올리브영, 텍스트 기반 AI로 개인 맞춤형 상품 추천!
by DD
1년 전
조회수 4
올리브영은 상품 속성 기반 추천의 한계를 극복하기 위해 Language Model을 도입함
Sentence Transformer 기반 모델을 활용, 상품 문서 임베딩을 통해 유사도 측정
CTR 50% 개선 및 카테고리별 상품 특성 학습, 추천 정확도 향상 달성
Sentence Transformer 기반 유사도 모델 설계
올리브영은 상품 속성과 사용자 행동 데이터를 활용하여 상품 간 유사도를 측정하는 Language Model을 개발했다. 구체적으로 Sentence Transformer를 사용하여 상품 문서의 임베딩 벡터를 생성하고, 코사인 유사도를 계산하여 상품 간의 관계를 파악한다. 따라서, CTR 50% 개선이라는 괄목할 만한 성과를 달성했다.
속성 가중치 문제와 해결 방안
기존 속성 기반 유사도 계산은 모든 속성에 동일한 가중치를 부여하여 정확도가 낮았다. 사용자 관점을 반영하기 위해, 상품 카테고리에 따라 를 다르게 적용하는 모델을 설계했다. 반면, 을 통해 속성 정보가 부족한 상품에 대한 추천 정확도도 높였다. 결과적으로, 을 이끌었다.
