LLM 인사이트

LLM 및 AI 기반 고객 상호 작용을 어떻게 측정할 수 있습니까?

Customer Journey Analytics를 활용하면 사용자 에이전트, 참조, 쿼리 매개변수를 기반으로 파생 필드를 생성해 LLM 및 AI 트래픽을 태그 지정하고 분류 할 수 있습니다. 이를 통해 AI 생성 인터랙션과 실제 사용자 행동을 명확히 구분하여 기존 KPI의 정확성을 유지할 수 있습니다. 또한 별도의 도구 없이 세그먼트와 대시보드를 구축해 AI 트래픽 규모, 여정, 다운스트림 전환을 다른 채널과 함께 트렌딩 분석할 수 있습니다.

Customer Journey Analytics는 AI 대화를 어떻게 비즈니스 성과와 연결하나요?

대화 및 AI 인터랙션 데이터 는 Adobe Experience Platform에 수집되어 의도, 주제, 감정, 결과를 기반으로 모델링됩니다. 이후 Customer Journey Analytics에서 웹, 앱, 오프라인 데이터 세트와 조인되어 완전한 크로스채널 여정을 구성합니다. 바로 이 조인을 통해 구매, 이탈 이벤트, 지원 해결 등 다운스트림 성과를 특정 AI 대화에 기여도로 귀속시키고, 시간 경과에 따른 KPI 영향을 측정할 수 있습니다. 대화를 단순한 종착점으로 처리하지 않고 실질적인 비즈니스 인사이트로 전환하는 것이 핵심입니다.

대화형 AI 분석은 단순한 대화 기록 검토를 넘어 어떤 가치를 제공하나요?

대화형 AI 분석은 NLP 또는 LLM 모델을 활용해 채팅 및 음성 대화 기록에서 의도, 주제, 키워드, 감정을 추출합니다. 그런 다음 이러한 신호를 Customer Journey Analytics의 여정 데이터와 결합해 집계 보고 및 대화 재생이 가능하도록 합니다. 각 대화 기록을 고립된 레코드로 남겨두지 않는 것이 핵심입니다. 특히 감정을 성과와 함께 추적하면 실질적인 의사결정에 활용할 수 있습니다. 고객 불만을 유발하는 특정 경험이나 흐름을 정확히 파악하고, 개선 우선순위를 정하며, 어떤 변경 사항이 실제로 만족도와 전환율을 높였는지 검증할 수 있습니다.

LLM 인사이트는 AI 검색 가시성과 브랜드 노출 가능성을 어떻게 높입니까?

LLM 인사이트는 Adobe Brand Visibility 와 결합되어 AI 응답에서 브랜드가 언급되거나 인용되는 위치, AI 에이전트의 콘텐츠 크롤링 빈도, 그리고 어떤 프롬프트나 주제에서 우위를 점하거나 뒤처지는지를 파악할 수 있게 해줍니다. 이 가시성 데이터가 Customer Journey Analytics와 연결되면, AI를 통해 유입된 방문 중 실제로 참여도와 매출을 높이는 경우를 식별할 수 있습니다. 이를 통해 AI 가시성 지표를 단순한 허영 수치가 아닌, 콘텐츠 및 검색 엔진 최적화 투자 의사결정의 근거로 활용할 수 있습니다.

LLM 인사이트를 구현하려면 어떤 데이터 소스와 통합해야 합니까?

일반적으로 AI 인터랙션 및 로그 데이터, 채팅 기록, 봇 메타데이터, CDN 또는 엣지 로그, Brand Visibility 에이전틱 및 참조 트래픽 데이터를 기존의 디지털·오프라인 데이터 세트와 함께 Adobe Experience Platform 에 통합한 후, Customer Journey Analytics에 연결하여 보고에 활용합니다. Customer AI, Adobe Journey Optimizer, 기본 Brand Visibility 데이터 공유와의 선택적 연동을 통해 예측 결과와 AI 가시성 지표를 추가하면 고객 여정을 한층 더 풍부하게 만들 수 있습니다. 먼저 인터랙션 데이터만으로 시작하고, 나머지 데이터는 준비되는 시점에 순차적으로 추가하는 방식도 가능합니다.