배달의민족은 음식 배달 서비스뿐만 아니라 장보기도 신속하게 제공하는 기능을 갖추고 있습니다. 특히 고객들이 장바구니에 담은 상품들을 기반으로 연관 상품 추천 시스템을 도입하여, 실제 구매 맥락을 이해하고 알맞은 보완 상품을 제안하는 전략을 추진하고 있습니다. 이번 글에서는 이러한 장바구니 추천 모델 개선 사례를 공유하며, 고객 경험을 어떻게 향상시켰는지에 대해 살펴보겠습니다.
장바구니 추천 시스템의 필요성
장바구니 추천 시스템은 고객의 구매 행동을 이해하고, 실질적인 쇼핑 경험을 개선하는 데 있어 매우 중요한 역할을 합니다. 초기에는 Item2Vec 방식으로 구현된 이 시스템은 상품 간 임베딩 유사도를 기반으로 추천을 진행했습니다. 그러나 이로 인해 대체재 편향과 시퀀스 맥락 부재 문제 풀이 나타났습니다. 고객이 장바구니에 담은 상품들의 구체적인 맥락을 고려하지 않았기 때문에, 추천의 적합성이 낮아지는 결과를 가져왔습니다.
이러한 문제를 해결하기 위해, 배달의민족은 2-stage 파이프라인 방식으로 장바구니 추천 모델을 개선했습니다. 첫 번째 단계에서는 그래프 기반의 상품 및 카테고리 임베딩을 생성하여 상품 간의 구조적 관계를 명확하게 이해하도록 하였습니다.
두 번째 단계에서는 Transformer 모델을 활용하여 고객이 장바구니에 담은 상품들의 맥락을 분석하고, 다음으로 담을 상품을 예측하도록 설계되었습니다. 이러한 개편은 장바구니 추천 시스템의 성능을 획기적으로 향상시켜, 고객에게 보다 효과적인 추천을 제공할 수 있는 기반이 되었습니다.
구매 맥락의 중요성
구매 맥락은 장바구니 추천 모델의 핵심 요소입니다. 고객이 장바구니에 담는 상품의 순서는 단순히 제품의 나열이 아니라, 고객의 구매 의도를 내포하고 있습니다. 이를 반영하지 못한 기존 모델은 고객의 구매 패턴을 충족하지 못하고 효율적인 추천을 제공하기 어려웠습니다.
배달의민족의 개선된 모델에서는 상품 간의 관계뿐만 아니라 고객이 상품을 담는 순서를 함께 고려합니다. 예를 들어, 고객이 먼저 '라면'을 담고 그 후에 '삼겹살'과 '상추'를 추가했다고 가정할 때, 이를 바탕으로 조리할 때 유용한 '마늘'을 추천하는 것이 필요합니다. 반면, 상추와 삼겹살을 먼저 선택한 고객에게는 라면과 어울리는 '김치'를 추천함으로써, 고객의 특정한 구매 유도를 파악하고 그에 맞는 보완 상품을 제공합니다.
이처럼 다양한 시퀀스와 구매 맥락을 이해하기 위해 Transformer 모델의 Self-Attention 메커니즘을 활용하여 상품 간의 상호 연관성을 계산하고, 정확한 추천을 제공할 수 있게 되는 것입니다. 따라서 구매 맥락을 이해하는 것은 단순한 추천 이상의 가치를 부여하며, 고객에게 더 나은 쇼핑 경험을 제공합니다.
모델 고도화와 성과
모델 고도화는 장바구니 추천 시스템의 성능을 더욱 강화하기 위한 지속적인 노력의 일환으로 진행되었습니다. 기존의 Item2Vec 모델은 대체재 편향과 시퀀스의 부족한 맥락을 문제로 삼았고, 이를 개선하기 위한 실험을 거듭해 왔습니다.
이 과정에서 배달의민족은 두 가지 주요 단계를 거쳐 모델을 개선했습니다. 먼저, 고객의 구매 패턴에 따라 독립적인 그래프를 구축하고, 셀러 타입별로 맞춤형 임베딩을 학습함으로써 각각의 특성을 반영할 수 있게 되었습니다. 둘째, Bayesian Smoothing을 도입하여 낮은 신뢰도를 가진 상품 간의 엣지 가중치를 개선해 데이터 희소성을 극복했습니다.
이러한 개선을 통해 모델의 추천 정확도가 보다 향상되었고, 온라인 A/B 테스트에서도 평균 28%의 전체 담기율 증가를 달성했습니다. 고객들이 추천 상품을 장바구니에 담는 비율이 크게 증가함으로써, 실제 매출 또한 상승하는 긍정적인 효과를 보여주었습니다. 더욱이, 다양한 상품군을 추천할 수 있게 되어 고객의 만족도를 높일 수 있는 계기를 마련했습니다.
결론적으로, 배달의민족의 장바구니 추천 모델 개선은 고객의 구매 맥락을 이해하고 그에 맞는 상품을 적극적으로 추천하는 방향으로 이루어졌습니다. 앞으로는 고객의 개인적 선호도를 반영하고, 신규 상품의 추천 품질을 지속적으로 향상시키기 위한 노력을 더욱 강화할 계획입니다. 이를 통해 고객에게 최상의 쇼핑 경험을 제공할 수 있는 시스템을 지속적으로 발전시켜 나가겠습니다.
.png)
