실시간 반응형 추천 개발 일지 #1. 프로젝트 소개

핵심 내용

• 배민 검색 홈 추천에 실시간 행동 이력을 반영하는 실시간 반응형 추천 시스템 도입 배경과 전체 구조 소개
• 기존 Two Tower 기반 오프라인 추천을 후보 목록으로 유지하고, 실시간 클릭·검색 이력으로 재정렬하는 방식 채택
• 실시간 행동 이력 스트리밍, 인코더 임베딩 추출, 벡터 유사도 검색의 3개 컴포넌트로 구성
• A/B 테스트에서 CTR 23% 상승, 노출 대비 주문전환율 약 40% 상승

구조와 흐름

• 사용자의 검색·클릭 로그를 Kafka와 Flink로 스트리밍해 MongoDB에 적재하고 TTL로 관리
• 검색어와 가게를 같은 벡터 공간에 임베딩한 뒤 VectorDB에 저장
• 추천 API가 실시간 행동 이력과 후보 가게 임베딩을 비교해 코사인 유사도로 재정렬

선택 이유

• 오프라인 배치 추천은 사용자의 빠르게 변하는 관심사를 즉시 반영하기 어려움
• 기존 Two Tower 후보 목록을 재활용해 새로운 후보 생성 없이 실시간성만 보강
• 컴포넌트 분리로 병렬 개발과 재사용성을 확보