배달의민족, 취향 저격 추천 시스템으로 고객 경험을 높이다

 

배달의민족을 운영하는 우아한형제들이 자사의 추천 기술을 한층 고도화하는 데 성공한 비결을 설명했습니다. 10월 30일, 서울 강남구 그랜드 인터컨티넬탈 서울 파르나스에서 열린 ‘우아한테크콘퍼런스 2024’에서 우아한형제들 추천프로덕트팀의 이승원 데이터 과학자는 “배민의 가게 추천이 어떻게 더 똑똑하고 개인화된 방향으로 발전하고 있는지”를 주제로 발표를 진행했습니다. 배달의민족이 어떻게 사용자 맞춤형 추천을 구현하고 있는지, 그 기술적 배경과 성과를 살펴보겠습니다.

 

1. 투 타워 모델의 도입과 개인화 추천의 진화

이승원 데이터 과학자는 배달의민족이 가게 추천에 활용하는 ‘투 타워(Two-Tower) 모델’에 대해 설명하며, 이 모델이 배민의 추천 기술의 핵심이라고 강조했습니다. 투 타워 모델은 전통적인 바이 인코더(Bi-encoder) 구조의 리트리벌(retrieval) 모델을 기반으로 합니다. 바이 인코더는 ‘유저 인코더’와 ‘아이템 인코더’라는 두 가지 인코더로 구성되며, 각각 사용자와 아이템의 인베딩을 생성해 이 두 인베딩 간 유사도를 계산하여 유저에게 적합한 추천을 합니다. 배민의 경우 이 두 타워를 ‘유저 타워’와 ‘샵 타워’로 구성했습니다. 유저 타워는 유저의 위치나 시간 등 컨텍스트를 반영하고, 샵 타워는 가게 아이디와 카테고리 정보 등을 포함해 유저의 선호도에 맞춰 적합한 가게를 추천하는 방식입니다.

이 과학자는 투 타워 모델을 채택한 이유에 대해 “이 구조는 간단하면서도 스코어 해석이 직관적이고, 인코더를 변형하거나 확장하기 쉽다는 장점이 있다”고 설명했습니다. 배민은 이 모델을 통해 개인화 추천 시스템을 구현했으며, 주문 전환율이 70% 이상 증가하는 성과를 달성했습니다.

 

2. 시간대에 따른 취향 반영: 시간 피처의 추가

사용자의 취향은 시간대에 따라 달라질 수 있다는 점을 반영하기 위해 배민은 유저 타워에 ‘시간 피처’를 추가했습니다. 예를 들어, 아침에는 브런치, 저녁에는 치킨을 선호하는 것처럼 사용자 취향이 시간에 따라 변한다는 점에 주목한 것입니다. 이를 위해 24시간을 다섯 개의 시간대로 나눠(02시07시, 08시10시, 11시15시, 16시19시, 20시~01시) 시간대에 따라 다른 추천 결과를 제공했습니다. 그 결과 노출 대비 주문 전환율이 6.8% 향상되는 효과를 얻었다고 합니다.

 

3. 실시간 반응형 추천 도입과 콘텐트 기반 가게 인코더

또한, 이승원 데이터 과학자는 배민이 ‘콘텐트 기반 가게 인코더’를 개발해 실시간으로 변화하는 사용자 관심사를 반영한 추천 기술을 구현한 사실도 언급했습니다. 기존에는 사용자 주문 이력을 기반으로 추천을 제공했으나, 지금은 클릭한 가게나 검색 커리와 같은 실시간 데이터를 바탕으로 유저의 현재 관심사를 파악해 추천하는 것입니다. 실시간 반응형 추천 시스템에서는 유저의 가장 최근 1시간 이내의 행동 이력을 분석해 정확도를 높이고, 이를 통해 초 단위의 취향 반영이 가능해졌습니다. 실시간 반영 추천 적용 이후, 배민은 주문 전환율이 33% 향상되는 성과를 거뒀습니다.

 

4. 최종 랭킹 계산과 웨이트 RRF 도입

배달의민족은 투 타워 모델의 추천 결과를 바탕으로 후보 가게를 선정하고, 유저에게 노출될 최종 가게 랭킹을 계산하는 방식으로 ‘웨이트 RRF’ 알고리즘을 적용하고 있습니다. 이는 리트리벌된 여러 추천 결과를 하나의 순위로 결합해 가중치를 부여하는 방식으로, 사용자 맞춤형으로 최적화된 추천 리스트를 제공하는 데 큰 역할을 합니다.

 

5. 추천 구좌의 다양화와 최적화를 향한 도전

이승원 데이터 과학자는 배민의 추천 시스템이 단순히 기존의 취향을 파악하는 데 그치지 않고, 유저가 알지 못했던 새로운 취향을 발견할 수 있는 방법에 대한 연구도 진행 중이라고 밝혔습니다. 배달의민족은 끊임없이 발전하는 개인화 추천 시스템을 통해 고객의 만족도를 높이고, 더 나아가 유저에게 새로운 취향을 발견할 기회를 제공하기 위해 최선을 다하고 있습니다.