AI 에이전트로 카카오톡 추천 지표 분석 자동화하기
AI 에이전트로 카카오톡 추천 지표 분석 자동화하기: Hadoop 기반 도입 사례 안녕하세요. 소셜추천엔진팀에서 숏폼 추천 모델을 개발하고 있는 루퍼트(rupert)입니다. 추천 시스템을 개발하다 보면 코드를 짜는 시간만큼이나 데이터를 들여다보는 시간이 길어집니다. 지표가 조금만 움직여도 “이번 주 CTR이 왜 떨어졌지?”, “실험군 반응은 어땠지?”, “배포 이후 특정 사용자군에서 달라진 점은 없을까?” 같은 질문이 이어집니다. 질문은 한 문
AI AgentAI/MLData AnalysisMLOpsRecommendation
우아한 형제들
2026-03-20 · 4개월 전
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
추천프로덕트팀은 데이터 기반의 추천 알고리즘과 정교한 탐색 설계를 통해 사용자가 고민 없이 최적의 맛집을 발견하도록 돕는 조직입니다. 여기에 LLM과 다양한 AI 모델을 활용해 실질적인 서비스 문제를 해결하는 AI프로덕트팀이 긴밀하게 호흡을 맞췄습니다. 이번에 소개할 내용은 위 두 팀이 협업하여 고객의 맛집 탐색 고민을 성공적으로 덜어낸 프로젝트에 대한 이야기입니다. 서비스 내에 가득한 별점 5점 리뷰들 사이에서 진짜 […] The post 별
AI/MLData AnalysisLLMRecommendation
우아한 형제들
2025-12-11 · 7개월 전
“함께 구매하면 좋은 상품” 추천 모델 고도화
배달의민족에서는 음식 배달뿐만 아니라 장보기도 당일 배송이 가능하다는 사실, 알고 계셨나요? 배민의 장보기·쇼핑 서비스는 배민B마트를 비롯해 마트, 편의점, 꽃, 전자제품 등 다양한 셀러가 입점해 있어 다양한 물건을 빠르게 받아보실 수 있는데요. 고객이 서비스에 진입한 순간부터 구매를 완료하는 여정까지 최적의 상품을 발견할 수 있도록 개인화 추천, 함께 본 상품 추천, 실시간 트렌드 랭킹, 장바구니 추천, 결제 […] The post “함께 구
AI/MLData AnalysisRecommendation
개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
팀 내에서 범용 개인화 추천 시스템을 구축하며 온라인 A/B 테스트와 CRM 캠페인 테스트에서 비교적 좋은 성과를 확인해, 그 개선 사례와 모델링 과정을 소개하고자 합니다.
AI/MLData AnalysisPerformanceRecommendation
개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
팀 내에서 범용 개인화 추천 시스템을 구축하며 온라인 A/B 테스트와 CRM 캠페인 테스트에서 비교적 좋은 성과를 확인해, 그 개선 사례와 모델링 과정을 소개하고자 합니다.
AI/MLBackendData AnalysisRecommendationTools
하이퍼커넥트
2025-08-26 · 10개월 전
클릭 한 번으로 실험 시작! 이터레이션 사이클을 단축하는 추천 실험 시스템 개발기
들어가며 아자르는 1:1 비디오 채팅을 통해 매일 전세계의 사용자들을 연결하고 있습니다. 비디오 채팅에서 즐거운 경험을 하려면 자신과 잘 맞는 사람을 만나야 하기에 추천 알고리즘의 역할이 매우 중요합니다. 지난 테크블로그에서는 하이퍼커넥트가 AI 기반 추천 시스템을 개발하여 어떻게 매치 경험을 향상시키고, 아자르의 성장을 견인하고 있는지에 대해 다루었습니다. AI Lab에서는 추천 알고리즘의 성능을 향상시키기 위해 끊임없이 더 향상된 알고리즘을
AI/MLData AnalysisPerformanceRecommendationTesting
Milvus: LINE VOOM의 실시간 추천 시스템을 위한 대규모 벡터 DB 구축기
안녕하세요. LINE VOOM 서비스의 추천 시스템을 개발하는 ML 엔지니어 이창현, 백진우입니다. 저희는 LINE VOOM의 실시간 추천 시스템을 위한 대규모 벡터 데이터베이스 ...
AI/MLDatabaseRecommendation
하이퍼커넥트
2025-06-11 · 약 1년 전
AI 실시간 추천 시스템을 위한 Flink 기반 스트림 조인 서비스 구축기
안녕하세요. Matching Dev Team의 Milo입니다. Azar는 전 세계 유저들을 24/7 연결하고 있으며, 즐거운 연결 경험을 제공하기 위해 세션 기반 추천 시스템1을 운영하고 있습니다. 이 추천 시스템은 유저의 행동이나 선호도 같은 정보를 바탕으로 맞춤형 추천을 제공하는 방식입니다. 추천 품질을 높이려면 유저의 최신 정보를 실시간 반영하는 것이 중요합니다. 유저의 최신 정보는 서로 다른 시점에 실시간으로 생성된 여러 이벤트로 존재했
AI/MLMLOpsRecommendation
하이퍼커넥트
2024-11-19 · 1년 이상 전
아자르에서는 어떤 추천 모델을 사용하고 있을까?
하이퍼커넥트 AI 조직은 사용자 경험을 향상시키고, 비즈니스 성과를 높이는 AI 기술을 꾸준히 개발해왔습니다. 이러한 노력의 성과는 2023년 2분기 매치 그룹 주주 서한과 어닝콜에서 발표되었습니다. 하이퍼커넥트의 대표 서비스인 아자르는 2022년 2분기 대비 24%(원화 기준 30%)의 매출 성장을 기록했습니다. 아래의 주주 서한에서 강조되었듯, 이 성과는 AI 기반 추천 시스템이 견인하였습니다. 이번 포스트에서는 아자르의 AI 추천 모델이
AI/MLData AnalysisMobilePerformanceRecommendation
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 2부
보완재 추천 모델을 서빙하기 위한 아키텍처 소개
AI/MLArchitectureRecommendation
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 2부
보완재 추천 모델을 서빙하기 위한 아키텍처 소개
AI/MLArchitectureRecommendation
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
보완재 추천 모델을 적용하고 성과를 거둔 사례 소개
AI/MLData AnalysisRecommendation
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
보완재 추천 모델을 적용하고 성과를 거둔 사례 소개
AI/MLData AnalysisRecommendation
딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!
1. 서론 안녕하세요. AI팀 안준형입니다. 이번 포스팅에서는 추천시스템에서 인과추론을 어떻게 적용하는지 알아보겠습니다. 현재 대부분의 머신러닝 기반의 추천시스템은 입, 출력 간의 상관관계 (correlation)을 모델링합니다. 하지만, 현실 세계는 상관관계가 아닌 인과관계로 구성되어 있으며 상관관계가 인과관계를 반드시 암시하지 않습니다. 예시) 어떤 유저는 휴대폰을 구매한 다음 배터리 충전기를 구매하는 경우, 전자는 후자의 원인이 되지만 그
AI/MLNLPRecommendation
머신러닝으로 만드는 개인화 추천 시스템
안녕하세요, 데이블 AI팀의 machine learning engineer 김명섭입니다. 이번 포스팅에서는 기초적인 개인화 추천 시스템 설계에 대해 알아보고자 합니다. 본 포스팅에서는 프로그래머틱 애드 (programatic ad), real-time bidding 및 DSP 등에 관한 내용들은 다루지 않습니다. 만약 해당 내용들이 궁금하시다면, 아래의 포스팅을 참고해 주세요! 데이나의 참 쉬운 애드테크 (Link) 추가적으로 본 포스팅은 전반
AI/MLBackendData AnalysisPythonRecommendation
카카오뱅크
2024-03-19 · 2년 이상 전
ChatGPT로 주식 가격 예측하기
OpenAI의 ChatGPT가 금융시장 분석에 미치는 영향을 연구한 최신 논문을 소개합니다. 이 논문은 ChatGPT를 활용한 뉴스 감성 분석이 주식 시장 예측에 얼마나 효과적인지 실증적으로 검토합니다. 카카오뱅크 기술기획팀의 William이 작성한 이 글에서는 ChatGPT의 뉴스 분석이 주가 수익률 예측에 유의미한 영향을 미치는지, 그리고 전통적인 감성 분석 기법과 비교했을 때 어떤 성과를 나타내는지에 대해 상세히 다룹니다. 금융과 AI의
AI/MLData AnalysisNLPRecommendation
왓챠 추천 서비스 MLOps 적용기 Part2
AI/MLMLOpsRecommendation
왓챠 추천 서비스 MLOps 적용기 Part1
AI/MLMLOpsRecommendation