2018.10.18

어도비, 어도비 애널리틱스의 새로운 가상 애널리스트 기능 공개

편집부 | ITWorld
어도비가 어도비 애널리틱스(Adobe Analytics)의 새로운 가상 애널리스트(Virtual Analyst) 기능을 공개했다. 가상 애널리스트는 특정한 데이터가 포착되거나 이벤트가 발생하면 지능형 알림을 보내는 기능이다. 이 기능은 기존 기술과 접목돼 사용자가 별도로 요청하지 않아도 자동적으로 인사이트를 알려준다.

또, 어도비 센세이 기반으로 구동돼 기업은 간과될 수 있는 사항까지 탐지할 수 있어 분석을 통한 가치 창출 과정을 더 강화할 수 있다. 예를 들어, 마케터는 온라인 주문, 웹 트래픽 등 주요 지표의 갑작스러운 등락에 대한 분석 결과를 실시간으로 통보 받고, 매출 증대를 위한 새로운 기회를 포착할 수 있다.

어도비 애널리틱스 제품 관리 총괄인 존 베이츠는 “어도비는 실질적인 문제 해결에 사용될 수 있도록 실제 고객 데이터를 기반으로 철저하게 기술 검증 및 AI 모델 훈련 과정을 거쳤다”며, “초기 테스트 프로그램에 참여한 글로벌 기업은 이 기능으로 획득한 인사이트가 데이터 과학자 100명을 고용한 것과 견줄만한 수준이라고 평가했다”고 밝혔다.

새로운 가상 애널리스트 기능은 ▲예측하기 어려운 상황 예측 ▲연관성 극대화 ▲적응형 학습 등이다.

딥러닝 기반의 상황 예측 기능은 고객의 웹사이트 체류 시간부터 애플리케이션과 웹 사이의 이동 등 모든 상호작용에 대한 데이터 포인트를 평가한다. 이를 통해 간과했거나 전혀 생각지도 못했던 인사이트를 획득할 수 있다. 예를 들어 유통기업은 인구통계학적 특성에 따라 미묘하게 다른 온라인 의류 구매 패턴 등을 파악하거나 지출 부담을 유발하는 요소를 바로잡을 수 있다.

연관성 극대화 기능으로, 사용자가 시스템에 요청하지 않아도 비즈니스 및 사용자 컨텍스트 기반의 데이터를 최우선으로 분석한다. 예를 들어 매년 6월 첫 주 월요일에 세일을 하는 항공사는 지난해 동일한 날짜 기준의 인사이트를 얻을 수 있다. 또, 머신러닝 알고리즘은 중복 추천을 제거하기 때문에 매출, 주문, 구매 전환의 급증 등 서로 관련된 요인은 동일한 이벤트의 인사이트로 구분된다.

적응형 학습으로, 시간이 경과되면 고객 취향과 소비 패턴이 분석돼 더 직관적이고 연관성 높은 인사이트를 제공할 수 있다. 또, 모든 사용자 행태도 분석돼 유사한 사용자를 찾아 더욱 개인화된 서비스를 제공할 있는 기반이 마련된다. 시스템에서 ‘선호’ 또는 ‘비선호’ 추천 항목을 선택할 수 있어, 시간이 경과될수록 머신러닝 모델은 강화돼 이 기능의 정확성은 진화한다. editor@itworld.co.kr


2018.10.18

어도비, 어도비 애널리틱스의 새로운 가상 애널리스트 기능 공개

편집부 | ITWorld
어도비가 어도비 애널리틱스(Adobe Analytics)의 새로운 가상 애널리스트(Virtual Analyst) 기능을 공개했다. 가상 애널리스트는 특정한 데이터가 포착되거나 이벤트가 발생하면 지능형 알림을 보내는 기능이다. 이 기능은 기존 기술과 접목돼 사용자가 별도로 요청하지 않아도 자동적으로 인사이트를 알려준다.

또, 어도비 센세이 기반으로 구동돼 기업은 간과될 수 있는 사항까지 탐지할 수 있어 분석을 통한 가치 창출 과정을 더 강화할 수 있다. 예를 들어, 마케터는 온라인 주문, 웹 트래픽 등 주요 지표의 갑작스러운 등락에 대한 분석 결과를 실시간으로 통보 받고, 매출 증대를 위한 새로운 기회를 포착할 수 있다.

어도비 애널리틱스 제품 관리 총괄인 존 베이츠는 “어도비는 실질적인 문제 해결에 사용될 수 있도록 실제 고객 데이터를 기반으로 철저하게 기술 검증 및 AI 모델 훈련 과정을 거쳤다”며, “초기 테스트 프로그램에 참여한 글로벌 기업은 이 기능으로 획득한 인사이트가 데이터 과학자 100명을 고용한 것과 견줄만한 수준이라고 평가했다”고 밝혔다.

새로운 가상 애널리스트 기능은 ▲예측하기 어려운 상황 예측 ▲연관성 극대화 ▲적응형 학습 등이다.

딥러닝 기반의 상황 예측 기능은 고객의 웹사이트 체류 시간부터 애플리케이션과 웹 사이의 이동 등 모든 상호작용에 대한 데이터 포인트를 평가한다. 이를 통해 간과했거나 전혀 생각지도 못했던 인사이트를 획득할 수 있다. 예를 들어 유통기업은 인구통계학적 특성에 따라 미묘하게 다른 온라인 의류 구매 패턴 등을 파악하거나 지출 부담을 유발하는 요소를 바로잡을 수 있다.

연관성 극대화 기능으로, 사용자가 시스템에 요청하지 않아도 비즈니스 및 사용자 컨텍스트 기반의 데이터를 최우선으로 분석한다. 예를 들어 매년 6월 첫 주 월요일에 세일을 하는 항공사는 지난해 동일한 날짜 기준의 인사이트를 얻을 수 있다. 또, 머신러닝 알고리즘은 중복 추천을 제거하기 때문에 매출, 주문, 구매 전환의 급증 등 서로 관련된 요인은 동일한 이벤트의 인사이트로 구분된다.

적응형 학습으로, 시간이 경과되면 고객 취향과 소비 패턴이 분석돼 더 직관적이고 연관성 높은 인사이트를 제공할 수 있다. 또, 모든 사용자 행태도 분석돼 유사한 사용자를 찾아 더욱 개인화된 서비스를 제공할 있는 기반이 마련된다. 시스템에서 ‘선호’ 또는 ‘비선호’ 추천 항목을 선택할 수 있어, 시간이 경과될수록 머신러닝 모델은 강화돼 이 기능의 정확성은 진화한다. editor@itworld.co.kr


X