이 자습서에서는 Genie Code를 사용하여 Databricks Notebook 내에서 직접 엔드 투 엔드 고객 구분을 실행합니다. 원시 마케팅 캠페인 데이터 집합에서 시작하여, Genie Code는 하나의 명령어만으로 데이터 프로파일링, 특성 엔지니어링, K-평균 클러스터링, 가상 사용자 생성을 모두 처리합니다.
요구 사항
- Genie Code가 활성화된 Databricks 작업 영역입니다.
- 계정 및 작업 영역 모두에 대해 사용하도록 설정된 파트너 기반 AI 기능입니다. 파트너 기반 AI 기능을 참조하세요.
- Genie 코드 에이전트 모드 미리 보기를 사용하도록 설정했습니다. Azure Databricks 미리 보기 관리를 참조하세요.
1단계: 데이터 집합 가져오기
이 자습서에서는 마케팅 캠페인 데이터 집합을 사용합니다.
- Kaggle에서 마케팅 캠페인 데이터 집합 을 다운로드합니다.
-
새로 > 추가 또는 데이터 업로드를 클릭합니다. - 테이블 만들기 또는 수정을 클릭합니다.
- 찾아보기를 클릭하거나 끌어서 다운로드한 파일을 드롭 영역에 놓습니다.
- Unity 카탈로그에서 대상 카탈로그 및 스키마를 선택합니다.
- (선택 사항) 테이블 이름을 편집합니다.
- 테이블 만들기을 클릭합니다.
2단계: 전자 필기장 열기
- 사이드바에서 새로 만들기를 클릭하고 전자 필기장을 선택합니다.
- 노트북의 이름을 마케팅 캠페인 데이터로 지정하세요.
- Notebook을 연결하여 컴퓨팅하거나 서버리스 컴퓨팅을 사용합니다.
3단계: 에이전트 모드에서 지니 코드 시작
에이전트 모드의 Genie Code는 셀 출력을 읽고 오류를 수정하며 결과에 따라 접근 방식을 조정하는 다단계 작업을 자율적으로 계획하고 실행할 수 있습니다.
- 전자 필기장의 오른쪽 위 모서리에서
을 클릭합니다. 지니 코드 창을 엽니다. - Genie 코드 창 아래쪽의 모드 선택기에서 에이전트를 선택합니다.
4단계: 분할 프롬프트 제출
분할 분석은 일반적으로 구매 패턴이 비슷한 클러스터링 고객에 의해 수행됩니다. 예를 들어 세그먼트는 소득, 인구 통계 또는 특정 구매 행동을 기반으로 할 수 있습니다. 일반적인 방법 중 하나는 유사한 고객을 "클러스터"라고 하는 고유한 세그먼트로 자동으로 그룹화하는 기술인 K-평균 클러스터링입니다.
다음 프롬프트를 입력하고 Enter 키를 누르거나 
을 클릭합니다.
Help me cluster my customers from my marketing campaign to profile them. I want to identify interesting segments that may be useful for marketing purposes.
Genie Code는 프롬프트를 단계로 나누어 실행합니다.
- 컨텍스트 이해 - Genie Code는 프롬프트 및 Notebook의 현재 상태를 읽습니다.
- 관련 데이터를 찾습니다 . Genie Code는 Unity 카탈로그에서 관련 데이터 자산을 검색하고 분석을 위해 로드합니다.
- 코드를 생성하고 실행합니다 . Genie Code는 라이브러리 가져오기, 데이터 전처리, 모델 학습 및 결과 시각화와 같은 표준 데이터 과학 워크플로에 따라 Notebook 셀을 편집합니다.
- 결과를 요약합니다 . Genie Code에는 발견된 내용에 대한 일반 언어 요약이 있습니다.
Genie Code는 코드를 실행하기 전에 승인을 요청합니다. 각 단계를 검토하고 [허용]을 클릭합니다. 이 스레드에서 모든 단계를 승인하려면 현재 대화에 대해 허용을 선택하시고, 항상 허용을 선택하여 향후 승인 프롬프트를 건너뛸 수 있습니다.
5단계: 결과 검토
Genie Code가 완료되면 생성된 Notebook 셀과 지니 코드 창의 요약을 검토합니다. 요약은 인구 통계 특성, 구매 동작 및 각 그룹의 참여 방법에 대한 제안을 포함하여 식별된 각 고객 세그먼트에 대해 설명합니다.
예를 들어, Genie Code는 프리미엄 충성파 (고소득, 빈번한 구매자) 및 거래 구직자 (가격에 민감한 프로모션 중심)와 같은 세그먼트를 식별할 수 있습니다.
6단계: 후속 프롬프트를 사용하여 구체화
후속 프롬프트를 사용하여 분석을 자세히 살펴봅니다.
Are there any other clustering techniques we should consider?What happens if we increase the number of clusters?Filter to customers who have made a purchase in the last 90 days.
각 후속 프롬프트는 다시 시작하지 않고 이전 결과를 기반으로 합니다.
