아자르에서는 어떤 추천 모델을 사용하고 있을까?

문제 상황

• 아자르 1:1 비디오 채팅에서 매칭 품질이 사용자 경험과 리텐션에 큰 영향
• 기존 휴리스틱 규칙 기반 추천은 코드 복잡도가 크고, 시간이 지나며 성능이 저하되는 지연 문제 존재
• 짧은 응답 시간이 중요한 환경에서 고비용 추론 모델은 레이턴시와 확장성 제약 발생

원인 분석

• 유저 특성과 행동 패턴이 계속 변해 사람이 규칙을 계속 수정하기 어려움
• 기존 방식은 유저 수가 늘수록 전체 유저-피어 쌍에 대한 연산 부담이 급증
• 신규 유저는 히스토리가 부족해 기존 모델만으로는 예측력이 낮음

해결 방법

• 투 타워 아키텍처로 유저 임베딩과 피어 임베딩을 분리 생성하고 내적으로 대화 시간 예측
• 임베더는 Wide&Deep과 세션 기반 추천, 인과 트랜스포머를 검토한 뒤 상황에 맞게 구성
• 변경이 필요한 정보는 피처 임베딩, 캐싱 가능한 정보는 세션 임베딩으로 분리해 비동기 처리
• 학습 효율 향상을 위해 2단계 학습과 지수 변환을 적용