백엔드
속성을 활용한 추천 고도화 : Part 2. 무신사가 개인화 추천을 하는 방법
두줄요약
무신사는 패션 속성과 행동 시그널을 활용해 개인화 추천을 고도화했습니다. 스타일 세분화와 속성 조합으로 CTR과 클릭 수를 높이고 추천 다양성도 개선했습니다.
핵심 내용
- 무신사 추천프로덕트팀이 패션 택소노미의 속성을 활용해 개인화 추천을 고도화한 사례
- 고객 취향을 스타일로 정의하고, 스타일 세분화와 행동 시그널 집계를 통해 관심 스타일을 추정
- 스타일별 인기 카테고리와 속성·서브카테고리 조합을 활용해 추천 다양성과 시의성 강화
- 기존 최근 본 상품 기반 추천 대비 CTR과 클릭 수 증가, 새로운 스타일 노출 확대
적용해볼 점
- 속성 기반 분류 체계로 추천 대상의 의미를 더 세밀하게 정의하는 접근
- 최근 행동뿐 아니라 좋아요·구매 등 시그널과 가중치를 함께 반영하는 방식
- 다양성, 시의성, 탐색성까지 고려한 추천 설계