문서

Vertex AI Search를 활용한 결과 없는 검색 개선하기

권수영, 한수진 컬리 · 컬리 기술 블로그

AI 핵심 요약

컬리에서는 오타·띄어쓰기 오류·유의어 때문에 검색 결과가 없는 경우가 전체 검색의 약 6~7%를 차지했고, 베스트 상품을 대신 노출하는 방식은 고객 의도와 운영 효율을 충분히 만족시키지 못했습니다. 이를 개선하기 위해 BigQuery 상품 데이터를 Vertex AI Search에 연결하고, 상품명·상세설명·연관 키워드를 검색 필드로 구성했으며 판매 여부 필터와 query-corpus 기반 모델 튜닝도 적용했습니다. Gradio 데모로 기존 검색과 크롤링·정형 데이터 결과를 비교한 뒤 A/B 테스트를 진행했고, 실험군이 모든 지표에서 우세해 AI 검색을 전체 고객에게 적용했습니다. 적용 한 달 뒤 NR 검색에서 장바구니 담기와 매출 등 주요 성과가 300% 이상 증가했으며, 금칙어 필터링과 결과 캐싱, 커스텀 임베딩은 향후 과제로 남았습니다.

웹 크롤링은 빠르게 시작하기 좋지만 색인 범위를 통제하기 어려우므로, 정확성이 중요하면 관리 가능한 자체 데이터 소스를 고려하세요.
검색 필드와 필터·정렬·응답 필드를 스키마 속성으로 구분하고, 문서 ID는 데이터 갱신 전에 고유하게 설정해야 합니다.
도메인에 특화된 의미를 검색에 반영하려면 query-corpus 학습 데이터를 JSONL로 구성해 모델 튜닝에 활용할 수 있습니다.
검색 애플리케이션을 별도로 두면 데이터 접근을 추상화해 필터링·정렬·집계 로직을 중앙에서 관리하기 쉽습니다.
AI 검색은 부적절한 검색어 필터링과 반복 호출 캐싱을 함께 설계해야 운영 안정성과 비용 효율성을 높일 수 있습니다.

소개

AI SaaS 도입으로 검색 경험을 개선한 사례 소개

비슷한 학습 자료

컨퍼런스 DAN 2025

[팀네이버 컨퍼런스 DAN25] 발췌에서 생성으로: 네이버 검색의 진화

컨퍼런스 DAN 2025

[팀네이버 컨퍼런스 DAN25] 발췌에서 생성으로: 네이버 검색의 진화 본 세션에서는 생성형 AI를 활용하여 네이버 검색 결과를 요약 제공하는 AI브리핑 서비스를 소개하고, 서비스 출시 과정의 기술과 노하우를 공유합니다. 서비스를 구성하는 컴포넌트별로 필요한 LLM 모델을 튜닝하고, 파이프라인을 구축하여 서빙하는 과정, 그리고 서비스별 니즈를 만족시키기 위해 특화된 LLM모델링 및 프롬프트 엔지니어링을 수행하는 과정들에 대해 공유합니다. 목차 1. AI브리핑 소개 - 검색과 AI의 만남 - AI브리핑 시스템 overview - AI브리핑의 다양한 라인업 및 성과 2. AI브리핑 시스템 들여다보기 - AI브리핑을 위한 검색 시스템 소개 - 지속가능한 모델 개선 파이프라인 - AI브리핑 등장 후 네이버 검색 품질의 변화 3. 서비스 특화된 AI브리핑 - 다양한 사용자의 요구를 만족하기 위한 차별화된 시도 - Docume...

AI에이전트 개발 자연어 처리

컨퍼런스 DAN 2025

[팀네이버 컨퍼런스 DAN25] F-Solid: RAG에 최적화된 검색아키텍쳐

컨퍼런스 DAN 2025

[팀네이버 컨퍼런스 DAN25] F-Solid: RAG에 최적화된 검색아키텍쳐 AI브리핑을 위해 만들어진 RAG용 검색기 - F-SOLID의 전반적인 아키텍쳐에 대해 설명합니다. 목차 AI를 위한 Unified 검색기 - AI를 위한 범용 Unified 검색기 의 필요성 - 현재 검색 시스템의 한계점 - F-Solid : AI 를 위한 새로운 검색 플랫폼 개발 프로젝트 대규모 자질을 효율적으로 색인하기 위한 파이프라인 - 대량의 문서 자질을 유통하기 위한 파이프라인 구성 - 자질 별 중요도를 고려한 우선순위 큐 - 문서 중요도를 고려한 색인 최적화 다층 Layer 기반 검색 구조 - 다층 Layer 기반 검색 구조 소개 - Base Ranker - Core Ranker - Blender 적합성 개선을 위한 LLM & 뉴럴 활용 - Learned Sparse Retrieval 기법인 SPLADE 적용 - 도메인...

데이터베이스 AI에이전트 개발 로드맵 5개에 담김