
새로운 루다를 지탱하는 모델 서빙 아키텍처 — 2편: ArgoCD와 모델 서빙
ArgoCD와 Helm Chart로 모델 서빙 인프라 및 A/B 테스트 환경을 배포하는 구조를 소개했습니다. 파이프라인 추상화, SyncWave 종료 순서, 블루/그린 배포와 RPS 기반 확장 전략을 설명합니다.


ArgoCD와 Helm Chart로 모델 서빙 인프라 및 A/B 테스트 환경을 배포하는 구조를 소개했습니다. 파이프라인 추상화, SyncWave 종료 순서, 블루/그린 배포와 RPS 기반 확장 전략을 설명합니다.

모델 추론 구조까지 비교할 수 있도록 서비스 백엔드와 파이프라인을 분리했습니다. ConfigMap과 프록시 라우팅으로 A/B 테스트를 빠르게 제어했습니다.


레고를 플랫폼의 비유로 삼아 데이터·분석 플랫폼의 핵심 요건을 정리했습니다. 고품질 데이터, 재사용 가능한 방법론, 풍부한 가이드와 확장 생태계의 중요성을 강조했습니다.


검색 품질 개선을 위한 실험 효율화, 모델 기반 지표, KPI 보정 과제를 소개했습니다. 신뢰·공정성 평가와 분석 파이프라인 운영 개선 방향도 함께 다뤘습니다.


네이티브 앱의 배포 후 UI 수정 제약과 A/B 테스트 요구를 다룹니다. Server Driven UI로 빌드와 UI 변경을 분리하는 방향을 소개합니다.


사용자 임베딩과 Mini Batch K-Means로 관심사별 스타일 묶음을 추천했습니다. A/B 테스트에서 클릭과 콘텐츠 전환율 상승을 확인해 전체 릴리즈했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


ICT 인턴십에서 애자일 협업 방식과 VODA 서비스 기획·개발 과정을 경험했습니다. Figma 와이어프레임, UX 설계, 데이터 기반 기획의 중요성을 배웠습니다.

엔라이즈 제품팀의 사전분석부터 A/B 테스트, 결과 적용까지의 실험 흐름을 소개했습니다. 시각화·추세·Bayesian 분석을 단계적으로 활용해 후속 실험 인사이트를 도출합니다.


사용자 인터뷰로 1020 고객의 브랜드 중심 탐색 니즈를 발견했습니다. 카테고리별 브랜드 랭킹은 A/B 테스트에서 기존 대비 29배 성장을 보였습니다.


A/B 테스트에서 평균 비교와 통계적 추론의 필요성을 설명했습니다. t-test·ANOVA와 p값을 활용하되 이분법적 해석은 경계해야 합니다.


상품 상세 페이지를 신뢰와 다음 전환을 돕는 종착역·환승역으로 재설계했습니다. A/B 테스트에서 구매 완료, 가입 전환, 브랜드 유입과 리텐션 상승을 확인했습니다.


모바일 프로덕트 개선을 위한 A/B 테스트 실무 경험을 공유합니다. 샘플 사이즈 산정과 결과 해석에서 자주 생기는 질문을 다룹니다.