당신이 보는 첫 화면은 어떻게 정해질까? 무신사 홈 배너 개인화 추천 이야기

간단 소개

무신사 홈 배너 개인화 추천 시스템 개발 및 적용 사례 분석: GraphSAGE, DeepFM, Two-Tower 모델, Continual Learning을 활용한 CTR 향상 전략.

AI Summary

무신사 홈 배너 개인화 추천 시스템 개발 배경
- 고객 니즈 다양화 및 콘텐츠 증가로 일괄적인 배너 노출의 문제점 발생
- CTR 극대화를 목표로 스토어 홈 상단 빅배너 노출 방식 개인화
- 홈 배너는 서비스 첫인상을 결정짓는 중요한 요소
추천 시스템 구조 및 핵심 기술
- GraphSAGE 알고리즘을 활용한 이종 그래프 기반 배너 임베딩
- DeepFM 및 Two-Tower 모델을 활용한 클릭률 예측
- Continual Learning을 통한 모델 최신성 유지 및 빠른 적응력 향상
- 스토어별 데이터 불균형 해소를 위한 전략적 모델 선택 (통합 vs 개별 모델)
결론 및 향후 개선 방향
- Continual Learning 기반 DeepFM 모델이 CTR 기준 16.1% 향상
- 실시간 서빙 구조 전환, Multi-Task Learning 도입, 배너 임베딩 품질 고도화, 성과 지표 다각화 추진
- 사용자 경험 향상 및 비즈니스 목표 달성을 위한 지속적인 기술 발전 추구