AI와 함께하는 무신사 2.0 시나리오 기반 추천 시스템 개발

이 게시물은 무신사 2.0에서 도입한 시나리오 기반의 설명 가능한 추천 시스템 개발 과정을 상세히 설명합니다.

추천 시스템 개편의 배경과 목표

• 기존 데모그래픽 기반 추천의 한계 극복
• 행동 패턴과 상호작용에 기반한 60여 개 시나리오 제공
• 설명 가능한 추천 시나리오로 사용자 신뢰도 향상

시나리오 및 기술적 구성

• 4가지 시나리오 그룹: 실시간 반응형, 액션 기반, 유저 선호도 기반, 트렌드 기반
• 코어 모델(장기 및 단기 로그 기반)과 재정렬, 시나리오 순서 최적화 모델 활용
• 그래프 기반 PinSage와 Bert4Rec 모델을 사용하여 고품질 임베딩 추출

시스템 아키텍처 및 성과

• 실시간 로그 수집 및 멀티 스토어 UI 적용
• API 구조로 개인화 시나리오 효율적 서빙
• 오픈 후 전환율 156%, 클릭 수 129% 증가 등 긍정적 지표 달성