devBlog
Recommendation 글 모음
기업 기술블로그의 Recommendation 관련 글 32개
미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법
[25. 10. 22] AI로 더 정밀하게, 환자 예측 기술 3건 특허 취득
AI에게 투자정보를 말하게 하기까지
근거를 고르고, 절차를 통제하고, 실패를 다시 쓰는 세 개의 관문
포스타입이 개인화 추천을 하는 방법 2부
안녕하세요, 포스타입 백엔드 엔지니어 장예훈이에요. 1부에서는 포스타입이 유저의 취향을 벡터로 표현하고, 그 벡터로 개인화 추천을 만들어 실제 구매까지 끌어올린 이야기를 했어요. 벡터 공간에서 가까운 포스트를 찾고, 나와 취향이 닮은 유저가 좋아한 걸 추천하고. 결과만 놓고 보면 꽤 매끄러운 여정처럼 보였을지도 모르겠습니다. 그런데 실제로는 전혀 그렇지 않았어요. 수백만 개의 벡터를 실시간으로 검색한다는 건, 만들고 나서가 진짜 시작이었거든요.
포스타입이 개인화 추천을 하는 방법 1부
안녕하세요, 포스타입 백엔드 엔지니어 장예훈이에요. 사내 AI 챗봇 구축기 이후 다시 한번 인사드리는 것 같네요. 이번에는 포스타입이 유저에게 어떻게 개인화된 추천을 하는지, 그 기술적인 내용과 성과, 트러블슈팅 과정을 공유해보려 합니다. 포스타입은 유저에게 최적의 포스트를 추천하려고 여러 시도를 하고 있어요. 그중에서도 개인화 추천에 특히 공을 들였어요. 개인화 추천에서 가장 중요한 건 유저가 어떤 취향인지를 파악하는 일입니다. 그런데 이걸
벡터DB를 걷어내고 유사글 추천 되살리기 — 임베딩 배치 Agent 개발기
들어가며 — 비어 있던 추천 섹션 DEVOCEAN 블로그 글을 끝까지 내리면 맨 아래에 ＂DEVOTEE 추천 블로그＂ 라는 자리가 있습니다. 지금 읽는 글과 비슷한 주제의 글 4건을 슬쩍 띄워주는 곳인데, 언젠가부터...
피카이: AI에게 추천받는 브랜드로 자리잡는 방법
AI의 답변에 브랜드가 자주 등장한다는 것은 좋은 신호입니다. AI를 통해 브랜드가 더 많은 고객에게 알려지고 있다는 뜻이기 때문입니다. AI가 새로운 정보 탐색 채널로 자리 잡으면서 이러한 노출의 중요성은 나날이 커지고 있죠. 그렇다면 AI의 언급 횟수만으로 그 브랜드의 위치를 정확히 판단할 수 있을까요? 8개의 AI 플랫폼에서 부정적으로 언급되는 브랜드가 있다고 가정해보겠습니다. 반대로 4개 플랫폼에서만 언급되지만, 등장할… 더 보기 »피카
AI가 우리 브랜드 대신 경쟁사를 추천하는 이유
ChatGPT의 답변에 우리 브랜드 대신 경쟁사만 추천된다면 어떨까요? 아마 ‘GEO를 최적화해서 AI가 우리를 인용하도록 해야겠다’라는 생각이 들 것입니다. AI에게 ‘GEO 최적화’에 대해 질문해보면, 블로그를 작성하고 FAQ를 추가하는 등 콘텐츠를 만들어야 한다는 조언을 받을 수 있습니다. 그러나 다양한 방법 중 무엇을 먼저 시도할지 결정하기란 쉽지 않습니다. 우리 브랜드와 경쟁사가 AI의 답변 속에서 어떻게 소개되고 있는지 먼저… 더 보
근거 있는 GEO 전략을 세우는 가장 쉬운 방법
검색 결과의 상위에 노출되는 것은 디지털 마케팅의 오랜 숙제였습니다. 기업들은 검색 순위와 같은 데이터를 측정하며 SEO 전략을 개선해 나갔습니다. 성과를 수치로 확인할 수 있었기에, 이를 바탕으로 다음 전략을 세우는 것입니다. 그러나 이제 사용자들은 검색 순위가 높은 브랜드보다 AI가 추천한 브랜드를 선택합니다. 문제는 AI의 답변을 ‘검색 순위’처럼 명확한 기준으로 측정하기 어렵다는 점입니다. 하지만 측정할 수 없는… 더 보기 »근거 있는
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
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
“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
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.
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.
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
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 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
페이지 1 / 2 (총 32개)