장바구니 보완재 추천 모델 개발기

이 게시물은 컬리 앱의 장바구니 바텀시트에 적용한 보완재 추천 모델 개발 사례를 소개합니다.

모델 컨셉 및 선택

• 구매 의사결정의 마지막 단계에 있는 유저를 대상으로 보완재 상품 추천
• Transformer 기반 BERT4Rec 모델 선정 및 활용

데이터 전처리 및 평가

• 카테고리 간 보완재 관계를 NPMI 지표로 정량화하여 학습 데이터 개선
• HR@5, MRR@5 등 오프라인 지표 측정과 정성 평가를 병행

후처리 및 서비스 적용

• 추천 결과의 카테고리 편중을 Spotify 셔플링 알고리즘을 참고한 로직으로 완화
• A/B 테스트에서 장바구니 전환율과 구매량 약 100% 상승 확인

향후 과제

• 개인화 피쳐 추가 및 학습 효율 개선
• 지속적인 실험과 검증으로 추천 품질 향상 계획