초개인화 마케팅 프로세스 고도화 목적의 광고 도메인 특화 거대언어모델 파인튜닝 사례

• 영문명: Case Study on Developing a Domain-dedicated LLM Fine-tuning Aimed at Enhancing Hyper-Personalized Marketing Performance
• 발행기관: 한국상품학회
• 저자명: 손동진(Dong Jin Son)
• 간행물 정보: 『상품학연구』제43권 제2호, 23~30쪽, 전체 8쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

본 연구는 최근 많은 기업들의 공통된 관심사라고 할 수 있는 초개인화 마케팅에 AI를 적용하여 업무의 전 과정을 자동화하여 AI 디지털 마케팅 기업에서 출시한 소프트웨어인 ‘A 솔루션’의 개발 과정에서 도출된 페인 포인트와, 이를 극복하기 위한 오픈소스 거대언어모델(LLM) 파인튜닝(fine-tuning) 사례를 소개하는 연구이다. 미디어를 통한 광고의 홍수 속에서 소비자들은 점점 광고를 외면하거나, 받고 싶은 정보만 골라 소비한다. 또한, 전 세계적으로 디지털 상의 개인정보 보호정책이 강화됨에 따라 타겟 소비자를 발굴하고 개인화된 광고 컨텐츠를 노출하는 초개인화 마케팅에 대한 기업의 비용과 공수는 점점 증가하는 상황이다. 그런 차원에서 ‘A솔루션’은 기업과 소비자에게 모두 효율적인 도구라고 할 수 있다. 생성형 AI를 이용하여 워크 프로세스를 구축함으로써, 기존에 사람이 방대한 소비자 데이터를 수집하고 분석하는데 투입되었던 시간과 비용을 획기적으로 단축하고 에러를 최소화할 수 있다. Open AI사의 거대언어모델인 ChatGPT-4를 기반으로 개발된 ‘A 솔루션’은 수집한 데이터를 기반으로 가상 고객인 페르소나(persona)를 생성하며, 그에 최적화 된 광고콘텐츠를 자동으로 생성하고 광고를 집행하여 준다. 하지만 거대언어모델을 기반으로 과업이 수행되는 과정에서 필연적으로 발생할 수 있는 생성형 AI의 환각효과(hallucination)를 방지하고 처리 속도를 높이기 위해서는 소스 프로그램이 공개되어 자유롭게 수정하고 재배포할 수 있는 오픈소스 거대언어모델에 광고 데이터셋(dataset)을 학습시키는 개념인 파인튜닝이 필요하다. 본 연구는 오픈소스 거대언어모델로 잘 알려진 라마-3(Llama-3)를 파인튜닝하여 광고마케팅 도메인(domain)에 특화된 소형언어모델 AI 서비스를 개발하고자 하는 기술적인 방법론 사례를 다루었다. 파인튜닝은 광고 마케팅 뿐만 아니라 모든 분야에서 활발히 논의되어야 할 현안이라는 점에서, 본 연구가 국내/외에서 활발히 논의되고 있는 AI를 이용한 서비스형 소프트웨어(SaaS)의 새로운 이정표가 되기를 기대한다.

영문 초록

This study explores the application of AI in hyper-personalized marketing, a growing area of interest for many companies, and addresses the pain points encountered during the development of ‘A Solution’ an AI marketing solution designed to automate the entire marketing workflow. In an era of advertising saturation, consumers increasingly disregard ads or selectively engage with only the information they find relevant. Additionally, as global digital privacy regulations become more stringent, businesses face rising costs and complexity in identifying target consumers and delivering personalized advertising content. ‘A solution’ presents an innovative solution that enhances efficiency for both businesses and consumers. By leveraging generative AI to structure the workflow, it significantly reduces the time and resources traditionally required for the collection and analysis of vast consumer data while minimizing errors. Built upon OpenAI’s GPT-4, Adplorer generates virtual customer personas based on collected data, autonomously creates optimized advertising content, and executes ad campaigns. However, utilizing a general-purpose LLM in this process inevitably raises challenges such as hallucination effects, which can lead to inaccuracies, and processing inefficiencies. To mitigate these issues, LLM fine-tuning, which involves training the model on specialized advertising datasets, is essential. This study examines a practical methodology for fine-tuning Llama-3, a well-known open-source LLM, to develop a domain-specific small LLM AI agent tailored for advertising and marketing. As LLM fine-tuning is increasingly recognized as a critical factor across various industries beyond marketing, this research aims to contribute to the broader discourse on AI agents, setting a new milestone in both domestic and international discussions.

목차

Ⅰ. 서 론

Ⅱ. 선행 연구

Ⅲ. 사례연구

Ⅳ. 결 론

참고문헌

키워드

생성형 AI 거대언어모델 파인튜닝 도메인 특화 소형언어모델 초개인화 마케팅 디지털 마케팅 generative AI large language model LLM fine-tunning domain dedicated LLM hyper personalized marketing digital marketing