Alloydb 및 Vertex AI에 의해 향상된 스마트 쇼핑 어시스턴트

전자상거래의 분주한 세계에서 두각을 나타내려면 단순히 좋은 제품 라인업 이상의 것이 필요합니다. 개인적이고 효율적인 쇼핑 경험을 만드는 것이 중요합니다. 이 가이드에서는 AlloyDB와 Vertex AI Agent Builder를 사용해 스마트 쇼핑 어시스턴트를 구축하는 과정을 안내하겠습니다. 우리는 이러한 기술들이 전자상거래 데이터와 통합되어 실시간 코사인 유사도 검색과 스마트 추천을 제공하는 방법을 탐구할 것입니다. 이 모든 것은 서버리스 Cloud Run 함수에 배포됩니다. 목표는 무엇일까요? 사용자에게 직관적일 뿐만 아니라 매우 만족스러운 쇼핑 경험을 제공하는 것입니다.

주요 포인트

• AlloyDB 인스턴스 설정 및 전자상거래 데이터셋 로드.
• AlloyDB에서 pgvector 및 생성 AI 모델 확장 활성화.
• 제품 설명에서 임베딩 생성.
• 사용자 입력을 기반으로 실시간 코사인 유사도 검색 수행.
• 서버리스 Cloud Run 함수에 솔루션 배포.

스마트 쇼핑 어시스턴트 구축: 종합 가이드

AlloyDB와 Vertex AI: 강력한 조합

이 프로젝트는 Google Cloud의 PostgreSQL 호환 데이터베이스 서비스인 AlloyDB와 지능형 에이전트 제작을 위한 Google의 플랫폼인 Vertex AI Agent Builder의 힘을 활용합니다. AlloyDB는 분석의 중추 역할을 하며, Vertex AI는 대화형 AI의 마법을 더합니다. AlloyDB는 대규모 전자상거래 데이터셋을 관리하는 데 필요한 힘을 제공하고, Vertex AI는 자연어 처리와 실시간 추천을 위한 지능을 가져옵니다. 이 둘은 함께 반응이 빠르고 도움이 되는 쇼핑 어시스턴트를 위한 길을 닦습니다.

이 통합의 장점은 다음과 같습니다:

• 실시간 제품 검색 및 추천
• 맞춤형 쇼핑 경험
• 확장되는 전자상거래 데이터를 처리할 수 있는 확장성
• 서버리스 기술을 사용한 비용 효율적인 배포

1부: AlloyDB로 기초 다지기

AlloyDB를 설정하고 AI 통합을 준비하는 것부터 시작합시다. 해야 할 일은 다음과 같습니다:

1. AlloyDB 인스턴스 생성: 클라우드 플랫폼에서 인스턴스를 설정하고 전자상거래 데이터셋을 로드합니다.

   

2. pgvector 및 생성 AI 확장 활성화: 이 확장은 AlloyDB가 벡터 임베딩과 AI 모델을 통합하여 유사도 검색과 지능적인 응답을 가능하게 합니다.
3. 임베딩 생성: 제품 설명을 의미적 본질을 담은 숫자 벡터로 변환합니다.
4. 실시간 코사인 유사도 검색: 사용자 텍스트와 제품 데이터를 실시간으로 매칭하기 위해 검색을 수행합니다.
5. 서버리스 배포: 서버리스 확장성과 비용 효율성을 위해 Cloud Run 함수에 솔루션을 배포합니다.

AlloyDB를 분석 엔진으로: 콘텐츠 추출, 임베딩, 벡터 검색

AlloyDB는 분석의 핵심으로, 다음과 같은 필수 기능을 수행합니다:

• 콘텐츠 추출: 제품, 카테고리, 고객 행동 간의 관계를 파악하여 쇼핑 어시스턴트에 맥락을 제공합니다.
• 임베딩 생성: 제품 설명과 사용자 쿼리를 임베딩으로 변환하여 의미적 텍스트 비교를 가능하게 합니다.

  

• 벡터 검색: 쿼리 임베딩과 제품 임베딩을 비교하여 가장 관련성 높은 상위 25개 매칭을 찾습니다. Gemini가 이를 검증하고, 결과는 JSON 형식으로 포맷됩니다.

단계별 가이드: Google Cloud 프로젝트 설정

Google Cloud 프로젝트 획득

기술적인 측면에 뛰어들기 전에 Google Cloud 프로젝트가 필요합니다. 처음이라면, 프로젝트를 생성하고 스마트 쇼핑 어시스턴트의 테스트 및 배포 비용을 충당하는 데 도움이 되는 $300 크레딧이 포함된 무료 평가판을 이용할 수 있습니다.

Google Cloud 프로젝트 생성에 대한 자세한 내용은 설명의 비디오(타임스탬프 4:30)를 참조하세요.

1. Google Cloud Console로 이동합니다.
2. 아직 가입하지 않았다면 계정을 생성합니다.
3. 로그인 후 새 프로젝트를 생성하고 무료 평가판을 활성화합니다.
4. 콘솔에 있으며 프로젝트가 선택되어 있는지 확인합니다.

Cloud Shell 활성화

Google Cloud 서비스를 관리하려면 gcloud 명령줄 도구에 액세스할 수 있는 브라우저 기반 터미널인 Cloud Shell을 실행해야 합니다.

• Google Cloud Console에서 "Cloud Shell 활성화" 아이콘을 클릭합니다.
• 초기화될 때까지 잠시 기다립니다.
• 계정에 로그인합니다.

인증 및 프로젝트 구성

계속 진행하기 전에 인증이 완료되었는지, 프로젝트가 올바르게 설정되었는지 확인하세요. 방법은 다음과 같습니다:

1. 'gcloud auth list' 명령을 실행하여 인증 상태를 확인합니다.

   

2. 요청 시 Cloud Shell을 인증합니다.
3. 'gcloud config list project' 명령으로 프로젝트 목록을 확인합니다.

필수 Google Cloud API 활성화

AlloyDB 및 기타 Google Cloud 서비스를 사용하려면 필요한 API를 활성화해야 합니다. gcloud 명령줄 도구로 이를 수행할 수 있습니다.

다음 명령을 실행하여 필요한 API를 활성화합니다:

이 명령은 AlloyDB, Google의 완전 관리형 PostgreSQL 데이터베이스와 Gemini 1.5 기능을 활성화하는 데 필요한 API를 활성화합니다. 완료까지 몇 분이 걸릴 수 있습니다.

AlloyDB 인스턴스 생성: 단계별

AlloyDB 인스턴스 설정

Google Cloud 프로젝트가 준비되었으므로 AlloyDB 인스턴스를 설정할 차례입니다. 방법은 다음과 같습니다:

1. Google Cloud Console에서 AlloyDB를 검색합니다.
2. 클러스터를 생성하고 비밀번호를 설정합니다.
3. 인스턴스의 지역을 선택합니다.
4. 기본 네트워킹 옵션을 선택합니다.

AlloyDB Studio 연결 및 데이터 추가

AlloyDB 인스턴스가 실행되면 지식 기반을 구축하기 위해 데이터를 추가해야 합니다.

1. AlloyDB Studio로 이동하여 전자상거래 데이터베이스를 생성합니다. 인스턴스가 준비될 때까지 기다립니다.
2. 데이터베이스로 PostgreSQL을 선택하고 인증합니다.
3. AlloyDB Studio로 이동하면 여러 편집기 창이 표시됩니다.
4. pg_vector 및 googleml 통합 확장을 생성합니다.
5. 의류 테이블을 생성하고 설정 명령을 실행합니다.
6. AlloyDB 내에서 다양한 카테고리가 포함된 의류 테이블과 같은 테이블을 생성합니다.

Google Cloud Console을 통해 ML 플래그 추가

검색 기능을 활성화하려면 Cloud Shell을 사용하여 Google Cloud 플래그를 추가해야 합니다:

1. 기본 인스턴스로 이동하여 "인스턴스 수정"을 선택합니다.
2. 고급 옵션을 선택하고 플래그를 선택합니다.
3. "데이터베이스 플래그 추가"를 클릭합니다.
4. 모델 지원을 활성화하기 위해 google_ml 통합을 선택하고 클릭합니다. 이 설정은 AlloyDB 서비스 계정이 Vertex AI의 사용자로 작동하도록 허용합니다.

Google Cloud 비용 이해: AlloyDB, Vertex AI, Cloud Run

Google Cloud 가격 고려사항

그러나 무료 평가판에서 제공되는 $300 크레딧은 초기 구현 단계에서 이러한 비용의 대부분, 아니 전부를 충당할 수 있을 것입니다.

장단점: 균형 잡힌 관점

장점

• 개인화된 쇼핑 경험: 맞춤형 제품 추천과 검색 결과를 제공하여 고객 만족도와 판매를 증진시킵니다.
• 실시간 응답성: 즉시 답변을 제공하고 사용자 행동에 따라 추천을 동적으로 조정합니다.
• 확장성 및 비용 효율성: 서버리스 기술을 활용하여 증가하는 전자상거래 데이터를 관리하고 운영 비용을 절감합니다.
• AI 기반 지능: 자연어 이해와 벡터 검색을 통합하여 보다 직관적이고 효율적인 쇼핑 경험을 제공합니다.

단점

• 구현 복잡성: 데이터베이스 관리, AI 통합, 서버리스 배포에 대한 전문 지식이 필요합니다.
• 데이터 준비: 전자상거래 데이터를 AlloyDB 및 Vertex AI에 적합한 형식으로 변환하는 데 시간이 걸릴 수 있습니다.
• 모델 훈련: AI 모델을 훈련하고 최적화하는 것은 계산 비용이 많이 들고 전문 기술이 필요합니다.
• 지속적인 유지보수: AI 모델의 정확성과 관련성을 유지하려면 정기적인 모니터링과 재훈련이 필요합니다.

이 지식 엔진의 기능

Google AlloyDB의 기능

Google Cloud의 완전 관리형 PostgreSQL인 AlloyDB는 분석 엔진 역할을 합니다. 제공하는 기능은 다음과 같습니다:

• 콘텐츠 추출: 콘텐츠와 사용자 검색 간의 관계를 분석합니다.

  

• 콘텐츠 임베딩: 텍스트를 의미 분석을 위한 숫자 벡터로 변환합니다.
• 답변 찾기: 사용자에게 가장 관련성 높은 검색 결과를 식별합니다.

스마트 쇼핑 어시스턴트 활용

전자상거래 개인화

"핑크 캐주얼 순면" 상의를 찾는 고객을 상상해보세요. 스마트 쇼핑 어시스턴트는 이 쿼리를 사용하여 여성 상의 카테고리에 맞는 제품뿐만 아니라 사용자의 색상, 스타일, 원단 선호도에 맞는 제품을 찾을 수 있습니다. 이러한 개인화 수준은 쇼핑 경험을 더욱 관련성 있고 즐겁게 만듭니다.

고객 지원 챗봇

고객 서비스 챗봇은 이 지식 엔진을 활용하여 제품 관련 질문에 실시간 답변을 제공할 수 있습니다. 고객의 쿼리를 분석하고 제품 설명과 비교함으로써 챗봇은 정확하고 유용한 정보를 제공하여 고객 만족도를 높이고 지원 비용을 줄일 수 있습니다.

자주 묻는 질문

AlloyDB란 무엇인가요?

AlloyDB for PostgreSQL은 Google Cloud Platform의 완전 관리형, PostgreSQL 호환 데이터베이스 서비스로, 높은 성능과 가용성으로 알려져 있습니다. 오픈소스 PostgreSQL의 장점과 Google의 혁신을 결합합니다.

Vertex AI Agent Builder란 무엇인가요?

Vertex AI Agent Builder는 AI 기반 에이전트와 대화형 인터페이스를 구축하고 배포하기 위한 Google Cloud의 플랫폼입니다. 자연어 이해, 대화 관리, 다양한 데이터 소스와의 통합을 위한 도구를 제공합니다.

사용 중인 임베딩 모델은 무엇인가요?

이 구현은 사용자 검색을 수행하기 위해 Vertex AI 서비스의 텍스트 임베딩 004 모델을 사용합니다.

관련 질문 및 추가 탐구

쇼핑 어시스턴트 경험을 어떻게 더 개인화할 수 있나요?

개인화를 한 단계 더 높이려면 사용자 행동 데이터를 통합할 수 있습니다. 이는 과거 구매, 검색 기록, 기타 상호작용을 분석하여 상세한 사용자 프로필을 구축하는 것을 의미합니다. 쇼핑 어시스턴트는 이 프로필을 사용하여 제품 추천과 검색 결과를 미세 조정하여 각 사용자의 선호도에 맞춘 쇼핑 경험을 제공할 수 있습니다.