> ## Content Index > Fetch the complete content index at: https://www.mekeywhydoesmatter.com/llms.txt > Use this file to discover other available public pages before exploring further. # [Embedding] 9. 고객 임베딩 생성을 위해 고객 행동을 텍스트로 표현하는 전략 - URL: https://www.mekeywhydoesmatter.com/gogaeg-imbeding-saengseongeul-wihae-gogaeg-haengdongeul-tegseuteuro-pyohyeonhaneun-jeonryag/ - Published: 2026-02-14T14:38:19.000Z - Updated: 2026-03-02T08:10:16.000Z - Author: mekey - Tags: Embedding ### **로그를 문장으로 바꾸는 순간, 임베딩이 살아난다** --- ## **들어가며** LLM 임베딩을 고객 행동 분석에 쓰려는 순간, 반드시 마주치는 질문이 있다. > “이 수많은 행동 로그를 > **어떤 텍스트로 만들어야 하지?**” 이 단계는 단순한 전처리가 아니다. **임베딩 품질의 70% 이상이 여기서 결정**된다. --- ## **한 문장 요약** > **행동 시퀀스를 텍스트로 만드는 일은** > **데이터를 ‘설명 가능한 맥락’으로 바꾸는 작업이다.** --- ## **1.왜 굳이 ‘텍스트’여야 할까?** LLM은 본질적으로 다음에 특화되어 있다. - 순서(sequence) - 맥락(context) - 서술(narrative) - 원인–결과 행동 로그는 사실 이미 **이야기**다. ``` 탐색 → 비교 → 망설임 → 구매 ``` → 텍스트는 이 흐름을 **LLM이 가장 잘 이해하는 포맷**이다. --- ## **2.가장 단순한 시작: 행동 나열형 텍스트** ### **기본 포맷** ``` 세탁기 검색 → 드럼세탁기 상세 조회 → 가격 비교 → 장바구니 담기 → 구매 ``` ### **장점** - 구현이 쉽다 - 시간 순서 보존 - baseline으로 충분히 강력 ### **한계** - 행동의 “강도”와 “이유”가 없다 --- ## **3\. 전략 1: 행동을 ‘의미 단위’로 추상화하라** LLM은 **이벤트 ID**보다 **의미 표현**을 더 잘 이해한다. ### (X) **나쁜 예** ``` EVT_10231 → EVT_40221 → EVT_88210 ``` ### **(O) 좋은 예** ``` 가전 제품 정보 탐색 → 세탁기 제품 비교 → 구매 의사 형성 ``` **행동 로그 → 의미 행동(action semantic)** --- ## **4.전략 2: ‘행동 + 목적’을 함께 써라** 같은 행동도 목적이 다르면 의미가 달라진다. ### **예시** ``` 세탁기 검색 (구매 목적) 세탁기 검색 (고장 원인 확인 목적) ``` 또는 문장형으로: ``` 세탁기 구매를 고려하며 제품 정보를 탐색함 ``` → **행동 + 의도(intent)** 는 임베딩에서 가장 강력한 조합이다. 하지만 아쉽게도 대부분의 경우 이러한 의도 정보는 구하기 어렵다. --- ## **5.전략 3: 시간 정보를 자연어로 녹여라** 숫자 타임스탬프는 LLM에게 무의미하다. ### **(X)** ``` 2025-01-03 09:12 ``` ### **(O)** ``` 최근에 하루 뒤에 며칠 동안 반복적으로 오랜만에 ``` 예시 문장: ``` 최근 며칠 동안 세탁기 제품을 반복적으로 비교함 ``` → **상대 시간 표현**이 핵심 --- ## **6\. 전략 4: 빈도와 강도를 서술로 표현하라** LLM은 숫자보다 **언어적 강도 표현**에 강하다. | **로그** | **텍스트 표현** | | ------ | ---------- | | 1회 | 가끔 | | 3\~4회 | 여러 번 | | 10회+ | 반복적으로 | 예: ``` 세탁기 리뷰를 여러 번 확인함 ``` --- ## **7.전략 5: 너무 많은 행동은 요약하라** LLM 임베딩은 **핵심 흐름**을 좋아한다. ### **방법 1\. 윈도우 요약** - 최근 30일 → 자세히 - 이전 6개월 → 요약 ### **방법 2\. 단계 요약** ``` [탐색 단계] [비교 단계] [구매 직전 단계] ``` → **중요한 변화만 남긴다** --- ## **8.추천되는 텍스트 구조 템플릿** ### **템플릿 A: 나열형 (Baseline)** ``` 세탁기 검색 → 제품 비교 → 구매 ``` --- ### **템플릿 B: 문장형 (권장)** ``` 최근 세탁기 구매를 고려하며 여러 제품을 비교하고 가격과 리뷰를 확인한 뒤 구매로 이어짐 ``` --- ### **템플릿 C: 요약 + 상세 혼합형 (실무 최적)** ``` [최근 행동 요약] 세탁기 구매를 적극적으로 검토 중 [주요 행동] - 프리미엄 드럼세탁기 상세 비교 - 가격 및 사용자 리뷰 반복 확인 ``` --- ## **9\. 이 전략이 임베딩에 주는 효과** - 행동 시퀀스 간 **의미적 유사도 향상** - 구매 직전 / 탐색 단계 자연 분리 - 반대 행동도 같은 맥락으로 묶임 - 페르소나 벡터·의미 축 추출 용이 --- ## **10\. 흔한 실패 패턴** (X) 로그를 그대로 문자열로 연결 (X) 이벤트 ID 남발 (X) 시간·빈도 전부 숫자로 표현 (X) 모든 행동을 동일 가중치로 취급 → 결과: “임베딩은 나오지만, 의미는 없다” --- ## **한 문장으로 정리하면** > **좋은 행동 텍스트란** > **‘무엇을 했는지’가 아니라** > **‘왜 그렇게 흘러왔는지’를 말해준다.** --- ## **마치며** 고객 행동 시퀀스를 텍스트로 만드는 순간, 로그는 더 이상 데이터가 아니다. - 하나의 이야기 - 하나의 흐름 - 하나의 의도 이 텍스트 위에서 LLM 임베딩, 의미 축, 페르소나 벡터, 그리고 설명 가능한 추천까지 모두 자연스럽게 연결된다.