

Server Driven UI 호출 구조 개선
서버 드리븐 UI를 통해 유연한 UI 업데이트와 A/B 테스트를 운영한 사례를 소개했습니다. 장기 운영 과정에서 드러난 호출 구조의 문제와 개선 방향을 다뤘습니다.



서버 드리븐 UI를 통해 유연한 UI 업데이트와 A/B 테스트를 운영한 사례를 소개했습니다. 장기 운영 과정에서 드러난 호출 구조의 문제와 개선 방향을 다뤘습니다.


배민 검색 홈 추천에 실시간 행동 이력을 반영하는 추천 시스템을 소개했습니다. 3개 컴포넌트로 구성해 CTR과 주문전환율을 높였습니다.


배민외식업광장은 사장님 특성에 맞는 콘텐츠를 보여주기 위해 세그먼트와 슬롯판 구조를 도입했습니다. BUDS 연동과 A/B 테스트 우선순위 자동화를 통해 운영 복잡도를 줄였습니다.

토스뱅크는 ML 모델로 신분증 사본 품질을 검사해 반려와 경고를 자동화했습니다. 임계값과 A/B 테스트로 고객 불편을 줄이면서 수기 검토 효율도 높였습니다.
프로덕트 디자이너가 유저 인터뷰를 통해 잘못된 확신을 바로잡고 성장 마인드셋을 정리했습니다. 유저를 데이터가 아닌 공감의 대상으로 바라보는 태도가 설계와 성과 개선으로 이어졌습니다.


장바구니 맥락의 보완재 추천을 위해 BERT4Rec과 NPMI 기반 전처리를 적용했습니다. A/B 테스트로 비개인화 추천 대비 장바구니 지표 개선을 확인했습니다.


장바구니 바텀시트에 맞는 보완재 추천 모델을 개발하고, NPMI 정제와 셔플링 후처리로 추천 품질을 개선했습니다. A/B 테스트에서 전환과 담은 상품 수, 금액이 유의미하게 상승해 실제 서비스에 적용했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


아자르가 추천 모델의 목표를 리텐션으로 두고 아하 모멘트 기반으로 1차 지표를 찾는 과정을 소개했습니다. 세그먼트 분석과 A/B 테스트를 통해 신규·기존 사용자 모두에서 유효한 지표를 검증했습니다.

라포랩스 ML 엔지니어 인터뷰로, 퀸잇의 개인화 추천 고도화와 ML 활용 범위를 소개했습니다. 고객·플랫폼 효용과 빠른 PoC를 기준으로 기술을 선택하는 방식도 다뤘습니다.

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.

리디가 Braze 기반 CRM 캠페인을 통해 고객 세분화와 맞춤형 알림 실험을 진행한 사례를 공유했습니다. 수동 테스트에서 검증한 뒤 Athena, replica DB, Kafka로 자동화하고 빈도 제한과 단계적 배포로 운영 안정성도 확보했습니다.


화해가 데이터·실험 기반 의사결정 문화를 확산하기 위해 D.E.F 행사를 열었습니다. 리타게팅, MVP, 페이백, 홈 화면 실험의 성과와 학습을 공유했습니다.


메이크업 신규 사업에서 MVP·A/B 테스트로 기능 가치를 검증하고 간편 발색 보기를 론칭했습니다. 지표 중심의 빠른 실험 과정에 UT를 더해 사용성과 개발 공수를 함께 개선했습니다.


클래스101 시니어 프로덕트 디자이너 Jeanne가 UX 프로세스와 협업 방식을 소개했습니다. 글로벌 론칭, 구독 전환, 다국어·모바일 최적화 경험을 바탕으로 Delightful UX 철학을 이야기했습니다.