기업이 성능 좋은 ‘개인화 추천 솔루션’을 제공하려면, 고객을 깊이 이해할 수 있는 머신러닝 모델을 만들어야 합니다. 특히, 고객의 단순한 정보뿐만 아니라 과거 행동 데이터에서 유의미한 정보를 추출하는 것이 중요합니다. 오늘은 블럭스(Blux)의 머신러닝 팀이 어떻게 최고 수준의 개인화 추천 솔루션을 개발하는지 살펴보겠습니다.

딥러닝을 활용한 개인화 추천 시스템의 핵

블럭스 팀은 클라이언트의 플랫폼에 최적화된 ‘맞춤형 개인화 추천 솔루션’을 제공하기 위해 다양한 시도를 하고 있습니다. 이를 위해 고객 행동 데이터를 효과적으로 추출하는 머신러닝 모델이 필수적입니다. 특히 블럭스 팀은 두 가지 정보를 중요하게 여깁니다. 첫째, 고객이 상호작용하는 상품들의 특징을 파악하는 '상품 특성 정보(Attribute Information)'와 둘째, 고객이 상품과 어떤 패턴으로 상호작용하는지에 대한 '문맥적 정보(Contextual Information)'입니다. 이러한 정보를 잘 학습할 수 있는 머신러닝 모델 중 딥러닝 모델을 개발하는 것이 목표입니다.