MLOps 도입 가이드

175

10장 마케팅추천엔진

할 수도 있다.

풀

pull

채널은 고객이 필요로 할 때 그들에게 정보를 제공하는 방식으로 보통 더 효율적이다. 예

를 들어, 온라인 검색을 수행하거나 고객 서비스 라인에 전화할 때를 들 수 있다. 세션의 특정

정보(예를 들어, 사용자가 검색한 정보)를 사용하여 추천 사항을 정확하게 조정할 수 있다. 예

를 들어, 음악 스트리밍 플랫폼은 재생 목록에 대한 풀 채널 기반 추천을 제공한다.

추천 사항을 미리 만들어둘 수도 있고, 실시간으로 생성할 수도 있다. 전자는 이번 장의 심층

예시에서 설명할 것이다. 후자의 경우, 추천 사항을 즉시 계산하기 위해 특별한 아키텍처로 설

계해야 한다.

풀 채널은 푸시 채널에 비해 전략 간 비교가 더 어렵다. 첫째, 어떤 특정 채널에 전화를 거는 고

객들은 일반 고객들과 다를 수 있다. 각 추천에 사용할 전략을 무작위로 선택할 수 있는 단순한

상황도 있지만, 어떤 고객에 대해 특정 기간 동안 전략을 일관되게 사용해야 하는 경우도 있을

수 있다. 이로 인해 각 전략으로 수행한 추천들 간 비율이 불균형을 이루게 될 수 있고, 어떤 것

이 최선인지 결정하려면 복잡한 통계적 처리를 수행해야 할 수도 있다. 그러나 좋은 프레임워

크를 사용하면 많은 전략을 실시간으로 테스트할 수 있기 때문에 개선 주기가 매우 빨라질 수

있다.

10.2

데이터 준비

일반적으로 추천 엔진이 접근할 수 있는 고객 데이터는 다음과 같다.

●

고객에대한구조적정보(예:연령,성별,위치)

●

과거활동에대한정보 ...