
174
3부MLOps실제사례
류의 특정 인식을 테스트하기 위한 실험을 수립하기도 어려웠으며, 고객 행동 변화에 따라 규
칙을 갱신하기도 어려웠다.
10.1.1
머신러닝의 역할
머신러닝의 부상은 추천 엔진에 새로운 패러다임을 가져왔고 인간의 통찰력에 기반한 규칙은
사라지게 되었다. 협업 필터링
collaborative
filtering
이라고 불리는 새로운 종류의 알고리즘이 이 분야
를 지배하고 있다. 이 알고리즘은 사전 마케팅 지식 없이도 수백만 명의 고객과 수만 개의 제품
에 대한 고객 및 데이터를 분석하여 추천을 수행할 수 있는 알고리즘이다. 마케팅 담당자는 어
떤 고객과 유사한 고객들을 효율적으로 파악함으로써 비용과 효율성 면에서 기존 방식을 능가
하는 자동적인 전략을 활용할 수 있다.
전략을 수립하는 과정이 자동적이기 때문에, 정기적으로 전략을 업데이트할 수 있고
A
/
B
테
스트나 섀도우 스코어링(모든 가능성 중 특정 인식을 선택하는 방법 포함) 방식을 활용하여 전
략 간에 비교할 수 있다. 이러한 알고리즘은 다양한 이유로 고전적인 비즈니스 규칙과 결합할
수 있다. 예를 들면, 필터링 버블
filtering
bubble
1
을 방지하거나 특정 지역에서 제품 판매를 금지하
거나 통계적으로 의미가 있으나 비윤리적인 사용(예를 들어, 알코올 중독 회복자에게 알코올을 ...