무신사 패션 택소노미 구축기

이 게시물은 무신사 데이터프로덕트 팀이 패션 상품의 속성 정보를 일관되고 체계적으로 구축하기 위한 패션 택소노미 설계 과정을 소개합니다.

배경 및 문제점

• 브랜드마다 상품 속성 표현이 다양하고 모호해 추천 및 검색에 활용하기 어려움
• 기존 카테고리, 필터, 태그 방식은 데이터 품질과 일관성 부족 문제 존재
• 운영 인력의 수작업 처리 한계로 AI 자동화를 통한 속성 추출 필요성 대두

택소노미 설계 방향

• 패션 도메인과 개발 관점 모두 고려해 AI 학습에 적합한 속성 체계 구축
• 의류 중심으로 보이는 속성과 보이지 않는 속성 구분 및 우선순위 결정
• 물리적 속성(서브카테고리, 구성 요소, 디자인 요소)과 감성적 속성(스타일, TPO)으로 분류

적용 및 효과

• 이미지 라벨링과 AI 모델 학습으로 90% 이상 상품에 일관된 속성 정보 확보
• 추천, 검색, 랭킹 등 다양한 서비스에 속성 데이터 활용 중
• 운영 자동화로 비용 절감과 데이터 품질 향상 기대