y도 구매한 경우)를 기반으로 상품 간 유사도를 계산합니다.
회원별 구매 및 검색 기록을 바탕으로 회원별 카테고리 선호도를 파악하여, 회원이 실제로 선호하는 제품을 차순위 상품으로 추천합니다.
태그와 행동을 기반으로 회원 및 태그 유사도(유사 사용자)를 구축하여 검증된 잠재 고객을 진정으로 유사한 사람들로 확장할 수 있습니다.
모든 유사성을 관리되고 구체화된 모델 출력으로 유지하여, '유사한 항목'에 대한 답변이 즉시 재계산되는 대신 일관되게 표시됩니다.
세 가지 솔루션 모두 관찰된 데이터를 기반으로 하며, 신원 및 개인정보 보호 경계를 준수합니다. 유사성은 발생한 상황을 바탕으로 추론되며, 절대 조작되지 않습니다.
이 계층의 역할
원시 매장에서 항목별 주문 라인을 읽고 제품 동시 발생(두 제품이 동일한 바구니에 나타나는 빈도)을 제품 간 유사성으로 계산합니다.
각 회원의 구매 및 검색 기록을 회원별 카테고리 선호도로 집계하여 어떤 카테고리에 관심이 있는지 표현합니다.
프로필 태그와 행동을 기반으로 회원 간 유사도를 계산하여, 초기 잠재고객을 유사한 고객 집합으로 확장할 수 있습니다.
유사성 출력을 관리 모델 결과로 구체화하고 이를 온톨로지 및 권장 사항 표면에 노출하므로 호출별로 다시 파생되지 않고 읽혀집니다.
관계 그래프를 보완하는 역할을 합니다. 이 레이어는 통계적 유사성을 모델링하는 반면, 관계 그래프는 명시적으로 변환된 사회적 관계를 모델링합니다. 두 레이어는 함께 읽히지만 절대 혼동되지 않습니다.