업데이트: AI 피드백과 커스텀 프롬프트

AI가 사람의 생각을 이해하려면 충분한 학습 데이터가 필요합니다. 하지만 그 데이터를 처음부터 완벽하게 갖추기는 어렵습니다.

브랜드 매니저의 직관, 마케터의 판단, 조직마다 다른 분류 기준처럼, 사람의 사고방식은 AI가 학습하기 쉬운 형태로 정리되어 있지 않기 때문입니다. 결국 AI가 우리 조직의 판단 방식을 이해하려면, 우리가 직접 가르쳐야 합니다.

이번 업데이트는 그 ‘가르침’을 더 자연스럽게, 일상적인 업무의 흐름 속에서 할 수 있도록 지원합니다.

피드백을 남기면 AI가 자동으로 학습합니다

분석 결과를 검토하다 보면 “이건 이렇게 판단해야 하는데…”라고 느끼는 순간이 있습니다. 이제 그 순간에 피드백을 바로 남겨, AI에게 학습시킬 수 있습니다.

• 잘못된 판단을 발견: 예를 들어, 리뷰의 경향성이 "긍정"으로 분류되어야 하는데 "중립"으로 표시되어 있음.

• 값 수정: 변경 전: “중립” → 변경 후: “긍정”

• 이유 입력: “고객이 ‘촉촉해요’라고 표현했는데, 이는 긍정적인 사용감을 의미합니다.”

• 저장 후 자동 학습: 수정된 내용과 근거는 AI 학습 데이터로 반영되어 다음 분류에 영향을 줍니다.

모든 피드백은 구조적으로 관리됩니다. 객체 (문의, 리뷰, 커뮤니티, 광고, 주문)별로 조회하고, 속성 별로 필터링해 어떤 피드백을 남겼고, 어떻게 학습되었는지 확인할 수 있습니다.

직접 프롬프트를 작성해 AI의 판단 기준을 명확히 설정합니다

개별 데이터에 피드백을 남기는 것뿐 아니라, AI의 판단 기준 자체를 처음부터 명확히 정의할 수도 있습니다. 각 속성마다 AI가 참조할 프롬프트를 작성해, 조직의 해석 방식을 일관되게 적용할 수 있습니다.

• 입력 속성 연결: AI가 판단 시 참고할 데이터를 선택합니다. AI가 판단할 때 참고할 데이터를 선택해, 사용할 입력 값을 직접 지정할 수 있습니다.

• 프롬프트 본문 작성: AI가 따라야 할 규칙을 명확히 서술합니다.

  • 예) “우리는 뷰티 브랜드입니다. 고객이 ‘촉촉해요’, ‘보들보들해요’라고 표현하면 ‘긍정’입니다. ‘별로예요’, ‘실망이에요’라고 표현하면 ‘부정’입니다.”

• 테스트 및 검증: 실제 데이터를 입력해 결과를 미리 확인합니다. 결과가 기대와 다르면 프롬프트를 수정하고 다시 테스트할 수 있습니다.

  • 예) “A브랜드는 별로였는데 이건 촉촉해요!” → AI 판단: 비교긍정 ✓

• 적용 및 유지: 만족스러운 결과를 얻으면 프롬프트를 전체 데이터에 적용합니다. 이후 새로 분석되는 데이터에는 변경된 프롬프트가 자동으로 반영되며, 필요할 경우 피드백 기능을 통해 세부 조정을 이어갈 수 있습니다.

엔지니어의 도움 없이도, AI의 판단 체계를 직접 설계하고 검증할 수 있습니다. 조직의 기준을 시스템화함으로써 AI는 점점 더 우리 팀의 사고방식에 가까워집니다.

사소하지만 업데이트

지표 소수점 자리 지정하기

지표 표시의 정밀도를 직접 제어할 수 있는 기능이 추가되었습니다.

• SUM, AVG, RATIO처럼 연산이 필요한 지표에 대해, 소수점 몇째 자리까지 표시할지 직접 설정할 수 있습니다.

• 예를 들어 전환율은 소수점 둘째 자리까지, 평균 응답 시간은 한 자리까지, 총 건수는 정수로 표시하도록 지정할 수 있습니다.

• 데이터의 의미를 유지하면서도, 불필요한 자리수를 줄여 대시보드를 더 깔끔하게 관리할 수 있습니다.