AI
토스 쇼핑 추천 시스템: 수백만 사용자와 상품을 잇는 멀티 스테이지 접근법
두줄요약
토스 쇼핑이 수백만 사용자와 상품을 다루기 위해 멀티 스테이지 추천 시스템을 설계한 방식을 소개했습니다. Retrieval, Ranking, Re-ranking으로 개인화와 비즈니스 목표를 함께 맞췄습니다.
핵심 내용
- 토스 쇼핑의 홈 피드 추천 시스템을 수백만 사용자와 상품에 맞춰 설계한 멀티 스테이지 구조로 소개
- 탐색형 사용자를 중심으로 Retrieval, Ranking, Re-ranking을 순차 적용해 후보군을 정제하고 개인화 품질과 비즈니스 목표를 함께 고려
- Two-Tower, Graph, Sequence 모델로 후보를 빠르게 찾고, DeepFM, DLRM, DCN, ESMM으로 클릭·전환을 예측하며, 다양성·신선도·광고 혼합으로 최종 노출 조정
적용해볼 점
- 대규모 추천 문제에서 속도와 정확도를 분리한 단계적 구조 적용
- 최종 정렬에서 모델 점수뿐 아니라 다양성, 신선도, 비즈니스 제약을 함께 반영
- 클릭과 전환 같은 복수 목표를 동시에 학습하는 다중 과제 접근 검토