리디 추천 시스템 Phase 2 – Feature Store 도입기

리디는 사용자 맞춤형 추천 시스템을 개선하기 위해 Feature Store 프레임워크를 도입하였다. 추천 시스템의 필요성이 증가함에 따라, 데이터 엔지니어링 팀은 효율적인 데이터 파이프라인과 저장소의 개선을 목표로 하였다. Feature Store는 데이터 엔지니어와 데이터 사이언티스트의 역할을 분리하여 효율성을 높이고, 실시간 데이터 업데이트가 가능하도록 한다.

도입 과정

기존 시스템의 한계를 극복하기 위해, 리디는 ML 기반 알고리즘 성능 개선과 데이터 파이프라인의 비효율성을 해결하고자 했다. Feature Store는 독립적인 데이터 파이프라인을 구성하고, 데이터 모듈화 및 계층화를 통해 관리 비용을 절감하며 시스템 안정성을 향상시켰다.

키워드 추천 시스템

Feature Store 도입 후, 리디는 사용자 맞춤형 키워드 추천 시스템을 개발하였다. 이전의 접근 방식과 비교해 데이터 준비 과정이 간소화되어 추천 결과의 클릭률이 1.8배 증가했다. 이러한 성과는 Feature Store의 중요성을 재확인시켰으며, 향후 다양한 AI 추천 알고리즘 통합을 계획하고 있다.