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
6900
통합임베딩으로 개인화 푸시 CTR +21.3%를 만든 과정
태그
개인화 기술 블로그 글
개인화 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
전체 14개최신 14개 표시
관련 태그
최신 게시글
14개 표시
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.\n앱 푸시 자동 최적화와 피드백 루프로 마케팅 운영 효율과 성과 개선을 추구했습니다.
#개인화#CDP#CRM
43100
MATCH란 무엇인가
치열하게 논의하고, 더 나은 답을 끝까지 찾고, 결정한 방향은 반드시 결과로 만든다.
라포랩스 Server Engineer들이 치열한 논의와 책임 있는 실행을 바탕으로 일하는 방식을 소개했습니다. 또한 AI 활용, 피드백 문화, 성장 기회와 과제까지 조직의 밀도를 보여주었습니다.
#검색#개인화#refactoring
10200
AI를 쓰는 회사 vs AI를 만드는 회사
오프라인 핏 경험을 온라인까지 이어가기 위해 초기에는 외부 LLM으로 빠르게 검증했습니다. 이후 비용과 차별화 한계를 보고, 체형 데이터를 자산화하는 자체 AI 전략으로 전환했습니다.
#LLM#prompt#개인화
10400
AI를 쓰는 회사 vs AI를 만드는 회사
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#추천
9500
NOL은 어떻게 당신의 다음 여행지를 알고 있을까?
NOL은 고객의 클릭과 검색 같은 행동 데이터를 바탕으로 User segment를 만들었습니다. 태그 조합과 점수, 기간별 윈도우로 개인화와 예측의 정교함을 높였습니다.
#추천#검색#ML
7700
2025 미식관 리뉴얼 오픈기
미식관은 신규 고객 유입 저하와 스테디셀러 편중 문제를 개선하기 위해 리뉴얼을 진행했습니다. 토글, 개인화, 커뮤니티, 테마 큐레이션을 적용해 방문자와 매출을 함께 끌어올렸습니다.
#이커머스#개인화#추천
11100
[퀸잇] 첫 공식 셀러 간담회 성료…“4050 시장 공략 위한 동반 성장 강화”
퀸잇이 첫 셀러 간담회를 열고 4050 시장 공략을 위한 협력 방안을 공유했습니다. 하반기 마케팅 확대와 개인화 추천, 광고 솔루션으로 셀러 성장을 지원하겠다고 밝혔습니다.
#검색#마케팅#개인화
1900
[DAN 24] 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스 ① 홈피드와 교차 도메인 컨텍스트
네이버 홈피드는 검색과 다른 서비스의 사용자 컨텍스트를 함께 활용해 개인화를 강화했습니다. LLM 기반 AiRScout로 관심 주제 추출과 검색 의도 세분화를 수행해 추천 품질을 높였습니다.
#LLM#검색#추천
6400
[DAN 24] 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스 ① 홈피드와 교차 도메인 컨텍스트
뷰티컬리에서 <나의 컬리 스타일>이 갖는 의미
뷰티 개인화를 위한 프로필 입력을 첫 방문·재방문 상태에 맞춰 단계형과 목록형으로 설계했습니다.\n개인정보 동의 흐름을 검토하고, 진입률과 추천 이용 확대를 위한 개선 방향을 제시했습니다.
#UI/UX#프로필#개인화
000
뷰티컬리에서 <나의 컬리 스타일>이 갖는 의미
뷰티컬리의 <나의 컬리 스타일>은 사용자를 더 잘 이해해 맞춤 추천을 강화하기 위한 프로필 기능으로 소개했습니다. 첫 진입과 재방문에 따라 화면 구조를 다르게 설계하고, 동의 프로세스는 협업과 실험으로 개선했습니다.
#UI/UX#개인화#A/B test
4000
슈퍼휴먼 AI를 꿈꾸는 루다의 대화 구성
루다는 자유 대화와 이벤트 대화를 결합해 사용자와의 친밀한 관계 형성을 설계했습니다.\nPingpong FLOW의 한계는 페르소나·주제 전환·개인화 시나리오로 보완했습니다.
#대화형 AI#Pingpong FLOW#ML
000
고객 행동 기반 실시간 딥 뉴럴 추천 시스템 : ForYou
고객 행동 로그와 시퀀스 패턴을 학습하는 실시간 개인화 딥러닝 추천 시스템을 소개했습니다. 최근 고객 행동을 바탕으로 관심 가능성이 높은 상품을 추천합니다.
#ML#추천 시스템#개인화
1800
고객 행동 기반 실시간 딥 뉴럴 추천 시스템 : ForYou