낯선 오타와 싸워서 이기고 싶은 마음

문제 상황

• 검색 오타 보정의 기존 방식이 로그 기반 사후 집계에 의존해 커버리지가 낮은 한계
• 새로운 오타 패턴은 초기 검색 실패를 피하기 어려운 구조
• 오타-정타 쌍 수집 자체도 희소성과 수작업 비용이 큰 문제

해결 방법

• 검색어 임베딩 다중 질의, 벡터검색, 번역 모델 중 운영 부담이 상대적으로 낮은 번역 모델 채택
• 정타를 선별한 뒤 오타를 생성하는 방식으로 학습 데이터 구성
• multitask learning과 편집거리 필터링으로 문맥 부족과 허위 보정 문제 완화

성능/운영 포인트

• 검색 실패율과 실패검색어의 벡터검색 의존 비중 감소
• 보정 결과의 CTR 유지와 월 단위 매출 기여
• 추가 GPU·벡터검색 도입, 생성형 검색 모델 등 후속 개선 과제 존재