

개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
상품 텍스트를 Semantic ID로 압축하고 유저 행동을 Transformer로 해석해 개인화 추천 모델을 구축했습니다. 지식 증류와 데이터 엔지니어링으로 정확도와 속도를 함께 개선하고 A/B 테스트 성과를 확인했습니다.


상품 텍스트를 Semantic ID로 압축하고 유저 행동을 Transformer로 해석해 개인화 추천 모델을 구축했습니다. 지식 증류와 데이터 엔지니어링으로 정확도와 속도를 함께 개선하고 A/B 테스트 성과를 확인했습니다.

OpenRTB 기반 광고 플랫폼에서 수익 최적화를 위해 휴리스틱, MAB, GMM을 단계적으로 진화시켰습니다. AWS MLOps와 이상 탐지로 실시간 보정까지 연결해 광고 매출 효율을 높였습니다.


미리디는 멀티모달 AI 디자인 품질을 높이기 위해 프롬프트 엔지니어의 역할을 중요하게 보고 있습니다. 프롬프트 설계뿐 아니라 실험, 평가 지표, 협업 역량까지 요구하고 있습니다.

토스의 광고 경험 개선 사례를 통해 비즈니스와 사용자 경험의 교집합을 찾는 방법을 다뤘습니다. 예고, 배치, 보상 설계로 불쾌감을 줄이면서 성과를 만든 과정을 소개했습니다.


검색 광고의 랭킹 부스트 기능을 설계하고, 노출 수 예측 대신 순위 상승 보장 방식으로 전환했습니다.\n데이터 수집, Delta Score 계산, Elasticsearch 가중치 주입과 A/B 테스트 검증 과정을 정리했습니다.

채널톡 프로덕트 디자이너의 역할과 디자인팀의 협업 문화, 문제 해결 방식을 소개했습니다. 사용자 인터뷰와 테스트를 바탕으로 복잡한 기능을 쉬운 UX로 바꾸는 사례를 보여주었습니다.
토스는 푸시 CTR 하락 문제를 EDA와 장기 실험으로 진단했습니다. 연속 무반응 사용자를 제외하는 디타게팅 룰로 불필요한 푸시를 줄이고 전사 배포했습니다.

주문서 결제 혜택을 더 직관적으로 보여주도록 UX와 상태 관리 구조를 개편했습니다. 그 결과 구매전환율과 혜택 사용 비중, 결제 속도가 함께 개선되었습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

계좌 개설 전환율이 낮은 문제를 퍼널 개선과 타겟형 퀴즈, 퍼즐 미션으로 풀어냈습니다. 미완성 심리를 활용해 계좌 개설과 매출을 함께 끌어올렸습니다.


추천 실험의 병목을 줄이기 위해 Policy와 Experiment를 분리하고 Python DSL과 Z3 검증을 도입했습니다. 그 결과 설정 작성과 리뷰 시간이 크게 줄고, 엔지니어 개입 없이 실험을 운영할 수 있게 했습니다.

문제 없어 보이는 서비스도 사용자군을 나눠 보면 성장 기회를 찾을 수 있었습니다. 핵심 행동의 진입 장벽을 줄이고 아하 모먼트를 늘리는 방향으로 리텐션을 개선했습니다.


미리디 프로덕트 디자인팀이 제품 간 연결로 고객 경험을 확장하는 방식과 팀의 방향성을 소개했습니다. 글로벌 확장, AI 고도화, 리서치와 협업 체계 강화에 집중하고 있습니다.