개인화된 콘텐츠 추천 시스템을 개선하기 위해 어떤 데이터를 분석했나요?

개인화 추천 개선에서 제가 클릭률 다음으로 중요하게 보는 건, 사용자가 말로 하지 않은 암묵적 신호입니다. 수업 과제에서 클릭률만 보면 추천 품질을 다 잴 수 없다는 걸 배웠습니다. 클릭은 했지만 금방 떠났다면 오히려 안 맞는다는 신호이기 때문입니다. 그래서 저는 시청 완료율이나 체류 시간, 스크롤 같은 암묵적 신호를 함께 봐서 추천이 실제로 맞았는지를 확인하는 게 핵심이라고 봅니다. 명시적 평점은 양이 적어, 행동에 묻어나는 신호가 더 많은 걸 말해 줬습니다. 다만 제 한계도 인정합니다. 암묵적 신호는 노이즈가 섞여, 체류가 길다고 꼭 만족인 건 아닙니다. 또 신규 사용자는 신호 자체가 없는 콜드 스타트 문제가 있어 따로 다뤄야 합니다. 그리고 추천 로직과 화면을 동시에 바꾸면 무엇이 지표를 움직였는지 못 가리니, 실험에서 변수를 분리해야 한다는 것도 압니다. 그래서 추천 개선을 클릭률이 아니라 행동 신호 전체로 보려 합니다.