사용자 유스케이스 클러스터(UIC)로 Pinterest 홈피드 장기 체류율 끌어올리기

Pinterest는 클릭·저장 같은 단기 참여 지표 최적화가 장기 사용자 유지와 다름을 인식하고, 사용자 관심사의 생애주기를 추적하는 "User Interest Clusters(UIC)" 표현을 도입했다. 이를 통해 홈피드 파이프라인 전 단계(검색·스코어링·랭킹·다양화)를 유스케이스 인식형으로 재편해 장기 주간 활성 사용자(WAU) 성장을 이끌었다.

핵심 포인트

참여 지표 최적화만으로는 장기 이탈을 막지 못한다. 유스케이스 채택(다양한 관심사로 지속 참여)이 실제 리텐션과 상관관계가 높으며, 상위 10분위에서 비선형적으로 가속된다.
UIC는 최근 500개 행동을 OmniSage 임베딩 공간에서 Complete Linkage 계층적 클러스터링으로 묶어, 사용자별 자연스러운 수(탐색 초보 2개~파워유저 15개)의 관심사 클러스터를 동적으로 생성한다.
각 UIC는 성숙도·가속/감소 추세 등 생애주기 메타데이터를 가져 랭킹·다양화 레이어가 관심사 단계에 따라 목적함수를 다르게 적용할 수 있다.
검색(Retrieval) 단계에서 팔로우 토픽 대신 UIC를 조건으로 사용하면 비주류 관심사 후보도 균형 있게 확보되고 인프라 오버페치가 줄었다.
피드 다양화(SSD) 레이어에서 UIC별 페널티를 적용해, 지배적 관심사가 누적될수록 미개척 관심사 Pin이 자연스럽게 노출된다.

상세 정리

문제 인식: 소파 레시피 10개를 저장한 사용자에게 더 많은 레시피를 추천하면 단기 클릭은 올라가지만 다음 달 이탈로 이어졌다. 참여와 리텐션은 다른 개념이다.
유스케이스 채택의 비선형 효과: 상위 10분위 유스케이스 채택 증가는 리텐션에 급격한 가속 효과를 보였다. 다양한 사용 이유를 품을수록 복귀 빈도가 복리로 늘어난다.
기존 표현의 한계: PinnerSage·OmniSage는 현재 취향을 잘 표현했지만, 관심사의 성장·쇠퇴 생애주기를 모델링하지 못했다. 성장 중인 인테리어 관심사와 식어가는 빵 관심사가 점수만으로는 동일하게 보였다.
UIC 클러스터링: 최근 500개 행동을 OmniSage 임베딩으로 변환 후 Complete Linkage Agglomerative Hierarchical Clustering 적용. 유사도 임계값 τ 이상인 클러스터 쌍이 없을 때까지 병합. 고양이 이미지 3개·청바지 이미지 2개 예시에서 카테고리 간 유사도가 τ 미만이면 두 클러스터로 분리된다.
검색 레이어 개선(CLR): 팔로우 토픽 조건을 UIC 조건으로 교체. 초기에는 최신도·행동 타입 가중치로 대표 Pin 선택, 이후 frontier sampling(클러스터 경계 Pin)으로 탐색적 후보 확보. 성숙 관심사에 치우친 오버페치가 줄어 인프라 비용도 절감됐다.
L1 Utility(중간 필터): 경량 스코어링 후 주류 관심사 Pin이 독점하지 않도록 UIC별 후보에 페널티를 적용해, 소수 관심사 후보가 랭킹 단계까지 살아남게 했다.
랭킹: 관심사 성숙도에 따라 유틸리티 가중치를 다르게 적용. 신생 관심사는 클릭·클로즈업(탐색 신호)에 더 가중치, 성숙 관심사는 저장(커밋 신호)에 더 가중치. 새 예측 헤드 추가 없이 서빙 레이턴시 증가 없이 구현했다.
피드 다양화(SSD): UIC 인식 페널티 항 추가. 특정 UIC Pin이 누적될수록 점수가 낮아져 미노출 유스케이스 Pin이 상위로 올라온다. 실험에서 참여 증가·콘텐츠 다양성 향상·세션 연장을 모두 확인했다.
차기 과제: 예측 UIC(사용자가 신호를 보내기 전 미래 좌표 생성)를 기하 예측·모델 기반 세렌디피티 예측·LLM 기반 관심사 추론으로 구현하는 Part 2를 예고한다.

왜 읽나추천 시스템의 단기 지표와 장기 리텐션 간 갭을 해소하려는 ML·데이터 엔지니어에게, 임베딩 기반 유스케이스 표현을 파이프라인 전 단계(검색·랭킹·다양화)에 통합한 실전 아키텍처 레퍼런스.

Pinterest Engineering 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

사용자 유스케이스 클러스터(UIC)로 Pinterest 홈피드 장기 체류율 끌어올리기

이 글과 비슷한

[AI 해커톤 후기] AI 해커톤 1위 팀이 AI에게 맡기지 않은 것

1시간 대화로 만드는 Amazon Connect Customer AI Agent [AICC Builder 시리즈 #1]

PHP에서 Conversation Relay 사용 시 배경 소음 처리 방법