AI 추천
항공 특가 추천을 매일 새로 만들어 앱 홈·검색·푸시에 보여 준 구조
회원마다 다른 항공 특가를 보여 주는 추천을 매일 다시 학습하고, 결과를 미리 쌓아 두었다가 앱 홈, 검색 결과, 푸시에 내려줬습니다. 효과는 A/B로 확인했습니다.
루코 웍스 설립 전에 수행한 프로젝트입니다.
- 대상
- 항공·호텔 예약 플랫폼(OTA)
- 기간
- 2023
- 역할
- 추천 파이프라인, 서빙, A/B 분석
- 기술
- AWS Personalize · Redis · Docker · Argo
0.083 → 0.113특가 클릭률 (CTR)
수동 → 매일 자동 재학습모델 갱신
회원별 결과를 미리 적재추천 응답
문제
- 01
추천 결과를 사람이 손으로 갱신했습니다.
- 02
요청이 올 때마다 추천을 계산하면 응답이 느렸습니다.
- 03
추천이 실제로 효과가 있는지 감으로 판단했습니다.
결정
- 01
Argo 일배치가 매일 검색, 클릭, 예약 기록을 모아 모델을 다시 학습하고 회원별 추천을 새로 만듭니다.
- 02
회원별 결과는 Redis에 미리 쌓아 두고, 앱이 요청하면 바로 꺼내 줍니다.
- 03
기존 노출과 추천을 나눠 보여 주는 A/B 실험으로 효과를 비교했습니다.
결과
특가 클릭률이 0.083에서 0.113으로 올랐습니다.
모델 갱신과 재적재를 사람이 하지 않습니다.
TIPAI 결과는 미리 만들어 두고, 효과는 비교 실험으로 확인했습니다. 추천이 맞았는지는 클릭률 같은 숫자로만 판단했습니다.
출처: 개발 포트폴리오