Elastic을 사용하여 개인 맞춤형 검색 경험을 구축하는 방법

개인 맞춤형 검색 경험을 만드는 것은 어려울 수 있습니다. 이 포스팅에서는 사용자 프로필에 따라 검색 결과의 우선 순위를 정하고 관련된 추천을 제공하며 워크플로우를 가속화할 수 있도록 시작 단계를 자세히 설명합니다. 이에 앞서, 개인 맞춤형 검색이 중요한 이유에 대해 알아보겠습니다.

[백서 다운로드: Elastic의 개인 맞춤형 전자상거래 검색]

개인 맞춤형 검색의 영향

여러분이 인지하고 있는지 여부에 관계없이 검색은 여러분이 매일 접하는 디지털 환경을 개인에 맞게 제공하는 데 막강한 역량을 발휘합니다. 몇 가지 예를 들면 다음과 같습니다.

• 입력 시 검색은 검색 기록을 사용하여 쿼리를 제안합니다.
• 구독 기본 설정에 따라 지식 기반 시스템 문서가 제공됩니다.
• 의료 기록 및 위치에 따라 의료 서비스 제공업자를 제안합니다.
• 온라인 쇼핑 추천은 유사한 사용자가 가장 좋아하는 제품과 이전에 구매한 제품으로 여러분에게 맞춤 설정되어 있습니다.

어떻게 개인 맞춤 설정이 어디에서나 존재하게 되었을까요? 개인 맞춤 설정은 상당한 비즈니스 결과를 이끌어 내기 때문입니다. Wakefield가 실시한 최근 소비자 조사에 따르면, 

• 온라인 쇼핑객의 88%는 개인 맞춤형 경험을 제공하는 웹사이트에서 쇼핑을 계속할 가능성이 더 높습니다.
• 84%는 개인 맞춤 설정이 쇼핑 결정에 영향을 미친다고 보고합니다.
• 68%는 개인 맞춤형 추천에 따라 의도하지 않은 품목을 구매한 적이 있습니다.

간단히 말해서, 개인 맞춤 설정은 충성도를 높이고, 의사 결정에 영향을 미치며, 지출을 증가시킵니다. 따라서 검색 경험을 구축하는 조직과 개발자들이 주목하고 있습니다. 

[관련 기사: 온라인 소매업체의 개인 맞춤 설정 효과]

개인 맞춤 설정은 결국 데이터 문제 

모든 개인 맞춤 설정 아키텍처는 데이터 수집, 데이터 분석 및 최종 사용자에게 맞춘 경험 설정이라는 동일한 단계를 따릅니다. 모든 단계는 데이터 수집에서 분석에 이르기까지 데이터를 중심으로 이루어지며 데이터는 또한 개인 맞춤형 경험을 위한 정보를 얻기 위해 사용됩니다.

첫 번째 단계는 개인 맞춤 설정 전략을 위한 정보를 얻게 해줄 고객 데이터를 모으는 것입니다. 이는 고객 데이터를 쿼리, 클릭 및 과거 구매 기록과 같은 추가 데이터 세트와 통합하는 것을 의미하기도 합니다. 

그런 다음, 데이터를 종합적으로 분석하여 최종 사용자 선호도를 결정하고 추세를 분석합니다. 수동으로 또는 머신 러닝의 자동화된 지원을 사용하여 이 작업을 수행할 수 있습니다. 이 분석을 통해 얻은 인사이트는 개인 맞춤형 검색 모델에 정보를 제공합니다.

마지막으로, 데이터 분석 결과를 적용하여 개인 맞춤형 검색 경험을 설계합니다. 

간단해 보이죠? Elastic에서는 이렇게 말하곤 하죠, “상황에 따라 다릅니다...” 

Elastic을 사용해 개인 맞춤형 검색 효율성 개선 및 시간 단축

다행히도, Elastic은 검색 역량을 기반으로 구축된 데이터 분석 회사입니다. 따라서 Elastic은 즉시 사용할 수 있는 로우 코드 개발 옵션부터 경험을 완벽하게 제어할 수 있는 API까지 다양한 개발자 도구를 실무자에게 제공합니다. 유연성은 프로세스의 모든 단계에 적용되는 핵심 원칙입니다. 모든 개인 맞춤형 사용 사례는 서로 다르며 그 정의에 따라 사용자 정의해야 하기 때문입니다. 

데이터 수집 관점에서 미리 빌드된 커넥터, 사용자 정의 소스용 커넥터를 빌드하기 위한 프레임워크, 관련 데이터를 Elastic으로 가져오고 저장하기 위한 서드파티 통합에 액세스할 수 있습니다. 

데이터 분석을 위해, Elastic에서 데이터를 색인하고 Elastic의 데이터 시각화 및 대시보드 도구인 Kibana를 사용하여 분석할 수 있습니다. 또한 Elasticsearch의 API를 사용하여 집계를 자동화할 수도 있습니다. 데이터 개인 정보 보호 또는 데이터 상주 요건을 충족하기 위해 여러 클러스터에 걸쳐 데이터를 분석할 수도 있습니다. 독자적인 머신 러닝 모델을 가져오거나 Hugging Face에서 직접 가져와 분석을 자동화할 수 있습니다. 또한 Elastic의 네이티브 벡터 검색을 사용하여 개인 맞춤형 추천 엔진을 구축하고 제공할 수 있습니다.

개인 맞춤형 인사이트를 검색에 적용할 준비가 되었으면, Elastic의 Enterprise Search API를 사용합니다. 이 API를 통해 정확도 모델을 부스트 또는 필드 가중치를 사용하여 즉시 튜닝할 수 있습니다. 결과 순위를 더 많이 제어하려면, Elasticsearch의 API를 사용할 수 있습니다. 또한 Elastic의 Search UI를 사용해 Elastic 검색 엔진에 바로 연결되는 Javascript 라이브러리를 이용하여 검색 경험을 빠르게 구축할 수 있습니다.

한 단계 더 깊이 들어가기

개인 맞춤형 검색은 우리가 하루 종일 보는 데 익숙해진 현대 디지털 경험을 지원합니다. 개인 맞춤형 경험은 결과를 이끌어내고, 고객 참여, 판매 및 반품 비즈니스를 주도합니다. 

모든 조직은 개인 맞춤 설정 전략을 갖추고 있어야 합니다. 또한 개인 맞춤형 경험을 구축하려면, 데이터 전략도 필요합니다. 개인 맞춤 설정은 데이터 수집, 데이터 분석 및 최종 사용자의 필요를 충족하기 위한 개인 맞춤형 정보 제시에 달려 있기 때문입니다. 

Elastic에서는 유연성이 개인 맞춤형 경험을 구축하는 데 있어 핵심적이라고 생각합니다. Elastic은 여러분의 사용자에게 맞춤 설정할 수 있도록 최대한 제어할 수 있는 다양한 기본 제공 기능, 개발자 도구 및 라이브러리를 제공합니다. 

클릭 데이터로 검색 결과의 순위를 조정하고 벡터 검색을 개인 맞춤 설정에 적용하는 방법에 대한 라이브 코딩 데모는 Elastic으로 개인 맞춤형 검색을 구현하는 방법을 참조하세요. 

Elastic Enterprise Search를 사용하여 분석 기반 개인 맞춤 설정을 생성하는 방법에 대한 자세한 내용과 Elastic의 기본 벡터 검색 및 머신 러닝에 대한 개방적이고 유연한 접근 방식에 대한 자세한 내용을 보려면, 백서를 다운로드하세요.