AI 상품 추천 메시지
AI 상품 추천 메시지는 유저 행동을 학습한 AI가 그 유저에게 가장 잘 맞을 상품을 골라 메시지 본문에 자동으로 끼워 넣는 기능이에요.
같은 캠페인을 보내도 받는 사람마다 다른 상품이 추천되어, 클릭·구매 전환율을 끌어올릴 수 있습니다.
1. 상품 추천 설정 시작하기
캠페인 메시지 작성 박스 하단의 상품 추천 정보 버튼을 클릭하면 추천 설정 모달이 열려요.
설정하기 버튼을 클릭하면 추 천 유형과 조건을 정하는 화면이 열립니다.
2. 추천 유형 선택하기
블럭스가 제공하는 추천 유형은 캠페인·시나리오 공통 7가지 + 시나리오 전용 3가지로 구성됩니다.
캠페인·시나리오 공통 (7가지)
| 추천 유형 | 추천 방식 | 어울리는 메시지 예시 |
|---|---|---|
| 유저 취향 상품 추천 | 유저의 클릭·장바구니·구매 등 전체 행동을 학습해 구매 가능성이 높은 상품을 자동 추천 | "회원님이 좋아하실 만한 상품을 모아봤어요!" |
| 관심 카테고리 상품 추천 | 유저가 관심 있어 한 카테고리의 상품을 추천 | "요즘 TV에 관심 많으셨죠? 인기 상품 세일 중이에요!" |
| 관심 브랜드 상품 추천 | 유저가 관심 있어 한 브랜드의 상품을 추천 | "최근 관심 갖고 보신 OO 브랜드 신상품이 출시됐어요!" |
| 마지막 장바구니 연관 상품 추천 | 마지막으로 장바구니에 담은 상품과 유사한 상품을 추천 | "지난 번에 담아두신 제품, 비슷한 이런 상품은 어때요?" |
| 마지막 클릭 연관 상품 추천 | 마지막으로 클릭한 상품과 유사한 상품을 추천 | "이 상품도 함께 많이 봐요 👀" |
| 마지막 구매 연관 상품 추천 | 마지막으로 구매한 상품과 유사한 상품을 추천 | "구매하신 클렌징폼과 잘 어울리는 토너 추천드려요!" |
| 마지막 좋아요 연관 상품 추천 | 마지막으로 좋아요한 상품과 유사한 상품을 추천 | "관심 표시한 상품과 비슷한 신상이 도착했어요!" |
"마지막 ○○ 연관 상품 추천"은 블럭 스 데이터 연동 시점 이후의 행동만 시드로 사용해요.
마지막 장바구니 / 클릭 / 구매 / 좋아요 연관 추천은 블럭스에 적재된 행동 이벤트를 토대로 시드 상품을 잡습니다. 따라서 데이터 연동 시점 이후에 해당 행동 기록이 한 건도 없는 유저는 추천 풀이 만들어지지 않아 발송 대상에서 자동으로 제외됩니다.
- 신규 회원이거나, 연동 이후 한 번도 클릭·장바구니·구매·좋아요를 하지 않은 유저
- 발송 대상 모수에는 포함되어 있더라도, 추천이 비어 있어 발송 실패로 집계됨
대상 모수 대비 발송 성공 수가 크게 적다면, 위와 같이 시드가 될 행동이 없는 유저가 많은 경우인지 확인해 주세요. 행동 기록이 없는 유저까지 커버하고 싶다면 유저 취향 / 관심 카테고리 / 관심 브랜드 같은 행동 비의존 유형을 함께 활용하는 것을 권장합니다.
시나리오 전용 (3가지) — 시작 이벤트 연동
시나리오에서는 위 7가지에 더해, 시작 이벤트가 발생시킨 바로 그 상품을 토대로 추천하는 3가지 유형을 추가로 사용할 수 있어요. 캠페인의 "마지막 ○○ 연관 상품 추천"과 비슷해 보이지만, 시나리오에서는 방금 막 행동한 상품을 정확히 시드(seed)로 쓰기 때문에 더 즉각적이고 정밀합니다.
| 시작 이벤트 | 추 천 유형 | 추천 방식 |
|---|---|---|
| 장바구니 담기 | 장바구니 구매 유도 추천 | 방금 장바구니에 담은 그 상품과 유사한 상품을 추천해 즉시 구매를 유도 |
| 상품 클릭 | 클릭 상품 탐색 유도 추천 | 방금 클릭한 그 상품과 유사한 상품으로 탐색을 이어가게 유도 |
| 구매 | 재구매 유도 추천 | 방금 구매한 그 상품과 유사한 상품을 추천해 재구매로 연결 |
시나리오 추천 유형은 시작 이벤트와 자동으로 묶이기 때문에, 시나리오 시작 노드에 위 세 이벤트 중 하나를 골라 두면 메시지 노드에서 그에 맞는 추천 유형이 활성화됩니다.
시나리오에서는 시작 이벤트 기반 추천 유형을 쓰는 것이 더 정확해요.
"마지막 장바구니 / 마지막 클릭 / 마지막 구매" 같은 마지막 행동 기준 추천은 발송 시점에 그 유저의 가장 최근 행동 상품을 시드로 씁니다. 그래서 시나리오 진입 이벤트와 발송 시점 사이에 다른 행동이 끼어들면, 정작 발송될 때는 의도와 다른 상품을 시드로 잡을 수 있어요.
예를 들어, 상품 A를 구매하고 시나리오에 진입한 유저에게 7일 후 후속 메시지를 보내려고 했는데, 그 사이 유저가 상품 B를 추가로 구매했다면 — "마지막 구매 연관 상품 추천"은 상품 B를 기준으로 추천해 버립니다. 원래 전달하고 싶었던 메시지는 상품 A 기준의 후속 제안인데도요.
반면 시나리오 전용 추천 유형은 시나리오에 진입할 때 발생한 그 시작 이벤트의 상품을 시드로 고정하기 때문에, 딜레이 노드 등으로 발송 시점이 미뤄져도 처음 의도한 상품을 토대로 추천이 이어집니다. 시나리오에서 후속 추천을 보낼 때는 가능하면 시나리오 전용 추천 유형을 우선 사용하세요.
3. 추천 조건으로 좁히기
추천에 포함하거나 제외할 상품을 조건으로 추가할 수 있어요.
- 상품 속성: 카테고리, 브랜드, 가격대 같은 기본 속성
- 커스텀 상품 속성: 애플리케이션이 직접 보낸 추가 속성
유형과 조건을 정한 뒤 상품 수 확인 버튼으로 추천 풀에 몇 개의 상품이 들어가는지 점검해주세요. 너무 적으면 조건을 느슨하게, 너무 많으면 조건을 좁히는 식으로 조정할 수 있어요.
설정이 끝났다면 전화번호·이메일·유저 ID로 특정 유저의 추천 결과를 미리 볼 수도 있습니다.
4. 메시지 본문에 추천 상품 변수 추가하기
추천 설정이 끝나면, 상품 추천 정보 버튼을 다시 클릭해 메시지 본문에 끼워 넣을 상품 정보 항목을 고릅니다.
추천 상품 1개에 대해 사용할 수 있는 정보는 다음과 같아요.
| 정보 종류 | 설명 |
|---|---|
| 상품명 | 추천된 상품의 이름 |
| 상품 ID | 추천된 상품의 고유 ID |
| 가격 / 정가 | 판매가, 할인 전 정가 |
| 브랜드명·ID | 추천 상품의 브랜드 정보 |
| 카테고리 1·2·3 | 대·중·소 카테고리 명·ID |
| 상품 링크 | 데스크톱 / 모바일 URL |
| 상품 이미지 | 카카오 브랜드 메시지·캐러셀·와이드 등 다양한 이미지 URL |
추천 결과는 1순위, 2순위, 3순위... 식으로 나오기 때문에, 몇 번째 추천 상품을 사용할지 함께 지정 합니다. 첫 번째 추천 상품을 쓰려면 1번을 지정하면 돼요. 메시지 안에서 1순위·2순위 추천 상품을 동시에 사용해도 됩니다.
본문에 삽입되는 변수 문법
추가 버튼을 클릭하면 본문 커서 위치에 아래 형태의 Liquid 변수가 삽입됩니다. 미리보기 영역에도 동일한 변수가 그대로 노출되며, 발송 시점에 유저별 추천 결과로 치환돼요.
{{ item_recommendations.0.name }} ← 1순위 상품의 이름
{{ item_recommendations.0.brand_name }} ← 1순위 상품의 브랜드명
{{ item_recommendations.1.name }} ← 2순위 상품의 이름
{{ item_recommendations.2.name }} ← 3순위 상품의 이름
순위 인덱스는 0부터 시작합니다. 0 = 1순위, 1 = 2순위, 2 = 3순위.
변수는 직접 타이핑하지 않아도 콘솔이 자동으로 만들어 주므로 드롭다운에서 골라 추가하는 것을 권장해요. 직접 입력 시 오타로 인해 발송 시점에 빈 값으로 치환될 수 있습니다.
메시지 본문 예시
예시 1 — 단일 추천 상품 강조 ( 앱푸시 / SMS)
짧은 채널에서는 1순위 추천 상품 한 건만 강조하는 것이 클릭률이 좋아요.
{{ name | default: "고객" }}님, 좋아하실 만한 상품이 도착했어요 🎁
👉 {{ item_recommendations.0.brand_name }} {{ item_recommendations.0.name }}
예시 2 — TOP 3 리스트 (LMS / 카카오 브랜드 메시지 텍스트형)
긴 본문에서는 상위 3개를 함께 노출해 비교 클릭을 유도할 수 있어요.
{{ name | default: "고객" }}님께 추천드려요 ✨
🥇 {{ item_recommendations.0.name }}
🥈 {{ item_recommendations.1.name }}
🥉 {{ item_recommendations.2.name }}
지금 바로 만나보세요!
예시 3 — 브랜드·카테고리와 함께 보여주기
브랜드·카테고리 정보를 함께 노출하면 어떤 맥락의 추천인지 명확해져 신뢰도가 올라가요.
{{ name | default: "고객" }}님이 좋아하시는 {{ item_recommendations.0.category_2_name }} 신상이에요!
[{{ item_recommendations.0.brand_name }}] {{ item_recommendations.0.name }}
예시 4 — 카카오 브랜드 메시지 캐러셀 피드형
캐러셀 피드형은 카드 1장당 1개의 추천 상품을 표시할 수 있어, 카드별로 순위를 나눠 매핑해요.
[1번 카드]
{{ item_recommendations.0.name }} - {{ item_recommendations.0.brand_name }}
[2번 카드]
{{ item_recommendations.1.name }} - {{ item_recommendations.1.brand_name }}
[3번 카드]
{{ item_recommendations.2.name }} - {{ item_recommendations.2.brand_name }}
발송 전 테스트 발송으로 실제 단말에서 변수가 정상 치환되는지 확인하세요. 추천 풀이 비어 있는 유저(예: 신규 가입자)에게는 변수가 빈 값으로 노출될 수 있어, 추천 풀 크기를 충분히 확보한 뒤 발송하는 것이 안전합니다.
자주 묻는 질문
예전에 구매 내역이 있는 유저인데 「마지막 구매 연관 상품 추천」이 발송 실패로 잡혀요.
실 구매 이력이 있더라도 그 데이터가 블럭스에 연동되어 있지 않으면 추천 시드가 만들어지지 않습니다.
블럭스의 행동 기반 추천(마지막 장바구니 / 클릭 / 구매 / 좋아요 연관)은 블럭스에 적재된 이벤트만 시드로 사용합니다. 따라서 다음 두 경우에는 발송 대상이라도 추천이 비어 발송 실패로 집계됩니다.
- 과거 데이터 연동을 진행하지 않음 — 블럭스 도입 이전의 구매 이력은 별도 마이그레이션을 거치지 않으면 블럭스에 들어오지 않습니다.
- 연동 이후 해당 행동 이력이 없음 — 연동은 됐지만, 그 이후로 구매를 한 번도 하지 않은 유저
이는 마지 막 구매뿐 아니라 마지막 장바구니 / 마지막 클릭 / 마지막 좋아요 모두에 동일하게 해당됩니다. 과거 이력 활용이 필요하다면 담당 매니저에게 과거 데이터 연동을 요청해 주세요.
시나리오 전용 추천 유형은 테스트 발송으로 확인이 안 돼요.
시나리오 전용 3가지 추천 유형(장바구니 구매 유도 / 클릭 상품 탐색 유도 / 재구매 유도)은 시나리오 시작 이벤트가 발생시킨 그 상품을 시드로 사용합니다. 따라서 시작 이벤트가 없는 테스트 발송에서는 시드를 잡을 수 없어 추천 결과가 비어 있고, 본문 변수도 빈 값으로 노출됩니다.
실제 동작을 확인하려면 테스트 발송 대신 다음 절차를 사용해 주세요.
- 시나리오 오디언스를 내부 인원으로 한정해 설정
- 시나리오를 활성화
- 내부 인원이 직접 시작 이벤트(장바구니 담기 / 상품 클릭 / 구매)를 발생시킴
- 발송된 메시지에서 추천 상품이 정상적으로 노출되는지 확인
이 방식으로만 시나리오 전용 추천 유형의 실제 발송 결과를 검증할 수 있습니다.