패션 큐레이션을 위한 AI 기술 소개

1. 무신사 2.0 시나리오 기반 추천 시스템

• 무신사 2.0 시나리오 기반 추천 시스템은 다양한 추천 방식을 통해 사용자들의 선호 요소와 행동 패턴을 정교하게 반영하여 개인화된 쇼핑 경험을 제공하는 시스템이다.

2. 다양한 추천 방식

• 무한 스크롤 형태의 개인화 추천 방식: 사용자 개인 맞춤 상품을 계속해서 큐레이션하여 제공한다.
• 실시간 트렌드 반영 인기 상품 추천 방식: 실시간 트렌드를 고려하여 사용자에게 핫한 상품을 추천한다.
• 설명 가능한 추천 방식: 60가지 이상의 설명 가능한 추천 시나리오를 통해 사용자의 취향과 행동을 분석하여 상품을 추천한다.

3. 상호작용과 행동 패턴 기반 추천 시스템

• 비교적 단순한 유저의 데모 그래픽 정보를 넘어, 관심 상품에 대한 행동 패턴과 상호작용을 기반으로 60가지 이상의 설명 가능한 추천 시나리오를 제공한다.

4. 개인화 및 최적화된 시나리오 노출

• 개별화된 추천 시나리오의 세부 내용은 유저의 행동 로그를 기반으로 지속적으로 변화하며, 시나리오에 대한 노출 순서도 최적화된 알고리즘을 통해 제공된다.

5. 무신사 2.0 시스템 아키텍처

• 무신사 2.0에서 개편된 설명 가능한 추천 시나리오를 위한 엔지니어링 아키텍처는 유저의 상호작용 로그 데이터 수집부터 API 서빙까지 효율적인 시스템을 제공하고 있다.

---

무신사 시나리오 생성을 위한 모델 구조

1. 코어( 백본) 모델

• 유저와 요소의 상호작용을 기반으로 학습되는 코어 모델은 중요 요소 임베딩 추출, 유저 선호 후보 군 생성, 유사 요소 계산 등에 활용된다.

2. 요소( 상품) 재정렬 모델

• 각 시나리오 대한 요소의 최종 순서를 결정하는 Ranker 모델은 추천 상품의 랭킹을 재구성하는 역할을 한다.

3. 시나리오 정렬 모델

• 유저 개별 시나리오 노출 순서를 최적화하여 정렬하는 모델은 사용자에게 최적화된 시나리오를 제공한다.

4. 유저 선호도 모델

• 개인화된 선호도를 추출하여 사용자가 선호하는 스타일의 상품을 제공하는 모델은 다양한 선호도를 반영하여 개인화된 추천을 가능케 한다.