⚡<딥러닝 기반 다음에 볼 상품 알고리즘>이 개선되었습니다!
11월 그루비에서 딥러닝 기반 다음에 볼 상품 알고리즘을 개선했습니다. 딥러닝 기반 다음에 볼 상품 알고리즘은 고객의 행동 시퀀스를 기반으로 맥락을 이해하는 AI 알고리즘입니다. 고객이 어떤 순서로 상품을 클릭했는지를 확인해 고객의 관심사를 파악하고 상품을 추천해줍니다.
이번 업데이트는 고객의 관심 변화와 세부 패턴까지 반영해 추천 품질을 향상시키는 것을 목표로 진행되었습니다.
주요 업데이트 사항
☑️ 최신 시퀀스 기반 모델 적용으로 추천 품질 향상
☑️ 과평활화(oversmoothing) 문제 개선으로 세부 관심사 반영
☑️ 고객의 관심 변화에 더 빠르게 반응하는 추천 성능 향상
딥러닝 기반 다음에 볼 상품 알고리즘이란?
고객이 어떤 상품을 어떤 순서로 클릭했는지를 분석해 다음에 관심 가질 상품을 예측하는 시퀀스 기반 추천 알고리즘입니다. 예를 들어 고객이 A상품 → B상품 → C상품을 순서대로 확인했다면, C 상품 이후에 관심 가질 확률이 높은 상품을 예측해 추천해줍니다. 단순히 ‘비슷한 상품을 추천’하는 것이 아니라, 고객의 최근 관심 흐름(맥락)을 반영하는 것이 핵심입니다.
업데이트 배경: 과평활화란?
딥러닝 기반 추천 모델이 고객의 순차적인 행동에 대해 학습하는 과정에서, 고객의 다양한 관심사가 하나의 유사한 패턴으로 뭉개지는 과평활화(oversmoothing) 현상이 발생할 수 있습니다. 과평활화 현상을 예로 들면 한 사용자가 “주로 액션 영화를 보지만 가끔 로맨스 영화도 본다”는 패턴에서 “가끔 로맨스 영화를 본다”는 세부 패턴을 놓치는 것처럼, 세부 관심사나 미세한 행동 패턴을 놓치는 것입니다.
이를 기반으로
✔ 고객이 관심을 보인 카테고리
✔ 특정 상품군에 대한 ‘신호’를 정확히 반영하고 과평활화를 해소하기 위해 업데이트를 진행했습니다.
신규 알고리즘으로 더 정교한 ‘관심 포착’
이번 업데이트에서 최신 시퀀스 모델(BSASRec)을 적용하여 과평활화 문제를 대폭 줄이며, 사용자가 최근 어떤 상품을 어떤 순서로 봤는지까지 정밀하게 분석할 수 있습니다.
- 사용자의 최근 행동 흐름을 반영
- 세부 패턴(신규 관심카테고리 등) 포착
- 추천 결과 다양성 확대
- 변화된 관심 신호 반영 속도 향상
이를 통해 고객의 더 다양한 관심사와 맥락을 반영하는 추천이 가능해졌습니다.
실제 성과는? 클릭·주문·전환금액 모두 개선
신규 알고리즘 개선 후 테스트와 운영 결과 모두에서 성과가 개선된 것을 확인했습니다. 2주간 진행된 테스트에서는 알고리즘별 주문전환금액과 클릭전환율 모두 1위를 달성했으며, 실제 고객사 운영 결과에서도 전환율/전환 금액 평균 수치가 개선된 것을 확인할 수 있었습니다.
신규 모델이 고객의 관심 흐름을 더 정확히 반영해 실제 구매로 이어지는 전환 성과에 긍정적인 영향을 준 것입니다.
