LLM 인사이트

Adobe Customer Journey Analytics를 사용하면 사용자 에이전트, 리퍼러, 쿼리 매개변수를 기반으로 한 파생 필드를 통해 LLM 및 AI 트래픽을 태그 지정하고 분류할 수 있습니다. 이를 통해 AI 생성 상호 작용을 인간 행동과 구분하고 KPI의 정확도를 유지할 수 있습니다. 그런 다음 세그먼트와 대시보드를 구축하여 기존 채널과 함께 AI 트래픽 볼륨, 여정, 후속 전환을 추적할 수 있습니다.

대화 및 AI 상호 작용 데이터는 Adobe Experience Platform에 수집되어 의도, 주제, 감정, 결과를 포함한 Adobe Experience Data Model로 모델링됩니다. 이후 웹, 애플리케이션, 오프라인 데이터세트와 Customer Journey Analytics에서 통합되어 완전한 크로스채널 여정을 구축합니다. 이를 통해 구매, 이탈, 지원 해결과 같은 후속 행동을 특정 AI 대화에 연결하고, 시간이 지남에 따라 KPI에 미치는 영향을 측정할 수 있습니다.

대화형 AI 분석은 자연어 처리(NLP) 또는 LLM 모델을 사용하여 채팅이나 음성 대화록에서 의도, 주제, 키워드, 감정과 같은 신호를 추출하고, 이를 Customer Journey Analytics의 여정 데이터와 결합하여 집계 보고 및 대화 재생을 제공합니다. 결과와 함께 감정을 추적하면 고객 만족도를 저해하는 경험, 의도, 플로우를 정확히 파악하고, 개선 우선순위를 정하고, 만족도와 전환율을 높이는 변경 사항을 검증할 수 있습니다.

LLM 인사이트는 Adobe LLM Optimizer와 함께 AI 답변에서 브랜드가 언급되거나 인용되는 위치와, 경쟁사와 비교하여 어떤 질문이나 주제에서 우위를 점하거나 열세를 보이는지 보여줍니다. 이러한 가시성 데이터를 Customer Journey Analytics에 연결하면 AI 기반 방문 중 어떤 방문이 참여도와 수익을 높이는지 파악할 수 있으며, 이를 바탕으로 AI 기반 검색에서 노출 가능성을 높이는 콘텐츠 및 SEO 투자 방향을 설정할 수 있습니다.

일반적으로 채팅 대화록, 봇 메타데이터, 콘텐츠 전송 네트워크(CDN) 또는 엣지 로그, LLM Optimizer 에이전틱 및 참조 트래픽 AI 상호 작용과 로그 데이터를 Adobe Experience Platform의 기존 디지털 및 오프라인 데이터세트와 결합한 후 Customer Journey Analytics에 연결하여 보고서를 생성합니다. 고객 AI, Adobe Journey Optimizer, LLM Optimizer와 고객 여정 분석 간의 기본 데이터 공유와 같은 선택적 통합을 통해 예측 및 AI 가시성 지표를 추가하여 AI 프롬프트부터 비즈니스 성과까지 엔드 투 엔드 분석을 수행할 수 있습니다.