생성형 AI 기반 실시간 검색 결과 재순위화 1편 - 서빙 시스템 아키텍처
네이버 통합검색의 LLM 기반 실시간 재순위화 서빙 아키텍처와 고부하 대응 방법을 정리했습니다. 원격 캐시, 비동기 호출, 스로틀링으로 검색 서버 보호와 응답 시간 최적화를 다뤘습니다.
#LLM#검색
26005분
필터 1
최적의 UX를 찾아서, 여기어때 객실 카드 개선기
여기어때가 객실 카드에서 사진, 취소 정책, 상세 정보를 직접 보여주도록 개선한 사례를 소개했습니다. 유저 리서치와 실험을 통해 구매 전환과 카테고리별 반응 차이를 확인했습니다.
#UI/UX#A/B 테스트
36005분
캐치테이블 지도 개발기(1편)
캐치테이블은 지도 탐색 비중을 높이기 위해 웨이팅·픽업 표시와 검색 개선을 진행했습니다. 확대 레벨별 노출 정책과 반복 테스트로 더 편한 지도 사용성을 만들었습니다.
#UI/UX#검색
51005분
ElasticSearch 비용, 성능 최적화 — 2편
ElasticSearch 메이저 버전 업그레이드와 리전 이관, PrivateLink 구축으로 성능과 비용을 함께 최적화한 사례를 다뤘습니다. 무중단 배포 전략, snapshot 복원, 인덱스 정리와 같은 실무 팁도 함께 공유했습니다.
#Elasticsearch#AWS
16005분
혼자서도 잘해요, 검색 시스템 구축과 운영
외부 검색 솔루션의 한계를 해결하기 위해 AWS 기반 검색 파이프라인을 내부 구축했습니다. 30분이던 증분색인 주기를 1분 이내로 줄이고 운영 부담도 낮췄습니다.
#검색#AWS
20005분
(youtube)도메인 정의부터 시작하는 검색 개발
검색 시스템의 핵심 정의를 바탕으로 코드 구조를 재정비한 경험을 공유했습니다. 속성 패싯 추출 자동화와 리팩토링을 통해 성능과 사용성을 개선했습니다.
#검색#리팩토링
24005분
Vertex AI Search를 활용한 결과 없는 검색 개선하기
오타와 유의어로 생기는 결과 없는 검색을 Vertex AI Search로 개선한 사례였습니다. BigQuery 기반 데이터와 튜닝으로 검색 품질을 높이고 A/B 테스트에서도 긍정적 성과를 확인했습니다.
#Vertex AI Search#검색
36005분
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
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
업무용 툴, 내 동료가 정말 만족했나요?
테이블센터의 검색과 탐색 경험을 10개월간 지표 기반으로 개선한 사례를 소개했습니다. 검색 속도와 만족도를 크게 높이고, 빠른 UT로 기능 방향을 검증했습니다.
#UI/UX#검색
15005분
Headless CMS를 위한 변경 데이터 캡쳐(CDC) 기술 설계하기
헤드리스 CMS에서 다국어와 연관 관계를 고려한 CDC 설계 경험을 공유했습니다. 순서 보장과 트랜잭션 분리를 통해 대량 변경을 안정적으로 처리했습니다.
#CDC#Headless CMS
26005분
요기요 검색에서 형태소 분석기의 한계와 극복
요기요 검색에서 형태소 분석기의 한계를 사례로 설명하고, N-gram을 보완적으로 도입한 개선 방식을 소개했습니다. 그 결과 검색 미노출 CS를 줄이며 플랫폼에 맞는 Analyzer 설계의 중요성을 강조했습니다.
#검색#형태소 분석기
44005분
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