버퍼 관리가 잘못될 경우: AI 의사 결정 모델의 편향 방지

마케터는 AI 의사 결정을 활용하여 각자 중점을 두는 측정기준, 다시 말해 매출, 이익, 고객 생애주기 가치 등의 중요 측정기준에서 최대한 높은 KPI 결과를 얻고자 합니다. 하지만 특정 매개변수가 제대로 설정되어 있지 않다면 AI 모델은 설계대로 작동하지 않으며 브랜드의 수익 개선 극대화를 지원하는 데 있어 잠재력을 최대한 발휘하지 못합니다.

AI 의사 결정 솔루션을 구축할 때 큰 차이를 만드는 요소 중 하나는 팀이 모델을 학습시키기 위해 제공하는(또는 제공하지 않는) 과거 데이터입니다.

올바른 데이터를 AI에 공급해야 효과적인 모델을 얻을 가능성이 높습니다. 잘못된 데이터를 제공하면 연관성이 없거나, 최신이 아니거나, 계산이 불가능한 정보가 대량 포함되어 AI 모델이 성과를 내지 못할 가능성이 있습니다.

다시 말해, 버퍼 관리가 관건입니다.

버퍼 관리란 무엇인가요?

버퍼 관리는 활용 분야가 다양하지만, AI 의사 결정과 관련해서 버퍼 관리란 AI 모델을 학습시키는 데 사용할 정보와 사용하지 않을 정보를 관리하는 것을 말합니다.

AI 의사 결정은 모델이 수행한 행동 및 그 행동의 결과로부터 학습하는 머신 러닝 유형인 강화 학습을 기반으로 합니다.

버퍼 관리는 관련 학습 기간, 즉 버퍼를 정의하는 일을 일컫습니다. 버퍼 관리는 AI 마케팅 에이전트가 과거 어느 시기(예: 지난주, 지난달, 지난해)에 내려진 의사 결정으로부터 학습해야 할지를 지정합니다.

그렇군요. 비즈니스에 적합한 버퍼 기간은 어떻게 선택하나요?

AI 의사 결정을 적용하려는 마케팅 사용 사례 유형 및 해당 유형의 캠페인에 유의미한 인사이트를 도출하는 데 대체로 소요되는 시간에 따라, 학습 기간 또는 버퍼가 짧은 것이 적절한지 아니면 긴 것이 적절한지가 결정됩니다.

예를 들어 소비자의 고액 구매를 유도하는 요소 또는 신용카드 승인과 관련된 프로세스와 같이 긴 시간이 걸리거나 복잡한 프로세스의 경우 AI 모델이 학습하려면 몇 주가 필요할 수 있습니다. 반면, 충동 구매 이면에서 벌어지는 현상에 관한 인사이트를 수집하는 데는 필요한 시간이 훨씬 적습니다.

계절적 요인 및 다른 외부 요소 또한 버퍼 기간 결정에 영향을 줄 수 있습니다.

예를 들어 예측 가능한 시즌이 있고 시즌별로 출시되는 제품 유형이 다른 소매업체를 가정해 보겠습니다. 이 브랜드에서 각 시즌에 관한 충분한 데이터를 AI에게 학습시키려면 모델을 올바른 방향으로 가이드할 수 있도록 적정한 분량의 과거 데이터를 수집하기 위해 최소 1~2년의 버퍼 기간이 필요합니다.

반면, 예측 가능한 계절성이 요인으로 작용하지 않는 브랜드는 버퍼 기간이 더 짧은 것이 적합할 수 있습니다.

버퍼 기간을 잘못 선택하면 어떻게 되나요? AI 의사 결정에 편향이 개입될 소지가 있습니다.

강화 학습 에이전트가 스스로 최적의 버퍼 기간을 알아낼 수 있다면 좋을 것이고 언젠가 그렇게 될 수도 있지만, 현재는 버퍼를 미리 정의하여 엔진에 구성해야 합니다. 시간이 지나면서 기업은 모델의 지속적 실험을 통해, 버퍼 기간으로 설정된 시간이 적절한지 여부를 파악할 수 있게 됩니다.

버퍼 또는 학습 기간이 이상적인 기간으로 설정되지 않은(너무 짧거나 너무 긴 시간) 경우에는 편향이 개입되어 인공지능 모델이 도출하는 결론에 영향을 미칠 수 있습니다. 그러면 AI 의사 결정 기술이 의도치 않은 방식으로 작동하는 결과가 나타날 수 있습니다.

AI에서 편향이라는 단어는 많이 언급되지만, 이 맥락에서의 편향은 AI 모델이 잘못된 것을 학습하는 것을 의미합니다. 편향이 발생하면 브랜드가 원하는 마케팅 KPI에 미치는 영향이나 향상 효과가 편향 미개입 상황에 비해 적습니다.

잘못될 수 있는 예시를 들기 위해 스트리밍 서비스가 버퍼 기간을 30일로 설정했다고 가정하겠습니다. 이 모델은 해당 30일 기간 내에 콘텐츠를 소비하는 사용자로부터 학습 가능한 내용을 학습하게 됩니다. 에이전트는 해당 기간 전과 후의 출시는 고려할 수 없으므로 중요한 데이터를 놓치고, 결과를 왜곡하고, 잘못된 가정을 세울 수 있습니다.

셀프 서비스 AI 의사 결정 제품은 버퍼 기간의 미묘한 차이를 파악하는 데 어려움을 겪습니다. 브랜드가 개개인 수준의 의사 결정에서 실질적이고 가시적인 이점을 얻으려면 섬세한 전문성이 필요합니다.

버퍼 관리의 중요성은 이해했어요. 이용 중인 AI 의사 결정 플랫폼이 올바른 버퍼 관리 기능을 제공하는지 어떻게 확인할 수 있나요?

다양한 AI 의사 결정 플랫폼을 평가하는 마케터가 버퍼 관리와 관련하여 고려해야 할 중요한 사항은 다음과 같습니다.

1. 비즈니스 및 특정 사용 사례에 가장 적합한 시간으로 버퍼 기간을 설정할 수 있는가?

대개 AI 의사 결정 솔루션은 모든 사례에 표준으로 적용되는 365일 롤링 기간을 일괄 제공하는 경우가 많습니다. 반면, BrazeAI Decisioning Studio™는 올바른 버퍼 기간 설정뿐만 아니라 AI 의사 결정의 모든 측면에 관해서도 고도로 구성 가능합니다.

이 정도의 커스터마이징은 마케팅 성과 면에서 큰 차이를 만들 수 있습니다. 예를 들어 동일한 KPI의 결과가 크게 달라질 수 있습니다. 막대한 차이라고까지 말할 수 있습니다. 사용 사례 설계를 잘못하면 AI 의사 결정이 실행되지 않기 때문입니다.

2. 서로 다른 버퍼 전략에 대해 A/B 테스트를 수행하여 어느 버퍼 기간이 더 좋은 결과를 냈는지 확인할 수 있는가?

Braze AI 의사 결정 플랫폼 내에서 브랜드는 버퍼 전략에 대해 A/B 테스트를 실행하여 어느 버퍼 기간이 KPI 개선을 이끌어냈는지 확인할 수 있습니다.

3. 과거 데이터를 사용해 모델을 재학습시킬 수 있는가?

예를 들어 BrazeAI Decisioning Studio™를 과거 데이터로 재학습시킬 수 있습니다. 재학습은 외부 요소로 인해 비즈니스의 특성이 크게 변할 수 있는 금융 서비스 브랜드처럼 매우 동적인 환경에서 비즈니스를 운영하는 조직에게 중요합니다. 현재 제공되는 이자율에 근거해 보면 당좌 예금 가입을 권장하기 좋은 시기일 수 있지만 이후 어느 분기에 가서는 당좌 예금이 손실을 야기하는 요인으로 빠르게 변할 수 있습니다. 이 경우 과거 데이터로 AI를 재학습시킬 수 있는 능력이 더욱 중요해집니다.

브랜드가 이 기능을 제공하지 않는 AI 의사 결정 플랫폼을 활용하는 경우, 모델의 학습 기간을 처음부터 다시 시작해야 할 수도 있습니다. 그러지 않으면 모델이 클릭이나 전환을 유도하는 요인에 대해 학습했던 대로, 해당 학습이 더 이상 연관성이 없어도 그 로직에 갇히게 됩니다.

AI 의사 결정을 활용하여 더 스마트한 브랜드 마케팅 결정을 내리려면 BrazeAI Decisioning Studio™에 대해 알아보고 AI 의사 결정 버퍼를 올바르게 설정하여 가장 중요한 마케팅 KPI를 달성할 수 있는 방법을 확인하세요.