실시간 반응형 추천 시스템 프로젝트 소개

이 게시물은 배민 앱에서 사용자의 실시간 행동 이력을 활용한 추천 시스템 개발 배경과 설계, 시스템 구성에 대해 설명합니다.

기존 추천 방식과 한계

• Two Tower 모델 기반의 오프라인 배치 방식으로 개인화 추천 제공
• 실시간 변화하는 사용자의 관심사를 즉각 반영하지 못함

실시간 반응형 추천 시스템 구성

• 실시간 행동 이력 스트리밍 파이프라인 구축 및 MongoDB 적재
• 가게 및 검색어 임베딩 생성을 위한 인코더 모델 학습
• PostgreSQL과 pgVector를 활용한 벡터 유사도 검색 컴포넌트 개발

성과 및 향후 계획

• A/B 테스트에서 노출 대비 주문전환율 40% 이상 상승
• 컴포넌트 기반 설계로 개발 효율성과 확장성 확보
• 사용자 의도 파악 및 랭킹 정교화, 컴포넌트 최적화 등 지속적 개선 예정