방문이 끝나는 순간이 다음 예약의 시작입니다. 예약 앱은 "잡아주는 것"에서 끝나지만, AgentZ는 방문 완료 이후의 루프를 자동화해 매장의 재방문 매출을 만듭니다. 아래 설계는 전부 데모 7단계에서 클릭으로 확인할 수 있습니다.
취향·주기 기억은 명시 동의 후에만. 코스로 방문했다면 코스 단위로 재제안합니다 ("지난번 그 코스, 이번 주말에도?").
후보 선정은 Backend 규칙/모델(주기 도래·이탈 위험·선호 시간대) — LLM은 문구만 씁니다. 취소 발생 시 대기자 자동 제안으로 빈 자리를 재판매합니다.
| 단계 | 방법 | 시점 |
|---|---|---|
| v0 (MVP) | 업종 표준 주기 + 개인 최근 방문 간격 이동평균 | M3 — 로드맵 |
| v1 | 개인별 베이지안 업데이트 (표준 주기 prior → 개인 이력 posterior) | M7 |
| v2 | 생존분석 — 시점별 재방문 확률로 캠페인 타이밍 최적화 | M11 |
| v3 | 슬롯 매칭 최적화 — 빈 슬롯 × 후보를 전환확률 가중 배정 | 2년차 |
각 단계는 논문이 아니라 지표로 증명됩니다(아래). 데이터가 쌓일수록 좋아지는 구조 자체가 해자(Intent·Transaction Graph)의 실체입니다.
| 지표 | 정의 | 연결 |
|---|---|---|
| 제안→예약 전환율 | 재방문 제안 중 예약 확정 비율 | 데모 시연 · 실증 90일 측정 |
| 빈 슬롯 충전율 | AI 제안으로 채워진 빈 시간 / 전체 빈 시간 | 사장님 대시보드 KPI |
| 주기 예측 오차 | 예측 재방문일 vs 실제 (MAE, days) | 모델 v1부터 |
| 재예약률 | 첫 방문 고객의 2회차 전환 | 90일 목표: 재예약 20건+ |
| AI 경유 매출 비중 | 전체 매출 중 AI 제안 기인 | 주간 차트 시연 |
| 기능 | 내용 | 상태머신 |
|---|---|---|
| 노쇼 방지 | 리마인드(D-1·당일) · 보증금/선결제 옵션 · 노쇼 이력 반영 | NO_SHOW 분기 |
| 취소·변경 | AI 대화로 변경 → Hold 재획득 → 승인 (새 예약과 동일 게이트) | CANCELLED → 재DRAFT |
| 대기자 | 취소 시 대기 후보 자동 제안 — 데모 7단계 시연 | 슬롯 반환 이벤트 |
| 방문 후 케어 | 감사 메시지 · 피드백 수집 (REVIEW 이벤트) | COMPLETED 후 |
| 시즌·기념일 | 기념일/시즌 캠페인 — 코스 재제안 결합 | 루프 ① 트리거 |
타협 불가 원칙 — 후보·슬롯·가격은 Backend가 결정하고 LLM은 문구만 씁니다. 발송은 사장님 승인, 재예약 확정은 소비자 승인 + Backend 검증 후. 개인화 데이터는 동의 기반 수집·목적 제한(보안 설계 §데이터). 광고성 정보 전송 규제 적용 여부는 법무 검토 사항입니다.