사용자 행동 기반 추천 경험
약 90초
클릭·구매 로그 데이터를 구조화해 간단한 추천 로직을 만든 경험
졸업 작품으로 온라인 서점 추천 기능을 만들었습니다. 처음엔 구매 이력만으로 추천했는데, 구매가 적은 신규 사용자는 추천이 아예 안 나오는 콜드스타트 문제가 있었습니다.
클릭, 장바구니, 구매에 각각 가중치를 다르게 부여해 행동 점수를 계산했습니다. 클릭은 1점, 장바구니는 3점, 구매는 5점으로 시작했습니다. 처음엔 클릭 가중치가 너무 낮아 클릭만 많고 구매가 없는 책이 낮게 랭크되는 경우가 있었습니다. 가중치를 조정하면서 클릭율과 구매전환율 모두 확인하는 과정을 2주 반복했습니다.
그 경험에서 추천 시스템의 데이터 구조는 어떤 행동을 중요하게 볼지가 먼저 결정된 뒤에 설계해야 한다는 걸 배웠습니다. 데이터를 먼저 모으고 나서 어떻게 쓸지 결정하면 구조가 뒤틀린다는 것이 지금도 제 기준입니다.
이 결의 특징
클릭 1점, 장바구니 3점, 구매 5점으로 가중치를 매기고, 클릭 가중치가 낮아 구매 없는 책이 저평가된 문제를 2주간 조정한 구체적 과정이 담겨 있습니다. 콜드스타트 문제를 인식한 지점도 구체적입니다.
이 결이 통하는 자리
가중치 조정 전후 수치 비교가 남아 있을 때 통합니다. 데이터를 먼저 모으고 쓸지 정하면 구조가 뒤틀린다는 결론이 실제 조정 과정에서 나온 것임이 드러나면 면접관이 신뢰하는 결이 보입니다.