pile·
AI / ML·라포랩스 (퀸잇)라포랩스 (퀸잇)·

추천시스템을 바꾼다는 것: 구조적 선택이 유저 행동을 어떻게 바꾸는가

문제기존 Item-based Collaborative Filtering 기반 추천이 인기 상품으로 수렴하고 카탈로그 커버리지가 줄며 규모 확장 시 비용이 늘어, 추천이 점점 뻔해지는 현상이 나타났다.
접근Multi-Behavior 그래프 임베딩 기반 Retrieval로 후보를 새로 짜고, Deep & Cross Network·TransAct Sequential Modeling으로 Reranking, 반복 노출에 대한 Negative Feedback 학습, 텍스트 기반 Semantic Embedding으로 행동 이전 의미 신호까지 반영하는 4단계 구조 개편을 진행했다.
결과연관 상품 지면 GMV +3.86%·주문 +4.41%, Negative Feedback GMV +2.55%, Semantic Embedding 미구매 유저 GMV +7.9%, 숏츠 거래액 +130%를 달성하고, 다음 목표를 단기 반응에서 LTV·Retention 직접 최적화로 전환할 계획.
라포랩스 (퀸잇)
라포랩스 (퀸잇) 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2