AI-DLC 기반 GS SHOP 검색·추천 개발 프로세스 고도화 사례
GS SHOP 검색·추천팀이 AI-DLC로 자연어 검색과 추천 실험 프로세스를 표준화했습니다. 실데이터 검증을 통해 다음 개선 지점과 공정한 비교 구조를 함께 확보했습니다.
#검색#추천
3600
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
포스타입이 개인화 추천을 하는 방법 2부
포스타입은 벡터 추천의 쿼리 비용을 줄이기 위해 HNSW 활용, 필드 최적화, 스레드 취소를 적용했습니다. 이후 전용 클러스터 분리와 차원 축소로 메모리 문제와 검색 장애를 함께 해결했습니다.
#OpenSearch#검색
2500
포스타입이 개인화 추천을 하는 방법 1부
포스타입의 개인화 추천이 태그 한계를 벗어나 벡터와 하이브리드 검색으로 동작하는 방식을 설명했습니다. 오프라인 검증과 A/B 테스트를 통해 추천 성과가 개선된 사례도 함께 소개했습니다.
#추천#OpenSearch
3100
GS SHOP의 영상 기반 AI 상품 추천 플랫폼 구축기
GS SHOP이 영상의 소구 포인트를 추출해 추천 신호로 바꾸고, 기존 추천 엔진과 결합한 Hybrid 시스템을 구축했습니다. A/B 테스트에서 클릭과 주문, 전환율이 모두 개선되었습니다.
#Amazon Bedrock#추천
6000
GS SHOP의 영상 기반 AI 상품 추천 플랫폼 구축기
GS SHOP이 영상 이해 모델과 생성형 AI를 조합해 숏픽 추천을 Hybrid 구조로 고도화했습니다. 소구 포인트 기반 임베딩으로 추천 품질과 전환 성과를 함께 개선했습니다.
#AWS#LLM
5100
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
LLM으로 리뷰의 진심을 점수화해 별점만으로는 보이지 않던 맛집 변별력을 높였습니다. 지식 증류와 개인화 리랭킹을 더해 추천 품질과 전환율을 함께 개선했습니다.
#LLM#지식 증류
10500
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
AI 주도 개발로 4050 커머스 혁신…에이전틱 플랫폼 도약
라포랩스가 40~50대 고객을 위한 커머스 플랫폼으로 AI 기반 개인화와 추천 전략을 강화했습니다. 패션을 넘어 뷰티·리빙·식품까지 확장하며 라이프스타일 플랫폼으로 성장하고 있습니다.
#커머스#개인화
9500
왓챠피디아, 취향을 기록하는 아카이브
왓챠피디아, 취향을 기록하는 아카이브
왓챠와 왓챠피디아의 관계를 브랜드 관점에서 정리한 글입니다. 기록을 통해 취향을 발견하는 아카이브로서 왓챠피디아의 구조를 설명했습니다.
#브랜드#UI/UX
6200
2025 FLO의 여정: 취향의 발견에서 팬 경험까지
2025 FLO의 여정: 취향의 발견에서 팬 경험까지
FLO가 음악 발견부터 몰입, 팬 경험까지 이어지는 사용자 여정을 확장한 과정을 소개했습니다. 1.2억 곡 라이브러리와 기기 연동, 아티스트 콘텐츠로 청취 경험을 넓혔습니다.
#UI/UX#ML
700
‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?
‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?
당근의 지역 기반 추천 시스템에서 장기 유저 로그를 Transformer로 학습해 공통 임베딩을 만들었습니다. 이를 홈피드, 후보, 광고에 적용해 학습 신호와 온라인 지표를 함께 개선했습니다.
#ML#Transformer
8400
비즈니스 문제를 AI 문제로 정렬하는 방법
비즈니스 문제를 AI 문제로 바꾸는 완화 접근과 명시적 가정의 중요성을 설명했습니다. 아자르 추천 시스템 사례로 장기 매출을 대화 시간 예측 문제로 단계적으로 정렬하는 과정을 소개했습니다.
#ML#최적화
10200
연관 키워드 추천
연관 키워드 추천
검색 로그의 동시 출현 패턴을 활용해 연관 키워드 추천 시스템을 구축했습니다. Word2Vec 후보를 로그 기반 필터링으로 보정해 롱테일 키워드까지 살렸습니다.
#Word2Vec#검색
7600
추천시스템을 바꾼다는 것: 구조적 선택이 유저 행동을 어떻게 바꾸는가
추천시스템을 후보 생성, 리랭킹, 피드백 반영, 의미 기반 초기화로 단계적으로 재설계했습니다. 그 결과 다양성, 전환, 거래액 같은 지표 개선과 함께 유저 탐색 흐름을 더 건강하게 만들었습니다.
#추천#graph
4500
“함께 구매하면 좋은 상품” 추천 모델 고도화
“함께 구매하면 좋은 상품” 추천 모델 고도화
장바구니 맥락을 반영한 추천 모델로 Item2Vec의 한계를 개선했습니다. 오프라인 평가와 A/B 테스트에서 담기율, 다양성, 주문율이 함께 향상되었습니다.
#ML#추천
7000