캠페인 메타엔진 — 무진장 많은 콘텐츠를 하나의 캠페인 구조로 통합하다
다양한 콘텐츠를 5W1H 기반 공통 캠페인 모델과 어댑터로 통합했습니다. 스냅샷·정책·ML을 결합해 개인화 실행과 운영 효율을 높였습니다.
#개인화#메타데이터#ML
1200
캠페인 메타엔진 — 무진장 많은 콘텐츠를 하나의 캠페인 구조로 통합하다
모든 블로그
대표 인기 포스트MDS(Musinsa Design System) 지속 가능한 디자인 시스템을 향한 여정490 조회490 조회 아키텍처 AI AI 데브옵스 프론트엔드 백엔드 AI AI AI 기타 프론트엔드 AI 백엔드 AI AI AI 아키텍처 기타
무신사
도메인medium.com
주요 카테고리 AI · 백엔드 · 아키텍처
활동 요약
- 최근 30일
- 4개
- 평균 조회
- 136
- 누적 조회
- 14,046
- 전체 글
- 103개
- 마지막 발행
- 2026. 11. 10.
무신사 기술 블로그 글 (103)
예측을 넘어 결정과 발견으로: DeciML과 NeXA를 만든 이유
무신사는 예측 점수만으로 해결하기 어려운 개인화 문제를 결정과 발견의 관점에서 재정의했습니다. DeciML과 NeXA로 자원 배분·탐색 경험을 표준화하고 ML 적용을 확장합니다.
#ML#개인화#DeciML
1100
예측을 넘어 결정과 발견으로: DeciML과 NeXA를 만든 이유
대AI시대에 일하는 방식의 변화에 대한 고찰
AI 코딩 에이전트 병렬 작업에서 병목이 코딩이 아닌 인간의 판단·책임으로 옮겨감을 돌아봤습니다. 판단 대기 작업을 제한하고 컨텍스트 외부화와 검증 자동화를 적용했습니다.
#Claude Code#Git#코드 리뷰
7400
대AI시대에 일하는 방식의 변화에 대한 고찰
빠른 기기가 왜 기다려야 하지?
공유 Queue와 중앙 디바이스 설정으로 실기기 BVT의 고정 배정 병목을 해소했습니다. 대기 시간 최적화와 모니터링 개선으로 전체 실행 시간과 운영 부담을 줄였습니다.
#자동화#Appium#Jenkins
3600
빠른 기기가 왜 기다려야 하지?
태블릿을 없애자 생긴 문제
회원 스마트폰 QR 접수 전환 뒤 GPS 오차와 주소 좌표 불일치로 생긴 웨이팅 접수 실패를 분석했습니다. 운영자가 웨이팅별 접수 위치와 반경을 설정하도록 개선했습니다.
#GPS#Geocoding#피처 플래그
2600
태블릿을 없애자 생긴 문제
로그가 서비스를 죽였다
동기 stdout 로깅이 커넥션 풀 고갈과 요청 실패로 이어진 원인을 분석했습니다. caller에서 추적 ID를 캡처해 비동기 로깅과 관측성을 함께 유지했습니다.
#logging#OpenTelemetry#분산 추적
11500
로그가 서비스를 죽였다
Retail Platform QA 자동화 여정
무신사 Retail Platform QA팀의 회귀 테스트 자동화 여정을 다뤘습니다. Playwright, Slack 봇, AI 기반 TC 생성기로 테스트 시간을 크게 줄인 사례입니다.
#자동화#test#Playwright
7500
Retail Platform QA 자동화 여정
통합임베딩으로 개인화 푸시 CTR +21.3%를 만든 과정
통합임베딩으로 개인화 푸시 CTR을 개선한 사례를 소개하는 글입니다. MATCH와 Layer 0 관점의 연재 흐름을 바탕으로 적용 과정을 다룹니다.
#개인화#CTR
7600
통합임베딩으로 개인화 푸시 CTR +21.3%를 만든 과정
AI Native 조직은 도메인 지식을 어떻게 공유하는가
AI 네이티브 조직에서 도메인 지식을 사람과 여러 AI 에이전트가 공유하는 방법을 다룬 글입니다. 표준 기반 Core 위에 조직 특화 시맨틱 레이어를 얹는 접근을 소개합니다.
#LLM#prompt#시맨틱 레이어
15800
AI Native 조직은 도메인 지식을 어떻게 공유하는가
코딩만 빨라졌다고요? 아뇨, 일하는 방식이 다 뜯어고쳐졌습니다.
AI 도입으로 기획·구현·검증·배포 전 과정이 변화한 사례를 다루는 테크 컨퍼런스입니다. 자동 검증과 UI 코드화, 플랫폼 통합 경험을 공유합니다.
#컨퍼런스#자동화#UI/UX
24200
코딩만 빨라졌다고요? 아뇨, 일하는 방식이 다 뜯어고쳐졌습니다.
MATCH Console & MAI
MATCH Console과 MAI를 통해 데이터 탐색부터 실행까지 연결하는 흐름을 소개했습니다. MATCH의 개인화 기능과 운영 콘솔 프론트엔드 맥락을 다뤘습니다.
#개인화#운영 콘솔
2500
MATCH Console & MAI
MATCH란 무엇인가
MATCH는 고객 데이터와 소재 정보를 학습해 채널별 개인화 의사결정을 지원하는 시스템입니다. 앱 푸시 자동 최적화와 피드백 루프로 마케팅 운영 효율과 성과 개선을 추구했습니다.
#개인화#CDP#CRM
43300
MATCH란 무엇인가
의심했던 범인은 알리바이가 있었다.
Jenkins 배치의 5분~12분 Hang 원인을 JFR로 추적해, 의심했던 로그 appender가 아니라 N+1 쿼리와 Aurora 읽기 지연이 범인임을 밝혀냈습니다. 운영 코드 변경 없이 JVM 옵션 한 줄로 진단하고 쿼리 통합으로 문제를 해결했습니다.
#Spring Batch#Jenkins#JFR
11500
의심했던 범인은 알리바이가 있었다.
LLM 비용 64% 절감, 캐시 히트율 98% 달성기
AWS Bedrock 기반 LLM 비용이 증가하자 API별 토큰 메트릭을 먼저 구축해 원인을 파악했습니다. 이후 Prompt Caching을 적용해 캐시 히트율 98%, 전체 비용 64% 절감을 달성했습니다.
#LLM#cache#AWS Bedrock
33220
LLM 비용 64% 절감, 캐시 히트율 98% 달성기
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
중고 의류 디테일컷 자동 생성을 위해 VLM 대신 Detector와 규칙 기반 크롭을 선택했습니다. 그 결과 공정 시간을 90% 줄이고 11만 개 상품에 일괄 적용했습니다.
#LLM#AWS Lambda#Docker
11300
VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
AI 스페셜리스트와 자동사냥 — 하네스로 제어하는 AI 파이프라인
슬로우 쿼리 분석과 PR 반영까지 이어지는 AI 파이프라인을 하네스로 설계한 사례를 다뤘습니다. 반복 작업에 특화된 스페셜리스트형 구조로 품질과 운영 안정성을 높였습니다.
#Spring Boot#JPA#Claude
19300
AI 스페셜리스트와 자동사냥 — 하네스로 제어하는 AI 파이프라인
무신사 메가스토어 성수: 보이지 않는 기술, 선명해지는 경험
무신사 메가스토어 성수의 ESL, 오프라인 PDP, Self-POS, RFID 설계를 소개했습니다.기술을 드러내지 않고 고객 경험 속에 자연스럽게 녹인 리테일 구조를 설명했습니다.
#RFID#ESL#Self-POS
6800
무신사 메가스토어 성수: 보이지 않는 기술, 선명해지는 경험
The Human: 점수 너머의 판단
AI 채용 평가에서 점수만으로는 후보자의 사고를 충분히 판단할 수 없다는 점을 짚었습니다. 면접과 설계 문서, 사람의 판단이 여전히 중요한 이유를 정리했습니다.
#채용#면접#LLM
13200
The Human: 점수 너머의 판단