이번 주에 낚시대는 얼마일까?

간단 소개

SSG.COM은 MAB를 활용하여 가격 최적화를 진행하고, Thompson Sampling과 Sliding window를 통해 모델 성능을 개선한다.

AI Summary

가격 최적화를 위한 MAB(Multi-Armed Bandit) 활용
- SSG.COM은 상품 가격 결정을 위해 머신러닝 모델과 MAB를 활용, 최적의 할인율을 결정한다.
- MAB는 여러 모델 중 최적의 모델을 선택하여 KPI를 달성하고, 동적 상황 변화에 유연하게 대응한다.
- Thompson Sampling을 통해 각 모델의 승리 확률 분포를 추정하고, 실험 결과를 바탕으로 분포를 업데이트한다.
MAB를 이용한 가격 결정 과정
- Thompson Sampling을 통해 최적의 모델을 선택하고, 각 모델의 사후 분포에서 값을 샘플링하여 최종 결과로 이용한다.
- Scoring 과정을 통해 KPI 목표에 따라 모델에 추가 점수를 부여하거나 페널티를 적용하여 최종 가격을 결정한다.
- Sliding window를 이용하여 최근 성과에 가중치를 부여하고, 과거 데이터의 영향을 줄여 예측 정확도를 높인다.
MAB의 한계와 개선 방향
- 실적 데이터 부족 시 상품별 분포 생성이 어려워 MD나 중분류 단위로 통합해야 하는 문제점이 존재한다.
- 이러한 문제점을 보완하기 위해 새로운 버전의 모델 선택 방법이 필요하며, 이는 2부에서 소개될 예정이다.