당신이 보는 첫 화면은 어떻게 정해질까? 무신사 홈 배너 개인화 추천 이야기
무신사는 홈 배너 추천을 개인화하기 위해 HGNN, DeepFM, Two-Tower, Continual Learning을 활용한 파이프라인을 구축했습니다. 이를 통해 배너 표현력과 최신성, 스토어별 불균형 문제를 개선하며 CTR 성과를 높였습니다.

무신사는 홈 배너 추천을 개인화하기 위해 HGNN, DeepFM, Two-Tower, Continual Learning을 활용한 파이프라인을 구축했습니다. 이를 통해 배너 표현력과 최신성, 스토어별 불균형 문제를 개선하며 CTR 성과를 높였습니다.

제타 AI팀은 대화 기억력과 서사적 몰입을 개선하며 자체 LLM을 빠르게 배포했습니다. 사용자 피드백을 학습에 반영하는 Data Flywheel과 A/B 테스트로 재미를 검증합니다.


여기어때 홈 카테고리 아이콘을 리스킨한 과정과 UT, A/B 테스트 결과를 정리했습니다. 기존 메타포의 한계를 보완하며 직관성과 현실성을 높인 디자인 방향을 확인했습니다.


가격 혜택 정보를 최종가 주변에 명확히 보여주도록 UX를 개선한 사례를 다뤘습니다. 1차 실험의 문제를 재분석해 문구와 연결성을 수정한 뒤 지표 개선과 런칭까지 이어졌습니다.


B2B SaaS 디자인에서는 고객 업무 맥락과 특수한 운영 환경을 깊이 이해하는 과정이 중요했습니다. 인터뷰, VOC, 쉐도잉, 페르소나 설정이 문제 본질을 찾는 핵심으로 소개되었습니다.


에이닷을 활용해 카피를 더 잘 쓰는 방법을 소개했습니다. 인간 초안과 AI 퇴고, 교차 검증으로 메시지를 다듬는 흐름을 강조했습니다.


특정 국가에서 인스톨이 급증한 원인을 서베이로 추적해 바이럴 콘텐츠 유입임을 확인했습니다. 인스톨 상승이 DAU 증가로 이어졌고, 급등 시점에 동적 유입 수집이 필요하다고 보았습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

인도 대출앱에서 금융·영어 문구가 유저에게 오해를 유발하는 사례를 정리했습니다. 쉬운 표현으로 바꾸고 A/B 테스트로 점진 개선하는 방향을 제안했습니다.

인도 대출앱 유저들이 금융·영어 용어를 어떻게 오해하는지 리서치한 내용입니다. 쉬운 표현으로 바꾸고 A/B 테스트로 검증하며 UX 라이팅을 개선할 필요를 제시했습니다.

인도 대출 앱 사용자들이 금융·영어 용어를 어떻게 오해하는지 리서치 결과를 정리했습니다. 쉬운 표현으로 바꾸고 A/B 테스트로 검증하는 방향을 제안했습니다.


리멤버가 신규 화면 배포 전 UT를 설계하고 진행한 과정을 소개했습니다. 대상자 선정부터 모더레이팅, 분석, 개선 사례까지 사용자 테스트 전반의 흐름을 공유했습니다.


고객 문제를 빠르게 풀기 위해 PM이 리소스와 속도를 함께 고려해 해결책을 찾는 과정을 다뤘습니다. A/B 테스트와 UT로 가설을 검증하며 실제로 필요한 개선만 적용했습니다.


모바일 앱 광고 수익화에서 개발 관점의 숨은 리스크 3가지를 정리했습니다. 배포, SDK 호환성, app-ads.txt와 SKAdNetwork 관리가 핵심입니다.


디자인 시스템 운영의 비효율을 줄이기 위해 버전 관리, 샘플앱 검수, 이슈 트리아지, 가이드 통합을 정리했습니다. 팀 간 사전 공유와 기록 중심의 프로세스로 시스템 신뢰성과 일관성을 높였습니다.