Cosmo SmartPredict는 사용자가 구성을 완료할 때 컨텍스트에 맞는 빠른 예측 권장 사항을 제공합니다. SmartPredict는 환경에 저장된 CPQ 기존 구성 또는 CSV 파일을 통해 업로드된 데이터에 대해 교육할 수 있습니다.

Cosmo SmartPredict는 강력한 기본 AI 모델을 활용하지만 학습을 위해 제공되는 데이터의 양과 품질에 따라 달라집니다.

Cosmo SmartPredict 설정

Cosmo SmartPredict에 대한 액세스는 제한됩니다. 사용자 CPQ 환경에서 SmartPredict를 프로비저닝하려면 지원 센터에 문의하십시오. 프로비저닝이 완료되면 개별 Blueprint에서 SmartPredict를 선택적으로 활성화할 수 있습니다. Blueprint에서 SmartPredict를 활성화하려면 Blueprint로 이동하여 Blueprint에서 새 스마트 예측 타일을 클릭한 다음 SmartPredict 화면에서 토글 버튼을 클릭합니다.

SmartPredict 모델을 만들려면 생성 을 클릭하여 모델 매개변수 정의를 시작합니다. 최소한 모델에는 이름과 변수 이름이 있어야 합니다. 몇 가지 추가 모델 설정에 따라 모델이 학습에 사용해야 하는 데이터가 결정됩니다.

• 라이브 데이터를 사용한 교육

  라이브 데이터를 사용하여 모델을 교육하기로 선택한 경우 이 Blueprint를 사용하는 기존 및 향후 구성 CPQ 은 Blueprint의 필드에 대한 모델을 세분화하기 위한 입력으로 사용됩니다. 시작 날짜를 정의하고 필드 포함 또는 제외를 지정하여 학습 데이터를 더 세분화할 수 있습니다. 필드 값을 기반으로 추가 필터를 만들 수 있습니다. 교육 데이터의 필터링은 선택 사항입니다. 다른 모든 매개변수를 비워 두면 모델이 Blueprint의 모든 기존 구성에 대해 교육됩니다. 매개변수 설정이 완료되면 저장 및 교육 을 클릭하여 모델 교육을 시작합니다.

  선택적 필터링 매개변수는 다음과 같습니다.

  • 시작 날짜: 교육할 구성의 시작 날짜(포함)를 선택합니다. 비어 있는 경우 구성은 생성된 날짜별로 필터링되지 않습니다.
  • 필드: Blueprint의 개별 필드를 포함하거나 제외하도록 선택할 수 있습니다.
  • 추가 필터: 교육 구성 데이터를 필터 기준과 일치하는 데이터로만 필터링하려면 개별 필드를 선택하고 동일한 기준을 입력하면 됩니다.
• CSV 파일의 데이터를 사용한 교육

  또한 데이터 형식을 지정하고 CSV 파일로 업로드하여 외부 소스의 데이터로 모델을 학습시킬 수 있습니다. CSV 데이터에서 첫 번째 행은 필드의 변수 이름이어야 합니다. CSV 업로드 페이지에서 Blueprint의 모든 필드가 포함된 샘플 CSV 파일을 다운로드할 수 있습니다.

  CSV 파일의 서식을 지정할 때 Blueprint에서 사용 가능한 필드의 하위 집합만 제공하도록 선택할 수 있습니다.

  • 필드: 열 헤더는 값이 제공되는 필드의 변수 이름이어야 합니다. 예측할 수 있는 유형의 필드(부울, 숫자, 선택 목록, 세트, 제품 선택기)만 교육에 사용됩니다. 텍스트 필드는 예측되지 않으며 교육에 사용되지 않습니다.
  • 다중 선택 선택: 공백 없이 쉼표를 사용하여 선택 목록의 여러 값을 제공합니다.
  • 세트 및 제품 선택기: 세트 및 제품 선택기 필드의 형식은 인덱스의 경우 0, 1 또는 2를 사용하고 필드, 세트 또는 제품 선택기의 변수 이름을 사용하여 SetVariableName_index_fieldVariableName 또는 ProductPickerVariableName_index_fieldVariableName입니다.

모델이 저장되면 업로드된 데이터 또는 필터링된 라이브 데이터를 기반으로 교육을 위해 큐에 대기합니다. 교육은 제공되는 데이터의 양에 따라 달라지지만 일반적으로 몇 시간 또는 기껏해야 하루가 걸립니다. 모델이 학습을 완료하면 활성화하고 배포할 수 있습니다.

모델이 라이브 데이터를 사용할 때 필터, 필드 또는 시작 날짜가 변경되면 모델이 재교육됩니다. 새 CSV 데이터가 업로드되면 모델이 재교육됩니다. 라이브 데이터를 사용하는 모델은 주기적으로 라이브 데이터에 대한 교육을 계속합니다. 모델이 새 라이브 데이터로 자동으로 학습되는 경우에는 업데이트된 모델을 사용하도록 Blueprint를 재배포할 필요가 없습니다.

Cosmo SmartPredict 사용

Blueprint에 대한 모델 교육이 완료되면 활성화할 수 있습니다. 여러 SmartPredict 모델을 교육할 수 있지만 한 번에 하나의 모델만 Blueprint에서 활성화할 수 있습니다. Blueprint에 대한 모델이 변경되거나 활성화되면 새 모델을 사용하려면 Blueprint를 재배포해야 합니다.

최종 사용자가 Cosmo SmartPredict에서 권장 사항을 트리거하려면 필드의 약 5%를 값으로 채워야 합니다.

예측 필드 유형에는 이러한 모든 유형의 숫자, 선택 목록, 부울 값, 세트(숫자, 선택 목록 및 부울 필드 포함), 제품 선택기 및 하위 필드가 포함됩니다. 텍스트 필드가 예측되지 않습니다.

사용자에게는 좋음, 더 나은, 최고라는 세 가지 유형의 권장 사항이 제공됩니다. 이러한 권장 사항은 교육 데이터를 기반으로 하는 모델 예측에 해당합니다. 항상 그렇듯이 데이터의 품질은 예측의 품질에 큰 영향을 미칩니다.

권장 사항은 채워진 필드에 따라 변경될 수 있습니다. 사용자가 편집한 필드에는 예측이 없습니다.

세트 또는 제품 선택기가 예측에 포함된 경우 세트 또는 제품 선택기 행의 모든 필드에 예측 값이 있습니다.

SmartPredict V1 및 V2

SmartPredict에는 V1과 V2의 두 가지 모델을 사용할 수 있습니다. V1 모델은 계속 사용할 수 있지만 V2는 뛰어난 기능을 갖추고 있습니다.

V2 모델에는 이전 모델에 비해 몇 가지 주요 개선 사항과 변경 사항이 도입되었습니다.

• 향상된 예측 신뢰도: V2는 신뢰도가 높은 예측을 제공하도록 설계되었으며, 일반적으로 의사 결정을 안내하는 매우 가능성이 높은 단일 권장 사항을 제공합니다.
• 더 광범위한 필드 지원: 이제 예측 기능이 세트 및 제품 선택기 필드를 포함하도록 확장되어 구성 전반에 걸쳐 적용 가능성이 크게 넓어졌습니다.
• 확장된 예측 옵션: V1과 달리 V2는 세트 및 제품 선택기에 대한 세 가지 인덱스 또는 옵션을 예측하는 것으로 제한되지 않으므로 보다 포괄적이고 유연한 제안이 가능합니다.
• 교육 데이터 접근성: 관리자는 플랫폼에서 모든 시나리오에 사용되는 CSV 교육 데이터를 다운로드하여 투명성과 제어를 강화할 수 있습니다.

그러나 V2 모델 학습 시간은 훨씬 더 깁니다. 수천 개의 행으로 구성된 데이터 집합의 경우 학습 시간은 일반적으로 30분에서 60분 사이입니다. 또한 시나리오 목록 페이지를 통해 모델을 활성화해야 합니다. 교육 데이터 크기에 관계없이 활성화에는 20분에서 40분이 일관되게 걸립니다.

V1 모델은 계속 운영되므로 V2 채택 여부를 고려할 때 원활한 전환 기간을 제공합니다.

V2 모델의 정확성, 성능 및 전반적인 경험에 대한 귀하의 의견은 지속적인 개선에 매우 중요합니다. 귀하의 경험에 대해 듣고 구성에서 AI를 활용하는 고객의 성공을 축하합니다. 지원 팀 또는 제품 팀과 피드백을 공유해 주십시오.

메모 및 권장 사항

AI 모델 인프라에는 상당한 리소스가 필요합니다. 용량을 효과적으로 관리하기 위해 장기간 액세스하지 않았거나 사용량이 매우 적은 모델은 자동으로 비활성화될 수 있습니다. 모델이 비활성화된 경우 시나리오 목록 페이지에서 쉽게 다시 활성화할 수 있습니다. 예측을 다시 사용할 수 있게 되기 전에 재활성화 프로세스가 완료될 때까지 약 20-40분 정도 기다립니다.

일반적으로 모델을 교육할 강력한 데이터 세트를 확보하려면 약 400개의 구성이 필요합니다.

다른 AI 모델과 마찬가지로 훈련 데이터의 품질은 예측 품질의 주요 요소입니다.