AI
유저들이 정말로 원하는 컨텐츠는 무엇일까? — 우리의 추천시스템의 시작 (2)
두줄요약
사용자 임베딩과 Mini Batch K-Means로 관심사별 스타일 묶음을 추천했습니다. A/B 테스트에서 클릭과 콘텐츠 전환율 상승을 확인해 전체 릴리즈했습니다.
문제 상황
- 트렌드 중심 서비스 홈에서 개인 취향을 반영한 콘텐츠 부족
- 사용자 관심사 기반의 연속적 스타일 탐색 경험 필요
해결 방법
- 연관 스타일 추천 모델의 임베딩 벡터를 Mini Batch K-Means로 클러스터링
- 클러스터 중심 벡터와 사용자 임베딩 벡터 기반 관심사별 스타일 묶음 추천
- 서비스 홈의 기존 묶음형 UI에 추천 스타일 컴포넌트 추가
성능/운영 포인트
- UI 실험과 함께 3개 사용자 그룹 대상 A/B 테스트 진행
- 히트맵 기반 클릭 증가와 서비스 홈 콘텐츠 전환율 상승 확인
- 성과를 근거로 전체 사용자 대상 릴리즈
적용해볼 점
- 이벤트로 형성된 관심사 묶음의 개인화 콘텐츠 가능성 검증
- 추천 모델 산출물을 홈 화면 탐색 경험으로 확장
