AI
오늘은 누구의 손을 들어줘야 할까?
두줄요약
MAB 기반 가격결정의 한계를 보완하기 위해 그룹화, 목적함수, adaptive window, regret 평가를 단계적으로 도입했습니다. 상품별 판매 결과를 바탕으로 더 민첩하게 모델을 선택하는 방향으로 개선했습니다.
핵심 내용
- SSG 가격최적화 프로덕트의 가격 결정 방식으로 MAB 톰슨 샘플링을 사용해 왔으나, 상품별 탐색 시간 부족과 비용 무시, 비정상적 환경 변화에 따른 한계를 보완한 과정
- 상품 특성 그룹화, 예산·수익성 목적함수, adaptive window를 적용해 할인 강도와 최근 트렌드를 반영하도록 개선한 흐름
- 이후에는 상품 단위 regret을 KPI로 삼아 판매 여부와 가격 차이를 기준으로 모델 성능을 평가하고, 상품별로 더 민첩하게 모델을 선택하는 방식으로 전환한 내용
- regret 기반 평가의 장점으로 전시하지 않은 모델도 비교 가능해졌고, 평가 경험량이 크게 늘었지만 판매 수량 반영 부족, 노이즈, 데이터 부족 같은 한계도 남아 있는 점
적용해볼 점
- 상품별 최적 가격 선택에서 탐색형 알고리즘과 평가 지표를 함께 설계하는 접근
- 할인 강도와 이익 목표를 조절하는 목적함수 도입
- 최근 데이터 중심의 윈도우 관리와 상품 단위 성능 평가 체계 검토