AI 기반 추천 시스템을 설계할 때 어떤 데이터 분석 방법을 사용하나요?

추천 시스템을 만들면서 가장 먼저 부딪힌 한계는 신규 사용자에 대한 추천이었습니다. 소비 이력이 없으면 협업 필터링이 작동하지 않아서, 인기 기반 추천으로 대체하는 것이 일반적이지만 그건 개인화라고 부르기 어렵습니다. 이 문제를 다루면서 사용자가 처음 진입할 때 간단한 선호 선택(장르·분위기 등)을 받아 콘텐츠 기반 필터링으로 초기 추천을 제공하는 방식을 실험했습니다. 도구는 scikit-learn의 TF-IDF와 코사인 유사도를 썼습니다. 이력이 쌓이면 협업 필터링 가중치가 자동으로 높아지는 구조로 설계했고, 신규 사용자 첫 세션 클릭률이 의미 있게 올랐습니다. 팀원과는 실험 결과를 MLflow로 공유하면서 어떤 선호 선택 항목이 이후 이력과 가장 잘 연결되는지를 분석했습니다.

이력 없는 사용자가 첫 경험에서 떠나면 이후도 없습니다. 콜드 스타트가 추천 시스템의 첫 관문입니다.