AI
Vertex AI Search를 활용한 결과 없는 검색 개선하기
두줄요약
Vertex AI Search와 BigQuery 상품 데이터로 결과 없는 검색을 보완했습니다. A/B 테스트 후 전체 적용해 NR 케이스에서 300% 이상 성과를 지속했습니다.
문제 상황
- 오타·띄어쓰기 오류·유의어로 발생하는 전체 검색의 약 6~7% NR(No Result) 케이스
- 수동 검색어 등록과 베스트 상품 대체 방식의 운영 부담 및 고객 의도 불일치
해결 방법
- Vertex AI Search의 텍스트 매칭·임베딩 유사도 기반 하이브리드 검색으로 NR 결과 보완
- BigQuery 상품 데이터를 데이터 스토어로 구성하고 상품명·상세설명·연관 키워드를 searchable 필드로 설정
- 검색 애플리케이션으로 데이터 접근을 추상화하고 Python SDK 배치 작업으로 데이터 갱신
성능/운영 포인트
- 웹 크롤링 데이터보다 직접 구성한 BigQuery 정형 데이터 기반 검색의 안정적 성능 확인
- 약 2주 A/B 테스트에서 클릭률·장바구니 전환율·구매율 및 비용 대비 경제적 가치 개선
- 전체 적용 후 NR 케이스의 장바구니 횟수·금액·구매 수량·매출에서 300% 이상 성과 지속
주의할 점
- 비속어·사회적 물의 용어 대응을 위한 금칙어 관리 시스템 필요
- 동일 검색어 결과 캐싱을 통한 호출 비용 절감 과제
- 도메인 특화 커스텀 임베딩과 relevance score 세밀 조정 필요
