개인화 추천 시스템 구축기

이 게시물은 컬리에서 개발한 개인화 추천 시스템의 설계와 성과를 소개합니다.

핵심 구성 요소

• 상품 속성을 압축해 표현하는 Semantic ID 생성 (RQ-VAE 활용)
• Transformer 기반 인코더로 유저 행동 시퀀스를 Collaborative Space로 번역
• Generative Head와 Retrieval Head의 Dual-Head 구조를 통한 성능 및 속도 개선
• Knowledge Distillation으로 두 헤드 간 표현력 병목 해소
• Order Positional Encoding, 인기 편향, Hard Negative Sampling 등 데이터 엔지니어링 기법 적용

실험 결과

• 오프라인 평가에서 기존 모델 대비 HR@10 약 66% 향상
• 온라인 A/B 테스트에서 장바구니 전환율과 유저당 매출 모두 크게 증가
• CRM 캠페인에서 클릭률 약 55.6% 상승

향후 전망

후속편에서는 실시간 서빙 아키텍처 및 랭킹 시스템 구축 관련 내용을 다룰 예정입니다.