2025 미식관 리뉴얼 오픈기
미식관은 신규 고객 유입 저하와 스테디셀러 편중 문제를 개선하기 위해 리뉴얼을 진행했습니다. 토글, 개인화, 커뮤니티, 테마 큐레이션을 적용해 방문자와 매출을 함께 끌어올렸습니다.
#이커머스#개인화
104005분
필터 1
올리브영 사용자 행동 데이터로 학습한 상품 유사도 언어 모델: 전통적 속성 기반 추천을 넘어선 의미론적 유사도 모델링
기존 속성 기반 상품 유사도 추천의 한계를 보완하기 위해 검색 로그를 활용한 의미론적 유사도 언어 모델을 설계했습니다. 신규 상품까지 포함한 학습과 정량 검증으로 추천 성능과 커버리지를 함께 개선했습니다.
#ML#추천
72005분
사용자 경험 개선을 위한 올리브영 테크팀 아이디어톤 현장 전격 공개!
올리브영 테크팀이 워크숍에 아이디어톤을 더해 사용자 경험 개선 아이디어를 발굴했습니다. 문제 정의와 협업 중심 운영을 통해 실제 서비스 개선으로 이어갈 기반을 마련했습니다.
#UI/UX#아이디어톤
40005분
[DAN 24] 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스 ① 홈피드와 교차 도메인 컨텍스트
네이버 홈피드는 검색과 다른 서비스의 사용자 컨텍스트를 함께 활용해 개인화를 강화했습니다. LLM 기반 AiRScout로 관심 주제 추출과 검색 의도 세분화를 수행해 추천 품질을 높였습니다.
#LLM#검색
59005분
[DAN 24] 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스 ③ 사용자 관심 주제 추출
홈피드 추천 고도화를 위해 LLM으로 사용자 관심 주제를 세분화하는 분류기와 선호도 추출 방식을 소개했습니다. 데이터 증강과 지식 증류, 가이드 생성으로 안정성과 클릭률 개선 효과를 확인했습니다.
#LLM#검색
37005분
![[에이닷 미디어 에이전트] 대화형 콘텐츠 탐색은 어디까지 왔을까](https://devocean.sk.com/thumnail/2024/10/31/3ae82ea55358fe590deb04dd7f3fc5c5017c61a18a2863712d1a416ac10aa6a3.jpg)
[에이닷 미디어 에이전트] 대화형 콘텐츠 탐색은 어디까지 왔을까
에이닷 미디어 에이전트의 대화형 콘텐츠 탐색 구조와 핵심 기술을 설명했습니다. LLM, RAG, 선제 추천을 활용해 개인화된 검색 경험을 강화했습니다.
#LLM#RAG
22005분
AI와 함께하는 패션 큐레이션 — 무신사 2.0 시나리오 기반 추천 시스템 개발
무신사 2.0에서 시나리오 기반 설명 가능한 추천 시스템을 구축한 사례를 소개했습니다. 장기·단기 행동을 함께 반영해 개인화와 다양성을 높이고, A/B 테스트와 모니터링으로 운영했습니다.
#추천 시스템#LLM
84005분
ksqlDB 실시간 Join으로 뉴스 추천 만들기
ksqlDB Join으로 뉴스탭 로그와 유저 클러스터 정보를 실시간 결합해 추천용 데이터를 만들었습니다. 외부 DB 조회를 줄이고 파티션과 조인 키를 맞춰 정확한 실시간 처리를 보장했습니다.
#ksqlDB#Kafka
30005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
데이터로 풀어보는 마케팅 최적화
패션 커머스 플랫폼에서 CTS, 어트리뷰션 모델, 피처스토어를 활용한 마케팅 최적화 사례를 다뤘습니다. 퍼포먼스와 CRM 캠페인을 데이터로 개선한 흐름과 성과, 과제를 함께 정리했습니다.
#마케팅#데이터 분석
25005분
속성을 활용한 추천 고도화 : Part 2. 무신사가 개인화 추천을 하는 방법
무신사는 패션 속성과 행동 시그널을 활용해 개인화 추천을 고도화했습니다. 스타일 세분화와 속성 조합으로 CTR과 클릭 수를 높이고 추천 다양성도 개선했습니다.
#추천#개인화추천
60005분
AI P!ck, 내 취향에 맞춘 특별한 상품 셀렉션(Beta)
SSG의 개인화 추천 서비스 AI Pick 베타 개발 과정을 소개했습니다. 관련성·다양성·신기함을 기준으로 설계하고 내부 테스트와 지표 개선 결과를 공유했습니다.
#ML#추천
56005분
속성을 활용한 추천 고도화 : Part 1. 무신사만의 패션 택소노미 구축기
무신사는 패션 상품 속성을 표준화하기 위해 택소노미를 설계하고 AI 기반 자동 추출 체계를 구축했습니다. 이를 통해 추천·검색에 활용 가능한 일관된 메타데이터를 확보했습니다.
#추천#검색
54005분