AI-DLC 기반 GS SHOP 검색·추천 개발 프로세스 고도화 사례
GS SHOP 검색·추천팀이 AI-DLC로 자연어 검색과 추천 실험 프로세스를 표준화했습니다. 실데이터 검증을 통해 다음 개선 지점과 공정한 비교 구조를 함께 확보했습니다.
#검색#추천#AI-DLC
3600
태그
추천 기술 블로그 글
추천 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
전체 68개최신 20개 표시
관련 태그
최신 게시글
20개 표시
포스타입이 개인화 추천을 하는 방법 2부
포스타입은 벡터 추천의 쿼리 비용을 줄이기 위해 HNSW 활용, 필드 최적화, 스레드 취소를 적용했습니다. 이후 전용 클러스터 분리와 차원 축소로 메모리 문제와 검색 장애를 함께 해결했습니다.
#OpenSearch#검색#추천
2500
포스타입이 개인화 추천을 하는 방법 1부
포스타입의 개인화 추천이 태그 한계를 벗어나 벡터와 하이브리드 검색으로 동작하는 방식을 설명했습니다. 오프라인 검증과 A/B 테스트를 통해 추천 성과가 개선된 사례도 함께 소개했습니다.
#추천#OpenSearch#검색
3100
GS SHOP의 영상 기반 AI 상품 추천 플랫폼 구축기
GS SHOP이 영상의 소구 포인트를 추출해 추천 신호로 바꾸고, 기존 추천 엔진과 결합한 Hybrid 시스템을 구축했습니다. A/B 테스트에서 클릭과 주문, 전환율이 모두 개선되었습니다.
#Amazon Bedrock#추천#OpenSearch
6000
GS SHOP의 영상 기반 AI 상품 추천 플랫폼 구축기
GS SHOP이 영상 이해 모델과 생성형 AI를 조합해 숏픽 추천을 Hybrid 구조로 고도화했습니다. 소구 포인트 기반 임베딩으로 추천 품질과 전환 성과를 함께 개선했습니다.
#AWS#LLM#검색
5100
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
LLM으로 리뷰의 진심을 점수화해 별점만으로는 보이지 않던 맛집 변별력을 높였습니다. 지식 증류와 개인화 리랭킹을 더해 추천 품질과 전환율을 함께 개선했습니다.
#LLM#지식 증류#추천
10500
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
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
왓챠피디아, 취향을 기록하는 아카이브
왓챠와 왓챠피디아의 관계를 브랜드 관점에서 정리한 글입니다. 기록을 통해 취향을 발견하는 아카이브로서 왓챠피디아의 구조를 설명했습니다.
#브랜드#UI/UX#추천
6200
왓챠피디아, 취향을 기록하는 아카이브
2025 FLO의 여정: 취향의 발견에서 팬 경험까지
FLO가 음악 발견부터 몰입, 팬 경험까지 이어지는 사용자 여정을 확장한 과정을 소개했습니다. 1.2억 곡 라이브러리와 기기 연동, 아티스트 콘텐츠로 청취 경험을 넓혔습니다.
#UI/UX#ML#추천
700
2025 FLO의 여정: 취향의 발견에서 팬 경험까지
‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?
당근의 지역 기반 추천 시스템에서 장기 유저 로그를 Transformer로 학습해 공통 임베딩을 만들었습니다. 이를 홈피드, 후보, 광고에 적용해 학습 신호와 온라인 지표를 함께 개선했습니다.
#ML#Transformer#추천
8400
‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?
비즈니스 문제를 AI 문제로 정렬하는 방법
비즈니스 문제를 AI 문제로 바꾸는 완화 접근과 명시적 가정의 중요성을 설명했습니다. 아자르 추천 시스템 사례로 장기 매출을 대화 시간 예측 문제로 단계적으로 정렬하는 과정을 소개했습니다.
#ML#최적화#convex relaxation
10200
연관 키워드 추천
검색 로그의 동시 출현 패턴을 활용해 연관 키워드 추천 시스템을 구축했습니다. Word2Vec 후보를 로그 기반 필터링으로 보정해 롱테일 키워드까지 살렸습니다.
#Word2Vec#검색#추천
7600
연관 키워드 추천
추천시스템을 바꾼다는 것: 구조적 선택이 유저 행동을 어떻게 바꾸는가
추천시스템을 후보 생성, 리랭킹, 피드백 반영, 의미 기반 초기화로 단계적으로 재설계했습니다. 그 결과 다양성, 전환, 거래액 같은 지표 개선과 함께 유저 탐색 흐름을 더 건강하게 만들었습니다.
#추천#graph#LLM
4500
“함께 구매하면 좋은 상품” 추천 모델 고도화
장바구니 맥락을 반영한 추천 모델로 Item2Vec의 한계를 개선했습니다. 오프라인 평가와 A/B 테스트에서 담기율, 다양성, 주문율이 함께 향상되었습니다.
#ML#추천#Transformer
7000
“함께 구매하면 좋은 상품” 추천 모델 고도화
[인턴십] 2026 NAVER AI CHALLENGE를 소개합니다.
2026 NAVER AI CHALLENGE 인턴십 모집을 안내하는 글입니다.\nAI 프로젝트를 현업 엔지니어와 함께 수행하며 과제형 실무 경험을 쌓을 수 있습니다.
#파이프라인#logging#검색
14600
[인턴십] 2026 NAVER AI CHALLENGE를 소개합니다.
[DAN25] 기술세션 영상이 모두 공개되었습니다.
DAN25에서 공개된 기술세션 영상과 주요 발표 5개를 소개했습니다. 네이버의 AI, 검색, 개인화, 로그 파이프라인 적용 사례를 확인할 수 있습니다.
#LLM#검색#추천
13000
[DAN25] 기술세션 영상이 모두 공개되었습니다.
개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
상품 텍스트를 Semantic ID로 압축하고 유저 행동을 Transformer로 해석해 개인화 추천 모델을 구축했습니다. 지식 증류와 데이터 엔지니어링으로 정확도와 속도를 함께 개선하고 A/B 테스트 성과를 확인했습니다.
#추천#Transformer#Knowledge Distillation
10300
엔카닷컴 AI 개발/기획 공모전 안내
엔카닷컴이 대학(원)생 대상 AI 개발/기획 공모전을 개최했습니다. 차량 데이터 기반 모델 개발과 LLM 서비스 기획 아이디어를 모집했습니다.
#LLM#검색#추천
2200
광고로 유입된 순간, 추천이 시작됩니다.
광고 유입 유저의 낮은 구매 전환 문제를 추천 맥락 연결로 개선한 사례를 소개했습니다. 광고 성격과 상품 정보를 첫 세션 추천에 반영해 전환율을 높였습니다.
#추천#AI Agent#검색
2000
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
