Almeta ML

핵심 모델은 방문자가 정해진 이벤트를 완료할 확률을 돌려준다. 구매, 가입, 강의 수료 같은 이벤트다. 계산을 실행할 조건과 트리거는 직접 정한다. 상품 페이지를 세 번 본 뒤에 돌리는 식이다. 점수는 행동에 따라 갱신되므로 하루에 두 번 돌아온 방문자가 아침의 낮은 점수를 그대로 들고 오지 않는다.

추천은 모두에게 같은 "함께 산 상품" 블록을 보여주는 대신 방문자마다 상품을 정렬한다. Almeta는 탐색과 검색 기록에 카탈로그 데이터를 겹친다. 지역별 재고, 마진, 배송 기간, 매장 재고, 반품, 프로모션이 포함된다. 업체는 기본 위젯보다 클릭률이 2~3배, 성과가 5~10배 높다고 주장한다. 업체 수치이며 독립 검증 결과는 아니다.

의도 점수는 행동 신호와 프로필 정보를 합쳐 방문자가 페이지에 머무는 동안 구매 준비도를 추정한다. 시점이 중요한 이유는 두 가지다. 그 자리에서 페이지 내용을 바꾸는 일, 세션이 끝나기 전에 광고 오디언스를 만드는 일이다. 대부분의 방문자는 구매 없이 떠나고 다시 오지 않는다. Almeta는 이 점을 근거로 지금 열려 있는 세션에서 움직여야 한다고 말한다.

구매 너머의 주기도 다룬다. 발송 시각 최적화는 연락처마다 열어 볼 가능성이 높은 시간대를 고르고, 리드 점수는 폼 제출과 가입을 품질 순으로 정렬한다. 예상 매출과 고객 생애 가치는 한 고객이 얼마짜리인지 추정한다. 이탈 확률과 로열티 등급 예측은 유지 캠페인에 쓰인다.

점수는 마케터가 일하는 곳에 도착해야 의미가 있다. 계산 결과는 Google Ads, Meta Ads, Bing Ads, TikTok Ads, Shopify, 이메일 도구, CRM으로 흘러간다. 웹 태그는 브라우저에서 모델 계산을 직접 실행할 수 있고, api.almeta.cloud의 REST API는 이벤트, 고객, 모델, 계산, 카탈로그 데이터를 Bearer 토큰으로 처리한다.

카탈로그 데이터가 일반 추천 엔진과 비즈니스를 이해하는 엔진을 가른다. 상품을 속성과 함께 올리면 엔진이 정렬할 때 재고, 마진, 배송 기간, 지역을 함께 따진다. 방문자 지역에서 품절된 상품이 목록 맨 앞에 오지 않고, 규칙에 따라 마진이 높은 상품이 베스트셀러를 앞지를 수 있다.