리디 추천 시스템 Phase 2 – Feature Store 도입기
리디가 추천 시스템 고도화를 위해 Feature Store를 도입한 배경과 구축 과정을 소개했습니다. 키워드 추천에서 빠른 실험과 성과 개선을 확인했습니다.
#Feature Store#추천
3300
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
머신러닝으로 퀸잇의 퀀텀 점프를 이끌어낸 엔지니어, 하홍석
라포랩스 ML 엔지니어 인터뷰로, 퀸잇의 개인화 추천 고도화와 ML 활용 범위를 소개했습니다. 고객·플랫폼 효용과 빠른 PoC를 기준으로 기술을 선택하는 방식도 다뤘습니다.
#ML#추천
2600
너의 마음을 배송합니다—SSG 선물하기
SSG 선물하기 1.0을 2.0으로 개편한 과정과 전시 방향을 소개했습니다. 고객 행동과 카테고리 데이터를 바탕으로 차별화 구좌를 만들고 성과를 개선했습니다.
#이커머스#UI/UX
1900
오프라인과 온라인 A/B 테스트를 통해 오픈챗 추천 모델 개선하기
오픈챗 추천 모델 개선 과정에서 오프라인과 온라인 A/B 테스트의 간극을 줄이기 위해 Adhoc A/B 테스트를 도입했습니다. 개별 변경점을 순차 검증하며 안정적으로 새 모델을 릴리스한 사례를 공유했습니다.
#A/B 테스트#추천
1800
ksqlDB를 이용하여 실시간 ML 피쳐 데이터를 계산하기
ksqlDB를 이용해 카프카 이벤트로부터 실시간 ML 피쳐를 계산하는 방법을 소개했습니다. 변환·필터링·윈도우 집계를 SQL만으로 구성하고, 제약과 주의점도 정리했습니다.
#ksqlDB#Kafka
2100
포스타입이 랭킹이 아닌 추천을 선택한 이유
포스타입은 더 많은 크리에이터가 발견되고 수익을 낼 수 있도록 랭킹 대신 추천 피드로 전환했습니다. 도입 후 수익 크리에이터와 구독·좋아요 지표가 함께 늘었고, 지금도 추천 품질을 계속 개선하고 있습니다.
#추천#랭킹
21100
무엇을 찾으시나요? 검색창 개편 여정
검색창을 고객 탐색의 첫 관문으로 보고 추천 구조를 개편한 사례입니다. AB 테스트와 추천 모델 적용으로 클릭 성과와 전시 효율을 크게 높였습니다.
#검색#추천
3800
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
뷰티컬리에서 <나의 컬리 스타일>이 갖는 의미
뷰티 개인화를 위한 프로필 입력을 첫 방문·재방문 상태에 맞춰 단계형과 목록형으로 설계했습니다.\n개인정보 동의 흐름을 검토하고, 진입률과 추천 이용 확대를 위한 개선 방향을 제시했습니다.
#UI/UX#프로필
000
고속성장 중인 주니어 개발자 6인을 소개합니다.
아이디어스팀 Android 개발자 주니어의 업무와 성장 경험을 인터뷰 형식으로 소개했습니다. 관심 있는 서비스, 협업 문화, 교육 지원이 성장에 도움이 되었다고 말했습니다.
#Android#이커머스
3000
스마트 TV에서 콘텐츠를 새롭게 탐색하는 방법
스마트 TV에서 콘텐츠를 새롭게 탐색하도록 예고편 중심의 왓고리즘 기능을 설계하고 검증한 사례를 소개했습니다. 사용자 조사와 UT를 통해 발견 경험을 강화했고, 배포 후 도움 평가와 재생 지표 개선도 확인했습니다.
#UI/UX#추천
3000
KURLY HACK FESTA 2022 개최기를 소개합니다.
컬리의 입사 연계 해커톤 KURLY HACK FESTA 2022 개최 과정을 소개했습니다. 리테일 테크 과제, 본선·결선 진행, 우승팀과 리워드 내용을 담았습니다.
#해커톤#AWS
2800
자연어처리 모델을 활용한 개인화 추천시스템
자연어처리의 토픽 모델링을 개인화 추천에 적용하는 방식을 소개했습니다. 사용자 행동 데이터를 바탕으로 관심 주제를 추출해 맞춤형 추천을 구성하는 개념을 설명했습니다.
#NLP#추천
2100