사용자 행동과 데이터를 학습해 최적의 상품·콘텐츠·파트너를 추천하는 AI 엔진. 클릭·구매 데이터로 개인화 추천을 생성하고, 실험으로 성과를 검증하며, 위젯으로 손쉽게 적용합니다.
커머스·앱에 추천 위젯을 삽입합니다. "이 상품을 본 분들이 함께 본 상품"처럼 개인화된 추천이 사용자에게 자연스럽게 노출됩니다.
특정 사용자에 대한 추천 결과를 검증합니다. 추천 점수와 근거(왜 추천됐는지)를 보고 추천 품질을 확인합니다.
| 순위 | 추천 상품 | 점수 | 추천 근거 | 전환 예측 |
|---|---|---|---|---|
| 1 | 와이드 슬랙스 | 0.94 | 함께 구매 · 동일 스타일 | 높음 |
| 2 | 니트 가디건 | 0.88 | 유사 취향 그룹 선호 | 높음 |
| 3 | 캔버스 토트백 | 0.76 | 최근 조회 카테고리 | 보통 |
| 4 | 스니커즈 | 0.68 | 인기 급상승 | 보통 |
추천 모델과 가중치를 설정합니다. 협업 필터링·콘텐츠 기반·인기 등 알고리즘 비중을 조정해 목적에 맞는 추천을 만듭니다.
추천 학습에 쓸 데이터를 연동합니다. 상품 카탈로그와 사용자 행동 이벤트를 연결하고, 수집 상태와 데이터 품질을 모니터링합니다.
| 데이터 소스 | 유형 | 수집 주기 | 최근 수집 | 건수 | 상태 |
|---|---|---|---|---|---|
| 상품 카탈로그 | 피드 | 실시간 | 방금 | 42,800 | 동기화 |
| 클릭 이벤트 | 스트림 | 실시간 | 1초 전 | 1.8M/일 | 수집중 |
| 구매 이벤트 | 스트림 | 실시간 | 3초 전 | 62K/일 | 수집중 |
| 재고 연동 | API | 5분 | 2분 전 | 42,800 | 동기화중 |
추천 모델을 실험으로 비교합니다. 트래픽을 나눠 모델별 전환율·클릭율을 검증하고, 통계적으로 우세한 모델을 채택합니다.
비즈니스 룰로 추천을 제어합니다. 특정 상품 노출·제외, 마진 우선, 재고 소진 등 규칙을 추천 위에 적용합니다.
| 룰 이름 | 조건 | 동작 | 우선순위 | 적용 | 상태 |
|---|---|---|---|---|---|
| 신상품 우선 노출 | 입고 14일 이내 | 상위 가산 | 1 | 활성 | |
| 품절 제외 | 재고 0 | 추천 제외 | 2 | 활성 | |
| 시즌오프 소진 | 이월 상품 | 가산점 | 3 | 활성 | |
| 성인 상품 제한 | 미성년 사용자 | 제외 | 0 | 필수 |
추천이 만든 성과를 측정합니다. 추천 경유 매출과 클릭율, 추천 기여도를 보고 추천 엔진의 비즈니스 가치를 증명합니다.
추천 호출량과 응답 성능, 커버리지를 분석합니다. 추천 적용 범위와 지연을 보고 엔진 운영 품질을 관리합니다.
추천 위젯과 모델·실험·룰 콘솔까지 AI 추천 운영에 필요한 기능을 한 패키지로 제공합니다.
함께 본·연관 상품을 코드 한 줄로 자연스럽게 노출합니다.
추천 점수·근거·전환 예측으로 추천 품질을 확인합니다.
알고리즘 가중치·신선도·최적화 목표를 조정합니다.
카탈로그·행동 이벤트를 실시간 연동하고 품질을 관리합니다.
모델 실험으로 성과를 검증하고 비즈니스 룰을 적용합니다.
추천 매출·기여도와 호출량·응답 성능 통계를 제공합니다.