GSP1284

개요

고객 참여 시스템을 구축하는 것은 복잡한 경우가 많으며 전문 도구가 필요할 수 있습니다. 하지만 SQL 문처럼 간단한 방법으로 이 작업을 수행할 수 있다면 어떨까요? 이제 BigQuery 연속 쿼리를 사용하면 이러한 작업이 가능합니다.

여러분의 멋진 웹사이트에 잠재고객이 방문해 장바구니에 제품을 담았다고 상상해 보세요. 하지만 잠재고객이 구매를 완료하지 않은 채 이탈합니다. 해결책은 무엇일까요? BigQuery 연속 쿼리와 Gemini로 맞춤 이메일을 보내 실시간 참여를 유도하여 고객의 관심을 다시 불러일으켜 보세요.

BigQuery 연속 쿼리는 지속적으로 실행되는 SQL 문으로, BigQuery에서 수신되는 데이터를 실시간으로 분석합니다. 연속 쿼리를 사용하면 통계를 만들고 그에 기반한 즉각적인 조치, 실시간 머신러닝(ML) 추론 적용, 생성된 콘텐츠 사용, 다른 플랫폼에 데이터 복제 등 시간에 민감한 작업을 수행하는 데 도움이 됩니다. 이를 통해 애플리케이션 결정 로직을 위한 이벤트 기반 데이터 처리 엔진으로 BigQuery를 사용할 수 있습니다. BigQuery 연속 쿼리를 활용하면 Gemini와 같은 생성형 AI 모델을 사용해 고객의 선택에 따라 맞춤형 텍스트를 생성하는 등 실시간 AI 사용 사례 실현이 가능합니다.

이 실습에서는 BigQuery 연속 쿼리, Gemini 모델, Pub/Sub, Application Integration 트리거를 사용하여 맞춤 이메일 콘텐츠를 생성하고 전송하는 방법을 알아봅니다. 구체적으로는 BigQuery 테이블에서 버려진 장바구니 레코드를 모니터링하고, 새로운 버려진 장바구니 정보를 Gemini에 전송하여 해당 고객을 위한 맞춤 프로모션 이메일을 생성하는 BigQuery 연속 쿼리를 만듭니다. 그런 다음 맞춤 이메일 콘텐츠를 BigQuery에서 Pub/Sub 주제로 내보내고, 구성한 Application Integration 트리거가 수신된 각 Pub/Sub 메시지에 대해 이메일을 전송합니다.

학습할 내용

이 실습에서는 다음을 수행하는 방법에 대해 알아봅니다.

• BigQuery ML 원격 모델 만들기 및 구성(Gemini 2.0 Flash)
• 커스텀 서비스 계정에 BigQuery 및 Pub/Sub 리소스에 대한 액세스 권한 부여
• Application Integration 트리거 만들기 및 구성
• BigQuery에서 Gemini를 사용하여 이메일 텍스트를 생성하는 연속 쿼리 만들기
• 버려진 장바구니 테이블에 데이터를 추가하여 연속 쿼리 테스트

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

작업 1. BigQuery ML 원격 모델 만들기 및 구성

이 작업을 위해 continuous_queries라는 BigQuery 데이터 세트와 abandoned_carts라는 버려진 장바구니 테이블을 포함한 여러 리소스가 미리 만들어져 있습니다.

이 작업에서는 Gemini 2.0 Flash를 엔드포인트로 사용하여 워크플로에 맞게 맞춤 이메일 콘텐츠를 생성하는 BigQuery ML 원격 모델을 포함하는 BigQuery 리소스를 추가로 만들고 구성합니다.

BigQuery 원격 연결 만들기

1. Google Cloud 콘솔에서 탐색 메뉴() > BigQuery를 클릭합니다.

2. 탐색기 창에서 + 추가를 클릭한 다음 외부 데이터 소스에 연결을 클릭합니다.

참고: + 추가 다음에 외부 데이터 소스에 연결 옵션이 표시되지 않으면 + 데이터 추가를 클릭한 다음 데이터 소스 검색창을 사용하여 Vertex AI를 검색하면 됩니다. Vertex AI 검색 결과를 클릭합니다.

3. 연결 유형으로 Vertex AI 원격 모델, 원격 함수, BigLake(Cloud 리소스)를 선택합니다.

4. 연결 ID에 continuous-queries-connection을 입력합니다.

5. 위치 유형으로 리전 > 을(를) 선택합니다.

6. 연결 만들기를 클릭한 다음 페이지 하단의 메시지에서 연결로 이동을 클릭합니다.

연결 정보 페이지에서 다음 섹션에 사용할 서비스 계정 ID를 복사합니다.

예: bqcx-1054723899402-whbp@gcp-sa-bigquery-condel.iam.gserviceaccount.com

BigQuery 서비스 계정에 Vertex AI에 대한 IAM 역할 부여

1. Google Cloud 콘솔의 탐색 메뉴()에서 IAM 및 관리자 > IAM을 선택합니다.

2. 액세스 권한 부여를 클릭합니다.

3. 새 주 구성원에 이전 섹션에서 복사한 서비스 계정 ID를 입력합니다(예: bqcx-1054723899402-whbp@gcp-sa-bigquery-condel.iam.gserviceaccount.com).

4. 역할 선택에서 Vertex AI > Vertex AI 사용자를 선택합니다.

5. 저장을 클릭합니다.

BigQuery ML 원격 모델 만들기

1. Google Cloud 콘솔에서 탐색 메뉴() > BigQuery를 클릭합니다.

2. 제목 없는 쿼리를 클릭하여 빈 쿼리 창에 액세스합니다.

3. 다음 쿼리를 복사해 붙여넣어 BigQuery ML 모델을 만들고 실행을 클릭합니다.

# Create a BigQuery ML remote model named gemini_2_0_flash CREATE MODEL `{{{project_0.project_id | Project ID}}}.continuous_queries.gemini_2_0_flash` REMOTE WITH CONNECTION `{{{project_0.default_region | Region}}}.continuous-queries-connection` OPTIONS(endpoint = 'gemini-2.0-flash-001'); 참고: 이전 섹션에서 할당한 서비스 계정 권한과 관련된 오류가 발생하면 몇 분 정도 기다렸다가 쿼리를 다시 실행하세요.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. BigQuery ML 원격 모델 만들기 및 구성

작업 2. 커스텀 서비스 계정에 BigQuery 및 Pub/Sub 리소스에 대한 액세스 권한 부여

이 작업을 위해 recapture_customer라는 Pub/Sub 주제와 bq-continuous-query-sa@.iam.gserviceaccount.com이라는 커스텀 서비스 계정을 포함한 여러 리소스가 이미 생성되어 있습니다.

이 작업에서는 커스텀 서비스 계정에 BigQuery 데이터 세트, 원격 모델, Pub/Sub 주제에 대한 액세스 권한을 부여합니다. 이 모든 권한은 나중에 맞춤 이메일을 생성하고 전송하는 데 사용됩니다.

커스텀 서비스 계정에 BigQuery 데이터 세트 및 원격 모델에 대한 액세스 권한 부여

1. Google Cloud 콘솔에서 탐색 메뉴() > BigQuery를 클릭합니다.

2. 탐색기 창에서 옆에 있는 화살표를 펼칩니다.

3. 외부 연결을 펼치고 .continuous-queries-connection을 클릭합니다.

4. 연결 정보 페이지에서 공유를 클릭합니다.

5. 주 구성원 추가를 클릭합니다.

6. 새 주 구성원에 커스텀 서비스 계정 ID(bq-continuous-query-sa@.iam.gserviceaccount.com)를 입력합니다.

7. 역할 선택에서 BigQuery > BigQuery 연결 사용자를 선택합니다.

8. 저장을 클릭한 다음 닫기를 클릭합니다.

9. 탐색기 창에서 버려진 장바구니에 대한 테이블이 포함된 데이터 세트의 이름(continuous_queries)을 클릭합니다.

10. 데이터 세트 정보 페이지에서 공유를 클릭하고 권한을 선택합니다.

11. 주 구성원 추가를 클릭합니다.

12. 새 주 구성원에 커스텀 서비스 계정 ID(bq-continuous-query-sa@.iam.gserviceaccount.com)를 입력합니다.

13. 역할 선택에서 BigQuery > BigQuery 데이터 편집자를 선택합니다.

14. 저장을 클릭한 다음 닫기를 클릭합니다.

커스텀 서비스 계정에 Pub/Sub 뷰어 및 Pub/Sub 게시자 역할 부여

1. Google Cloud 콘솔에서 탐색 메뉴() > 모든 제품 보기를 클릭합니다. 분석에서 Pub/Sub를 클릭합니다.

2. recapture_customer 행에서 작업 더보기(세로 점 3개)를 클릭하고 권한 보기를 선택합니다.

3. 주 구성원 추가를 클릭합니다.

4. 새 주 구성원에 커스텀 서비스 계정 ID(bq-continuous-query-sa@.iam.gserviceaccount.com)를 입력합니다.

5. 역할 선택에서 Pub/Sub > Pub/Sub 뷰어를 선택합니다.

6. 다른 역할 추가를 클릭합니다.

7. 역할 선택에서 Pub/Sub > Pub/Sub 게시자를 선택합니다.

8. 저장을 클릭합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 커스텀 서비스 계정에 BigQuery 및 Pub/Sub 리소스에 대한 액세스 권한 부여

작업 3. Application Integration 트리거 만들기 및 구성

Application Integration은 Google Cloud의 Integration-Platform-as-a-Service(iPaaS) 솔루션으로, 특정 비즈니스 운영을 지원하기 위해 통합되어야 하는 여러 애플리케이션과 데이터를 연결하고 관리하기 위한 도구 모음을 제공하며 이를 포괄적으로 통합이라고 합니다. 트리거는 Pub/Sub 주제의 이벤트를 기반으로 하는 Pub/Sub 트리거와 같이 통합에서 태스크 또는 일련의 태스크를 시작하는 외부 이벤트입니다. 트리거에 연결된 이벤트로 인해 트리거와 관련된 태스크가 실행되므로 트리거를 통합의 진입점으로 생각할 수 있습니다.

이 작업에서는 새 메시지가 Pub/Sub 주제로 전송될 때 통합을 실행하는 Application Integration 트리거를 만들고 구성합니다. 통합을 실행한 결과는 버려진 장바구니의 고객에게 전송되는 이메일입니다.

Pub/Sub 트리거 만들기

1. Google Cloud 콘솔에서 검색창(페이지 상단)에 Application Integration을 입력한 다음 검색 결과 목록에서 Application Integration을 클릭합니다.

2. Application Integration 시작하기 페이지의 리전에서 을(를) 선택합니다.

3. 빠른 설정을 클릭하여 필요한 API를 사용 설정합니다.

4. 통합 만들기를 클릭하고 통합 이름으로 abandoned-shopping-carts-integration을 입력합니다.

5. 만들기를 클릭합니다.

6. abandoned-shopping-carts-integration 페이지에서 트리거(페이지 상단)를 클릭합니다.

7. Cloud Pub/Sub를 선택하고 캔버스를 클릭하여 Pub/Sub 트리거를 추가합니다.

8. 트리거 세부정보 창의 트리거 입력 > Pub/Sub 주제에서 미리 만들어진 Pub/Sub 주제에 대한 경로를 추가합니다.

projects/{{{project_0.project_id | Project ID}}}/topics/recapture_customer

9. 서비스 계정에서 커스텀 서비스 계정 ID(bq-continuous-query-sa@.iam.gserviceaccount.com)를 선택합니다.

목록에 표시되지 않으면 목록 새로고침을 클릭합니다.

필요한 역할을 부여하라는 경고가 표시되면 부여를 클릭합니다.

Pub/Sub 트리거의 데이터 매핑 변수 구성

1. 캔버스 상단에서 트리거 옆에 있는 태스크를 클릭합니다.

2. 검색창에 데이터 매핑을 입력합니다.

3. 결과에서 데이터 매핑을 선택하고 캔버스를 클릭하여 Cloud Pub/Sub 트리거 아래에 데이터 매핑 태스크를 추가합니다.

4. Cloud Pub/Sub 트리거의 하단 연결점을 클릭하고 커서를 드래그하여 데이터 매핑의 상단 연결점에 연결합니다.

이제 Cloud Pub/Sub 트리거의 하단에서 데이터 매핑의 상단으로 이어지는 화살표가 표시됩니다.

5. 캔버스에서 데이터 매핑 항목을 클릭하고 데이터 매핑 편집기 열기를 클릭합니다.

다음 단계에서는 각각 CloudPubSubMessage.data 유형의 4가지 입력 변수를 만듭니다.

변수 1. message_output

1. 입력에서 변수 또는 값을 클릭합니다.

2. 변수를 선택한 다음 CloudPubSubMessage.data를 선택합니다. 저장을 클릭합니다.

3. 출력에서 새 출력 만들기를 클릭합니다.

4. 이름에 message_output을 입력합니다.

5. 변수 유형에서 통합의 출력을 선택합니다.

6. 데이터 유형에서 문자열을 선택합니다.

7. 빈 기본값 의미에서 빈 문자열을 사용 설정합니다.

8. 만들기를 클릭합니다.

변수 2. customer_message

방금 입력에 포함된 함수가 없는 변수를 하나 만들었습니다.

이제 입력에 함수 두 개가 포함된 또 다른 변수를 만듭니다.

1. 입력에서 변수 또는 값을 클릭합니다.

2. 변수를 선택한 다음 CloudPubSubMessage.data를 선택합니다. 저장을 클릭합니다.

3. 두 번째 변수 옆에 있는 함수 추가(+ 아이콘)를 클릭하고 TO_JSON() -> JSON을 선택합니다.

4. 두 번째 변수에 대해 함수 추가(+ 아이콘)를 다시 클릭하고 GET_PROPERTY(문자열) -> JSON을 선택합니다.

5. .GET_PROPERTY 옆에 있는 변수 또는 값을 클릭합니다.

6. 값을 선택하고 customer_message를 입력합니다.

7. 이 변수와 동일한 행을 유지하고 출력에서 새 출력 만들기를 클릭합니다.

8. 이름에 customer_message를 입력합니다.

9. 변수 유형에서 통합의 출력을 선택합니다.

10. 데이터 유형에서 문자열을 선택합니다.

참고: JSON에 대한 함수가 추가되었기 때문에 기본값은 JSON입니다. 따라서 안내에 따라 데이터 유형을 문자열로 변경해야 합니다.

11. 빈 기본값 의미에서 빈 문자열을 사용 설정합니다.

12. 만들기를 클릭합니다.

변수 3과 4. customer_email 및 customer_name

• 이전 섹션의 1~12단계를 반복하여 다음 정보로 변수를 2개 더 만듭니다.

GET_PROPERTY()의 값	출력 이름
customer_email	customer_email
customer_name	customer_name

참고: JSON 함수가 추가되었기 때문에 출력의 기본 데이터 유형은 JSON입니다. 따라서 두 변수의 출력 데이터 유형을 문자열로 변경해야 합니다.

이제 이 Application Integration 트리거에 대해 데이터 매핑 변수가 4개(message_output, customer_message, customer_email, customer_name) 구성되었습니다.

이메일 보내기 태스크 추가

1. 화면 상단에서 데이터 매핑 태스크 편집기 옆에 있는 뒤로 화살표(<-)를 클릭하여 캔버스로 돌아갑니다.

2. 캔버스 상단에서 트리거 옆에 있는 태스크를 클릭합니다.

3. 검색창에 이메일 보내기를 입력합니다.

4. 검색 결과에서 이메일 보내기를 선택하고 캔버스를 클릭하여 데이터 매핑 아래에 이메일 보내기 태스크를 추가합니다.

5. 데이터 매핑의 하단 연결점을 클릭하고 커서를 드래그하여 이메일 보내기의 상단 연결점에 연결합니다.

Cloud Pub/Sub 트리거를 데이터 매핑에 연결하는 첫 번째 화살표 외에도 데이터 매핑의 하단에서 이메일 보내기의 상단으로 이어지는 두 번째 화살표가 생깁니다.

6. 캔버스에서 이메일 보내기 항목을 클릭하여 세부정보를 확인합니다.

7. 수신자에서 변수를 클릭합니다. customer_email을 입력하고 검색 결과에서 해당 변수를 선택합니다.

빨간색 경고가 표시되면 계속 진행하기 전에 검색 결과에서 변수를 선택했는지 확인하세요.

8. 제목에 장바구니에 있는 상품을 잊지 마세요를 입력합니다.

9. 본문 형식에서 HTML을 선택합니다.

10. HTML 본문에서 변수를 클릭합니다. customer_message를 입력하고 검색 결과에서 해당 변수를 선택합니다.

빨간색 경고가 표시되면 계속 진행하기 전에 검색 결과에서 변수를 선택했는지 확인하세요.

11. abandoned-shopping-carts-integration 페이지의 오른쪽 상단에서 게시를 클릭합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Application Integration 트리거 만들기 및 구성

작업 4. BigQuery에서 Gemini를 사용하여 이메일 텍스트를 생성하는 연속 쿼리 만들기

이전 작업에서는 BigQuery ML 원격 모델 및 Pub/Sub용 Application Integration 트리거와 같이 통합에 필요한 다양한 구성요소를 만들고 구성했습니다.

이 작업에서는 워크플로의 마지막 부분인 연속 쿼리를 만듭니다. 이 연속 쿼리는 BigQuery 테이블에서 버려진 장바구니 레코드를 모니터링하고, Gemini에 요청을 전송하여 해당 고객을 위한 맞춤 프로모션 이메일을 생성하며, Pub/Sub 주제에 내보낼 맞춤 이메일 콘텐츠를 작성합니다.

BigQuery Enterprise 예약 만들기

1. Google Cloud 콘솔에서 탐색 메뉴() > BigQuery > 용량 관리(관리 아래)를 클릭합니다.

2. 예약 만들기를 클릭합니다.

3. 예약 이름에 bq-continuous-queries-reservation을 입력합니다.

4. 위치에서 을(를) 선택합니다.

5. 버전에서 Enterprise를 선택합니다.

6. 최대 예약 크기 선택기에서 초소형(슬롯 50개)을 선택합니다.

7. 기준 슬롯에 50을 입력합니다.

8. 저장을 클릭합니다.

할당 만들기

예약을 만든 후 슬롯 예약 테이블에서 bq-continuous-queries-reservation이라는 이름의 예약 행을 식별합니다.

1. 작업에서 예약 작업(세로 점 3개)을 클릭하고 할당 만들기를 선택합니다.

2. 조직, 폴더 또는 프로젝트 선택에서 탐색을 클릭하고 이 프로젝트()를 선택합니다.

3. 작업 유형에서 연속을 선택합니다.

4. 만들기를 클릭합니다.

bq-continuous-queries-reservation이라는 이름의 예약 옆에 있는 화살표를 펼쳐 projects/(으)로 표시되는 새 할당을 확인할 수 있습니다.

BigQuery에서 연속 쿼리 만들기

1. BigQuery의 왼쪽 사이드 메뉴에서 스튜디오를 클릭합니다.

2. 제목 없는 쿼리를 클릭하여 빈 쿼리 창에 액세스합니다.

3. 다음 쿼리를 복사해 붙여넣어 연속 쿼리를 만듭니다. 단, 아직 실행을 클릭하지 마세요.

EXPORT DATA OPTIONS (format = CLOUD_PUBSUB, uri = "https://pubsub.googleapis.com/projects/{{{project_0.project_id | Project ID}}}/topics/recapture_customer") AS (SELECT TO_JSON_STRING( STRUCT( customer_name AS customer_name, customer_email AS customer_email, REGEXP_REPLACE(REGEXP_EXTRACT(ml_generate_text_llm_result,r"(?im)\<html\>(?s:.)*\<\/html\>"), r"(?i)\[your name\]", "Your friends at AI Megastore") AS customer_message)), FROM ML.GENERATE_TEXT( MODEL `{{{project_0.project_id | Project ID}}}.continuous_queries.gemini_2_0_flash`, (SELECT customer_name, customer_email, CONCAT("Write an email to customer ", customer_name, ", explaining the benefits and encouraging them to complete their purchase of: ", products, ". Also show other items the customer might be interested in. Provide the response email in HTML format.") AS prompt FROM APPENDS(TABLE `{{{project_0.project_id | Project ID}}}.continuous_queries.abandoned_carts`, -- Configure the APPENDS TVF start_timestamp to specify when you want to -- Start processing data using your continuous query. -- Here we process data as ten minutes before the current time. CURRENT_TIMESTAMP() - INTERVAL 10 MINUTE)), STRUCT( 1024 AS max_output_tokens, 0.2 AS temperature, 1 AS candidate_count, TRUE AS flatten_json_output)))

4. 쿼리 창 상단에서 작업 더보기(세로 점 3개) > 더보기(톱니바퀴 아이콘)를 클릭하고 쿼리 모드 선택에서 연속 쿼리를 선택합니다.

메시지가 표시되면 확인을 클릭합니다.

5. 작업 더보기(세로 점 3개) > 더보기(톱니바퀴 아이콘)를 다시 클릭하고 쿼리 설정을 선택합니다.

6. 연속 쿼리의 서비스 계정에서 커스텀 서비스 계정(bq-continuous-query-sa@.iam.gserviceaccount.com)을 선택합니다.

7. 저장을 클릭하여 쿼리 설정을 종료합니다.

8. 쿼리 창에서 실행을 클릭하여 연속 쿼리를 시작합니다.

연속 쿼리가 시작되는 데 몇 분 정도 걸릴 수 있습니다.

쿼리 창 상단에 작업이 계속 실행 중이라는 상태가 표시되면 최종 태스크 진행이 가능합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. BigQuery에서 Gemini를 사용하여 이메일 텍스트를 생성하는 연속 쿼리 만들기

작업 5. 버려진 장바구니 테이블에 데이터를 추가하여 연속 쿼리 테스트

마지막 작업에서는 abandoned_carts 테이블에 일부 데이터를 추가하여 연속 쿼리를 테스트하고 맞춤 이메일을 고객에게 보내는 통합을 시작합니다.

1. BigQuery에서 + 아이콘(제목 없는 쿼리 오른쪽에 있는 SQL 쿼리)를 클릭하여 새 쿼리 창을 엽니다.

2. 다음 쿼리를 복사하여 붙여넣어 버려진 장바구니의 세부정보를 테이블에 삽입한 다음 실행을 클릭합니다.

원하는 경우 이름을 자신의 이름으로 바꿀 수 있습니다. 생성된 이메일에 액세스하려면 을(를) 자신의 이메일 주소로 바꾸어도 됩니다.

아래 쿼리에 포함된 대로 실습 사용자 이름()을 사용하면 생성된 이메일에 액세스할 수 없습니다.

# Insert details for an abandoned shopping cart to the table INSERT INTO `continuous_queries.abandoned_carts`(customer_name, customer_email,products) VALUES ("Name","{{{user_0.username | User Email}}}","Violin Strings, Tiny Saxophone, Guitar Strap")

결과에 이 문으로 abandoned_carts에 행 1개가 추가되었습니다.라는 메시지가 표시되면 이 태스크는 완료된 것입니다.

버려진 장바구니 테이블에 새 행을 삽입함으로써 제공된 사용자에게 버려진 장바구니 상품에 관한 맞춤 이메일을 전송하는 워크플로를 시작했습니다.

지금 액세스할 수 있는 이메일 주소를 제공했다면 몇 분 정도 기다린 후 이메일을 확인하여 버려진 장바구니에 관한 맞춤 메시지를 확인하세요.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 버려진 장바구니 테이블에 데이터를 추가하여 연속 쿼리 테스트

수고하셨습니다

이 실습에서는 BigQuery 연속 쿼리, Gemini 2.0 Flash, Pub/Sub, Application Integration 트리거를 사용해 맞춤 이메일 콘텐츠를 생성하고 전송하는 방법을 알아보았습니다. 구체적으로는 BigQuery 연속 쿼리에서 수신한 각 Pub/Sub 메시지에 대해 이메일을 전송하도록 Application Integration 트리거를 구성했습니다. BigQuery 연속 쿼리는 Gemini에 요청하여 고객을 위한 맞춤 프로모션 이메일을 생성하고, Pub/Sub 주제에 내보낼 맞춤 이메일 콘텐츠를 작성합니다.

다음 단계/더 학습하기

• AI 함수 사용이라는 제목의 문서를 확인하여 BigQuery 연속 쿼리에서 지원되는 AI 함수에 대해 자세히 알아보세요.
• 태스크라는 제목의 문서를 확인하여 Application Integration에서 지원되는 태스크에 대해 자세히 알아보세요.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2025년 3월 25일

실습 최종 테스트: 2025년 3월 25일

Copyright 2025 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.