![[팀네이버 컨퍼런스 DAN25] 단 하나의 문장으로: Foundation Model이 답해주는 차세대 Audience Targeting, COMPASS](https://i.ytimg.com/vi/2bBHLT2FOeY/maxresdefault.jpg)
[팀네이버 컨퍼런스 DAN25] 단 하나의 문장으로: Foundation Model이 답해주는 차세대 Audience Targeting, COMPASS
DAN 2025 네이버 · YouTube
AI 핵심 요약
도메인마다 데이터 전처리부터 학습·서빙까지 분리된 기존 광고 타깃팅은 같은 원천 데이터를 중복 처리하고, 새 모델을 추가할수록 운영 부담이 커지는 문제가 있었습니다. 이를 해결하기 위해 네이버의 HyperCLOVA 1.3B 기반 광고 파운데이션 모델 Matcher가 만든 사용자·광고 임베딩을 공통 기반으로 삼고, 시드 생성·오디언스 확장·리랭킹·세그먼트 생성 모듈을 조합하는 플랫폼 COMPASS를 구축했습니다. 확장에는 ANN 벡터 검색과 PU 학습을 상황에 따라 적용하고, 자연어 의도를 사용자 행동 임베딩 공간에 정렬하는 Text2Segment도 개발하고 있습니다. 구매 의도 카테고리 온라인 A/B 테스트에서 도메인 피처를 줄인 COMPASS 모델이 기존 대비 CTR을 17.4% 높였으며, 향후 이미지·동영상 입력과 광고주가 결과를 수정하는 인터랙티브 타깃팅으로 확장할 계획입니다.
- 공통 임베딩을 기반으로 데이터와 다운스트림 모델을 통합하면 도메인별 파이프라인의 중복을 줄이고 새 타깃을 더 쉽게 추가할 수 있습니다.
- 시드가 부족한 카테고리는 사용자 시드에만 의존하지 말고, 아이템 임베딩에서 유사 사용자를 찾는 방법도 고려할 수 있습니다.
- ANN 검색과 PU 학습은 시드의 출처와 카테고리 특성에 따라 성능이 달라지므로, 한 가지 알고리즘을 고정하기보다 같은 프레임워크에서 비교·선택하는 것이 중요합니다.
- 텍스트와 행동 임베딩을 연결할 때는 사용자 설명을 생성해 대조 학습으로 정렬하고, 글로벌 네거티브와 학습 가능한 온도 파라미터로 학습을 보완할 수 있습니다.
- 오프라인 지표만으로 판단하지 말고 단계별 품질과 CTR·CVR 등 실제 광고 성과를 함께 검증해야 합니다.
소개
[팀네이버 컨퍼런스 DAN25] 단 하나의 문장으로: Foundation Model이 답해주는 차세대 Audience Targeting, COMPASS 기존 광고 오디언스 타겟팅은 도메인별로 모델이 파편화된 사일로(Silo) 구조로 인해 확장성과 유지보수 측면에서 근본적인 한계에 직면했습니다. 본 세션에서는 이러한 한계를 극복하기 위해 사용자에 대한 통합된 이해를 제공하는 광고 Foundation Model을 도입하고, 미리 정의된 정적(Static) 세그먼트의 벽을 넘어선 차세대 오디언스 플랫폼 COMPASS의 개발 경험을 공유합니다. 특히, 광고주의 복잡하고 동적인 의도를 자연어로 입력받아 실시간 타겟팅을 가능하게 하는 Text2Segment 기술과 그 기반이 되는 핵심 엔진 아키텍처를 다룰 예정입니다. 또한, 실제 프로덕션 환경에 적용하며 겪었던 어려움을 공유하고, 멀티모달(Multimodal)로 확장하는 미래 비전을 제시하고자 합니다. 목차 1. 광고 필수 요소 : Au...
비슷한 학습 자료
컨퍼런스 DAN 2024
TEAM NAVER CONFERENCE DAN 24 KEYNOTE 04 AI-Generated Value-driven Advertising: Providing Information that Users Need and Delivering Maximum ROI for Advertisers Introducing the direction of change and innovation that NAVER advertising platform will make based on AI technology - To view English subtitles, please select English in the subtitle settings. - Learn more about DAN 24: https://dan.naver.com
인공지능 기타 프로덕트 지표 · 실험
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Deep Dive 02 두 개의 에이전트, 하나의 플랫폼: NAVER ADS 로드맵 [TEAM NAVER Conference DAN25] Deep Dive 02 Two Agents, One Platform: The NAVER Ads Roadmap 사용자와 광고주에게 서비스 레벨의 매력적인 경험을 제공하기 위한 두 가지 에이전트를 소개합니다. To provide a compelling, service-level experience for users and advertisers, we introduce two agents that go beyond ADVoost.
AI에이전트 개발
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 오늘도 AI에게 디자인을 가르치는 중입니다 : AI 광고 소재 생성 시스템 구축기 ADVoost Creative는 AI를 활용하여 네이버 서비스의 다양한 지면에 맞는 광고 소재를 자동으로 만들어주는 서비스입니다. 어느 날, AI로 네이버 광고를 만들자는 미션을 받고 AI에게 '디자인하는 법'을 가르치게 되었습니다. AI 자동화를 위해 마주했던 다양한 문제와 해결 과정을 공유하고, AI 시대의 디자이너의 역할에 대해 느낀 점을 공유합니다. 목차 1. 네이버 광고, 자동으로 뚝딱 만들어준다면? ADVoost Creative, 네이버 광고 소재 자동화의 시작 2. 광고의 기본 틀 만들어주기 광고 소재를 자동으로 생성하기 위한 '룰' 가르치기 3. 광고에 미감과 다양성 한스푼 더하기 템플릿 디자인을 다양하게 만들어내기 위한 시도 I2M (Image to Motion) : 이미지에 생생한 움직임 넣기 4. 광고 소재를 ...
컴퓨터 비전
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] Bid, Win, Profit 생성형 AI기반 광고경매 시뮬레이터로 보는 수익 최적화 이번 세션에서는 생성형 AI(Transformer 기반) 기술을 광고 입찰(Real-Time Bidding, RTB) 문제에 적용하여 실제 수익 최적화를 어떻게 달성할 수 있을지 공유합니다. 먼저 디지털 광고 경매의 구조와 광고주 입장에서 중요한 KPI(ROI, CPA 등)를 설명하고, 전통적인 입찰 방식의 한계를 짚습니다. 또한, Transformer 기반 생성형 AI 모델을 활용한 새로운 접근을 소개합니다. 본 기술은 단순히 과거 데이터를 예측하는 수준을 넘어, 다양한 상황에서 전략을 생성하고 일반화할 수 있는 능력을 제공합니다. 이를 통해 기존 방식보다 더 높은 수익성과 효율성을 보장할 수 있음을 보여줍니다. 또한, 이를 검증하기 위해 구축한 광고 입찰 시뮬레이터(Auction Simulator)의 구조와 기능을 공유합니다. 시뮬레이터는 멀티에이전트 환경에...
딥러닝 · 머신러닝 프로덕트 지표 · 실험
컨퍼런스 DAN 2025
[팀네이버 컨퍼런스 DAN25] 실시간 vs 배치, 함께 굴리는 데이터 파이프라인 - 확장성과 정합성을 잡은 대규모 데이터 플랫폼 운영기 본 발표는 AdVoost Shopping 광고 상품에서 쇼핑 상품을 연동하는 데이터 파이프라인을 구축한 경험을 다룹니다. 다양한 플랫폼 제약과 서비스 요구사항 속에서 실시간 처리와 배치 처리의 균형, 상품 메타데이터와 광고 메타데이터의 동시 연동이라는 과제를 해결한 과정을 공유합니다. MongoDB CDC, Kafka Streams, Iceberg, 자체 영속성 레이어 등을 활용하여 구현한 방법을 소개하고, 선형성·확장성·성능 관점에서의 트레이드오프, 그리고 실시간·배치 처리 방식을 선택한 기준에 대해 공유합니다. 목차 1. AdVoost Shopping 에서의 도전과제 - AdVoost Shopping 에서의 저희의 역할, 주어진 요구 사항, 그리고 도출한 도전과제를 설명합니다. 2. 아키텍처 - 도전과제를 통...
데이터베이스 데브옵스 · 인프라