Personalizer 사용 사례
Important
2023년 9월 20일부터 새로운 Personalizer 리소스를 만들 수 없습니다. Personalizer 서비스는 2026년 10월 1일에 사용 중지됩니다.
투명성 고지란?
AI 시스템에는 기술뿐만 아니라 기술을 사용하는 사람, 영향을 받는 사람, 배포되는 환경이 포함됩니다. 의도한 목적에 맞는 시스템을 만들려면 기술의 작동 방식, 기능 및 제한 사항, 최상의 성능을 달성하는 방법에 대한 이해가 필요합니다.
Microsoft는 AI 기술의 작동 방식을 이해하는 데 도움이 되는 투명성 고지를 제공합니다. 여기에는 시스템 성능 및 동작, 기술, 사람, 환경을 포함하는 전체 시스템에 대한 사고의 중요성에 영향을 줄 수 있는 시스템 소유자가 할 수 있는 선택이 포함됩니다. 투명성 고지는 자체 시스템을 개발 또는 배포할 때 사용하거나 시스템을 사용하거나 시스템의 영향을 받을 사람들과 공유할 수 있습니다.
투명성 고지는 AI 원칙을 실천하기 위한 Microsoft의 광범위한 노력의 일환입니다. 자세한 내용은 Microsoft AI 원칙을 참조하세요.
Personalizer 소개
Azure AI Personalizer는 애플리케이션에서 사용자를 표시하는 데 가장 적합한 콘텐츠 항목을 선택할 수 있도록 도움을 주는 클라우드 기반 서비스입니다. Personalizer를 사용하면 구매자에게 어떤 상품을 제안할지 결정하거나 최적의 광고 위치를 파악할 수 있습니다. 콘텐츠가 사용자에게 표시되면 애플리케이션이 사용자의 반응을 모니터링하고 보상 점수를 Personalizer에 다시 보고합니다. 보상 점수는 보충 학습을 사용하여 기계 학습 모델을 지속적으로 개선하는 데 사용됩니다. 이렇게 하면 Personalizer가 각각에 대해 수신하는 컨텍스트 정보를 기반으로 후속 상호 작용에서 최상의 콘텐츠 항목을 선택하는 기능이 향상됩니다.
자세한 내용은 다음을 참조하세요.
주요 용어
| 용어 | 정의 |
|---|---|
| 학습 루프 | 개인 설정의 이점을 활용할 수 있는 애플리케이션의 모든 부분에 대해 학습 루프라고 하는 Personalizer 리소스를 만듭니다. 개인에 맞게 설정하려는 환경이 둘 이상인 경우 각각에 대한 반복을 만듭니다. |
| 온라인 모델 | Personalizer의 기본 학습 동작으로, 여기에서 학습 루프는 기계 학습을 사용하여 콘텐츠에 대한 최상위 작업을 예측하는 모델을 빌드합니다. |
| 실습생 모드 | 애플리케이션 결과와 작업에 영향을 주지 않으면서 Personalizer 모델이 웜 부팅으로 학습하도록 도와주는 학습 동작입니다. |
| 보상 | 순위 API에서 반환된 보상 작업 ID에 대해 사용자가 응답한 방식을 0~1 사이의 점수로 나타낸 측정값입니다. 0~1 값은 선택이 맞춤 설정의 비즈니스 목표를 달성하는 데 도움이 되는 정도에 기반한 비즈니스 논리에 따라 설정됩니다. 학습 루프는 이 보상을 개별 사용자 기록으로 저장하지 않습니다. |
| 탐색 | Personalizer 서비스는 최상의 작업을 반환하는 대신 사용자를 위해 다른 작업을 선택하는 시점을 검색합니다. Personalizer 서비스는 드리프트와 정체를 방지하고 검색을 통해 진행 중인 사용자 동작에 적응할 수 있습니다. |
자세한 내용 및 추가 주요 용어는 Personalizer 용어 및 개념 설명서를 참조하세요.
사용 사례 예
Personalizer를 사용하는 몇 가지 일반적인 고객 동기는 다음과 같습니다.
- 사용자 참여: 클릭률을 높이거나 평균 수익을 개선하기 위한 차선책의 우선 순위를 지정하는 콘텐츠를 선택하여 사용자의 관심을 끌 수 있습니다. 사용자 참여를 높이기 위한 다른 메커니즘으로는 동적 채널 또는 재생 목록에서 비디오 또는 음악을 선택하는 것이 포함될 수 있습니다.
- 콘텐츠 최적화: 클릭률을 최적화하기 위해 이미지를 제품에 맞게 최적화(예: 옵션 세트에서 영화 포스터 선택)하거나 전환 및 구매가 증가하도록 웹 페이지에서 UI 레이아웃, 색상, 이미지 및 광고 문구를 최적화할 수 있습니다.
- 할인 및 쿠폰을 사용하여 전환 극대화: 마진과 전환의 균형을 극대화하려면 전환을 극대화하기 위해 애플리케이션이 사용자에게 제공할 할인을 선택하거나 추천 엔진의 결과에서 강조할 제품을 결정합니다.
- 긍정적인 행동 변화의 극대화: 긍정적인 행동 변화를 극대화하기 위해 알림, 메시지 또는 SMS 푸시로 보낼 웰빙 팁 질문을 선택합니다.
- 사용자가 문서, 매뉴얼 또는 데이터베이스 항목을 찾을 때 가장 관련성이 높은 차선책 또는 적절한 콘텐츠를 강조 표시하여 고객 서비스 및 기술 지원의 생산성을 높입니다.
사용 사례 선택 시 고려 사항
- 콘텐츠와 사용자 인터페이스를 맞춤 설정하기 위해 학습하는 서비스를 사용하는 것이 유용합니다. 하지만 개인 설정으로 인해 실제 세계에서 유해한 부작용이 발생하면 오용될 수도 있습니다. 개인 설정이 사용자가 목표를 달성하는 데 어떻게 도움이 되는지 고려하십시오.
- 시스템은 대다수 시스템 사용자의 행동 패턴에 편향되어 학습되기 때문에, Personalizer가 특정 항목을 제안하지 않는 경우 실제 세계에서 어떤 부정적인 결과가 나타날 수 있는지 고려하십시오.
- Personalizer의 탐색 동작으로 인해 해를 입힐 수 있는 상황을 고려하십시오.
- 사회적으로 중대하거나 돌이킬 수 없고, 단기적인 조짐 및 보상에 따라 결정하지 말아야 하는 개인 설정 선택 사항을 신중하게 고려하십시오.
- 선택하지 않아야 하는 작업은 Personalizer에 제공하지 않습니다. 예를 들어 익명 또는 미성년 사용자를 위한 추천 사항을 만드는 경우 부적절한 영화는 개인화 작업에서 필터링하여 제외해야 합니다.
다음은 위의 지침이 Personalizer를 적용할지 여부와 적용 방법에서 한몫을 하는 몇 가지 시나리오입니다.
- 비즈니스와 사용자에게 추천 사항이 얼마나 유용한지를 진정으로 평가하기 위해 "단순한 클릭 이상의" 정보와 오랜 기간(여러 해)이 필요한 선택 사항인 경우 및 개인이 알지 못하거나 확보할 수 없거나 이의를 제기할 수 없는 데이터를 기반으로 개인 설정 기능이 규제되는 특정 대출, 금융 및 보험 상품에 대한 순위 제안에 Personalizer를 사용하지 마십시오.
- 충분히 살펴보지 않은 권장 사항은 편견을 증가시키고 다른 옵션에 대한 사용자의 인식을 감소시킬 수 있는 학교 과정 및 교육 기관의 중요한 부분을 개인 설정하는 경우에는 신중한 고려가 필요합니다.
- 민주주의와 시민 참여에 대한 의견에 영향을 미칠 목적을 가지고 알고리즘 방식으로 콘텐츠를 합성하는 데 Personalizer를 사용하지 마십시오. 장기적으로 중대한 영향을 미칠 수 있으며, 방문하는 사용자의 목표가 정보를 파악하는 것이지 영향을 받기 위해서가 아니라면 조작이 가능하기 때문입니다.