Braz AI Product Architecture

더 빨리 만들고, 고객별로 결정하고,
성과에서 지속적으로 학습합니다.


Braze AI는 Campaign과 Canvas 제작을 돕는 Agents, 고객별 최적 경험을 결정하는 Decisioning Studio,
그리고 결과를 분석·개선하는 Intelligence를 연결합니다.

Braze AI Operator

마케터의 실행 속도를 확장합니다

 

Build Agents
목표, Instruction, Guardrail, 고객 데이터와 실행 위치를 정의해 Agent를 구성합니다. 

Create Canvas & Campaign
자연어 요구를 기반으로 Campaign과 Canvas의 구조·속성·개인화 제안을 생성합니다. 

Diagnose Issues
Campaign, Canvas와 Workflow 문제를 진단하고 해결 절차를 안내합니다. 

Technical Assistance
HTML 작성, Segment 생성과 데이터 분석 등 기술적 작업의 장벽을 낮춥니다. 

Campaign Guidance
Audience, Personalization, Message와 Measurement의 개선 방향을 제안합니다. 

Human Control
마케터가 목표와 제약을 설정하고 AI 결과를 검토·승인합니다. 

 

Agent Console  

고객 맥락을 사용하는 맞춤형 AI Agents

 

Dynamic Content
고객 Attribute, Event, Brand Guideline과 Catalog를 사용해 콘텐츠를
생성·현지화합니다. 

Dynamic Segmentation
자연어와 비정형 데이터를 해석해 실행 가능한 고객 Segment와 Attribute를
만듭니다. 

Product Affinity
고객 행동과 상품 데이터를 기반으로 적합한 상품·콘텐츠 관계를 찾습니다. 

Journey Decisions
목표와 Guardrail 안에서 적절한 고객 경로와 다음 Action을 선택합니다. 

Unstructured Data
Survey, Form, Chat과 Text를 Sentiment, Attribute와 Catalog Match로
구조화합니다. 

Real-time Response
새로운 고객 데이터가 들어오면 콘텐츠와 의사결정을 즉시 업데이트합니다. 

 

Decisioning Studio  

1:1 최적 행동을 지속적으로 학습합니다


전통적인 Rule-based Journey는 마케터가 미리 모든 조건을 정의합니다.
Decisioning Studio는 목표와 Guardrail을 바탕으로 고객별 최적 조합을 실험하고, 결과를 학습하며 다음 고객에게 즉시 적용합니다.

Rule-based Automation과 AI Decisioning의 역할 분담
Rules가 적합한 영역


법적·정책적 필수 조건,
Transactional Message,
명확한 Eligibility,
고정된 고객 절차 

AI가 적합한 영역


여러 선택지 중 고객별 최적 조합
복잡한 상호작용
지속적으로 변하는 반응과 성과

Hybrid Approach


Rules가 안전한 범위와 자격을
통제하고 AI가 그 안에서
최적 Channel·Content·Offer·
Timing을 결정합니다. 

Reporting & Analytics  

Metrics를
Momentum으로

Experimentation  

더 많이 발송하는 대신 더 빨리 학습합니다

 

 

Customer Engagement KPI Framework

 

Activation
가입 완료, 프로필 완성, 핵심 기능 최초 사용과 Time-to-Value 

Engagement
Active Days, Session, Feature Usage, Content Consumption과 Channel Response 

Conversion
구매, 구독, 신청, 업그레이드와 Conversion Rate 

Retention
D7·D30·D90 Retention, Repeat Purchase, Renewal과 Churn 

Customer Value
AOV, Purchase Frequency, Subscription Revenue, LTV와 Margin 

Operational Efficiency
Campaign Build Time, Automation Rate, Experiment Velocity와 개발 의존도 

 AI Readiness  

도입 전에 준비해야 할 것

 

SoulBind9 AI & Optimization Service

 

 

실전 Lifecycle Playbooks

 

fdws
FAQ

BrazeAI & Optimization
 

Q. BrazeAI는 콘텐츠 생성 도구인가요?

콘텐츠 생성뿐 아니라 Campaign·Canvas 구축 지원, Segment와 데이터 분석, 고객별 의사결정, 추천과 지속 최적화까지 포함하는 제품군입니다. 

Q. AI Decisioning과 A/B Test는 어떻게 다른가요?

A/B Test는 정해진 Variant를 집단 단위로 비교합니다. AI Decisioning은 고객별로 여러 Dimension을 지속 학습하고 KPI에 맞는 조합을 선택합니다. 

Q. 마케터가 AI의 결정을 통제할 수 있나요?

목표, 허용 가능한 선택지, Guardrail과 고객별 결정 이유를 설정·확인할 수 있도록 설계됩니다. 

Q. 데이터가 많지 않아도 사용할 수 있나요?

공식 페이지는 데이터가 제한적이거나 완벽하지 않은 경우에도 Agent가 학습할 수 있다고 설명하지만, 명확한 Outcome과 안정적인 데이터 기반은 성과와 신뢰도를 높입니다. 

Q. 어떤 KPI를 최적화할 수 있나요?

Click뿐 아니라 Revenue, Profit, Efficiency와 Retention 등 비즈니스 KPI를 목표로 설정할 수 있습니다. 

ChatGPT Image 2026년 8월 8일 오후 01_08_32

지금 운영 중인 Campaign과
Canvas를 보여주십시오

중복·단절·과도한 발송을 줄이고 고객 상태에 따라 작동하는 Lifecycle Journey로 재설계합니다.

Journey 진단

Canvas Blueprint    

좋은 여정은 화면에서 만들기 전에 설계됩니다

AB180의 Canvas 실무 콘텐츠처럼 Canvas의 기능 설명을 넘어 설계 문서와 운영 단위까지 구체화합니다.

 

Frame 427319773-1

Business Moment
고객에게 의미 있는 순간과 해결할 문제를 정의합니다. 

Entry Criteria
누가, 어떤 이벤트와 조건에서 여정에 진입하는지 정의합니다. 

Audience State
진입 시점의 고객 상태, 제외 조건과 Eligibility를 정의합니다. 

Decision Points
고객 행동·시간·예측·랜덤 그룹에 따른 분기 조건을 설계합니다. 

Message Role
|각 메시지가 안내, 설득, 리마인드, 도움, 혜택 중 어떤 역할을 하는지 정의합니다. 

Exit & Goal
고객이 여정에서 빠져나가야 하는 조건과 최종 Conversion을 정의합니다. 

 

한국형 Cross-Channel Playbook

Push·In-App·KakaoTalk·Email을 역할에 따라 조율하는 실전 구조를 제안합니다.

 

App Push
즉시성 있는 행동 유도, 개인화 추천, 상태 변화와 재방문 Trigger에 적합합니다.

In-App Message
사용 중인 고객에게 기능 안내, 혜택, Survey와 Contextual Guidance를 제공합니다.

KakaoTalk
국내 고객 도달과 신뢰가 중요한 안내·혜택·재활성화 순간에 활용합니다.

Email
상세 정보, 콘텐츠, Receipt, Onboarding Guide와 장기 Nurture에 적합합니다. 

Web Messaging
로그인 전·후 웹 행동을 기반으로 안내, 가입 유도와 개인화 경험을 제공합니다. 

Paid Media
CRM Audience를 광고에 동기화해 미반응 고객 재접촉과 Suppression을 운영합니다. 

 * 채널 오케스트레이션 원칙 
 같은 메시지를 모든 채널에 복제하지 않습니다. 고객의 현재 Context, 채널의 역할, 비용, 동의, 긴급도와 이전 반응을 기준으로 다음 채널을 선택합니다. 

Frequency, Fatigue & Contact Policy

고객 참여를 높이기 위해 발송량보다 접촉 정책을 먼저 설계합니다.

Journey QA & Checklist

Canvas 배포 전 비즈니스·데이터·콘텐츠·기술 리스크를 체계적으로 검증합니다.

 

 AI Personalization Maturity

생성에서 의사결정으로

기업이 현재 수준을 진단하고 단계적으로 고도화 할 수 있도록 AI 활용의 성숙도 단계를 제시합니다.

 

 AI Item Recommendation  

개발 의존 없이 시작하는 개인화 추천

AB180의 다담리테일 사례에서처럼 Catalog와 구매·행동 데이터를 활용해 실용적인 AI 추천 CRM을 시작합니다.

 

Catalog Readiness
상품 ID, 이름, 이미지, 가격, 재고, 카테고리, URL과 노출 가능 상태를 표준화합니다. 

Behavior Signal
Purchase, View, Add-to-Cart, Favorite와 Content Interaction을 안정적으로 수집합니다. 

Recommendation Logic
인기, 최신, 고객별 개인화와 특정 카테고리 제한 등 Use Case별 모델을 선택합니다. 

Message Placement
Push, In-App, Email과 KakaoTalk에서 추천 Item의 제목·이미지·가격·CTA를 렌더링합니다. 

Fallback
데이터가 부족하거나 상품이 품절된 경우 사용할 기본 추천과 대체 콘텐츠를 정의합니다. 

Impact Test
일반 인기 상품, Rule 추천과 AI 추천을 비교해 Incremental Conversion을 검증합니다. 

 

추천 시스템을 별도로 개발하지 않아도 Braze Catalog와 AI Item Recommendation을 활용해
고객별 상품·콘텐츠 추천을 메시지에 반영할 수 있습니다.
핵심은 모델 기능 자체보다 Catalog 품질, 행동 데이터, 추천 목적과 메시지 Context를 함께 설계하는 것입니다.


 

AI Trust & Operating Guardrails

 

 

Approved Inputs
AI가 사용할 고객 데이터, Catalog, Brand Asset와 Knowledge Source를 제한합니다. 

Decision Guardrails
할인 한도, 제외 상품, Frequency, 취약 고객과 법적 조건을 설정합니다. 

Human Review
새로운 Agent, 고위험 콘텐츠와 대규모 변경은 사람이 검토하도록 승인 단계를 둡니다. 

Explainability
선택된 Channel, Offer와 Treatment의 근거를 운영자가 확인할 수 있게 합니다. 

Bias & Fairness
특정 고객군에 불리한 Treatment가 반복되지 않는지 Segment별 결과를 점검합니다. 

Kill Switch
비정상 성과, 고객 불만과 데이터 오류 발생 시 즉시 중지하고 Rule-based 경로로 복귀합니다.