[팀네이버 컨퍼런스 DAN25] 데이터 속 숨은 트렌드, LLM이 답하다: 랭킹 기반 플레이스 트렌드 분석 시스템

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 끊임없이 즐거움, 네이버 클립으로 빠져들다: 개인화·VLM·에이전트가 완성하는 네이버 클립 경험 본 세션에서는 네이버 클립 서비스 내 개인화 추천 시스템이 지난 1년간 어떻게 고도화되었는지를 다룹니다. 추천풀 단계에서 이미지·텍스트 기반 품질 평가와 사용자 피드백을 반영해 고품질 콘텐츠와 우수 크리에이터를 선별하는 과정을 소개하고, 협업 필터링, 콘텐츠 기반 임베딩, 사용자 행동 시퀀스 모델을 결합한 숏폼 뷰어 랭킹 개선 사례를 공유합니다. 마지막으로, 개인화 알림 에이전트를 통해 “누구에게, 언제, 어떤 클립을 전달할 것인가”를 결정하는 트리거 모델링과 실시간 추천 전략을 설명하며, LLM 기반 고도화를 사용한 추천 모델링 실험을 다룹니다. 목차 - 발표 개요 네이버 클립 서비스 소개 클립 추천 시스템의 주요 구성 요소와 고도화 방향 Section 1) 클립/채널 추천풀 구축 - 고품질 클립 콘텐츠 풀 ...

AI에이전트 개발 딥러닝 · 머신러닝 컴퓨터 비전

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] 사용자가 이끄는 경험, 네이버의 기준이 되다 네이버의 경험조직에 대한 소개와 함께 사용자관점이 사업과 서비스의 의사결정에 어떤 과정을 통해 중요한 영향을 미치는지 과정과 경험을 공유하려 합니다. 목차 1. 사용자는 우리에게, 우리는 사용자에게 - 네이버다움 : users as our compass 2. 네이버의 경험조직 - 사용자 관점을 통한 의사결정 : making experience matter 3. 버티컬 경험 측정과 개선 - 경험 측정과 경험 진단 - Life Stage, Life Style, 다양한 persona 개발 4. 횡적 경험 연계를 위한 사용자 리서치 - 전사 서비스를 아우르는 일관된 경험 기준 - 서비스 경계를 넘나드는 사용자 행태 조사 대상 - 효율적이고 빠른 사업/서비스 의사결정 기여에 관심 있는 리서쳐, UXer - 사용자데이터 기반 의사결정이 필요한 프로덕트 리더, PM, PO #DAN #DAN25 #TEAMNAVER...

UI/UX 프로덕트 지표 · 실험

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] What's In Our Infra: 대규모 트래픽을 수용하기까지 네이버는 50여 개국에서 유입되는 수백만 규모의 트래픽을 24/7 안정적으로 처리하고 있습니다. 본 세션은 대규모 이벤트 운영 경험을 바탕으로 지연·장애·비용 문제를 해결하기 위한 엔지니어링 사례와 그 과정에서 얻은 교훈을 다룹니다. 아울러 한계를 넘어서기 위한 새로운 도전인 NVELOP(NAVER Velocity Platform) 의 배경과 방향을 소개합니다. 목차 1. Intro - 네이버 글로벌 라이브 스트리밍 플랫폼의 인프라 구성 개요 - 서비스 콘셉트와 챌린지 2. 무중단 서비스를 위한 엔지니어링 사례 - 대규모 트래픽 분산·제어 전략 - 전송 플랫폼 **최적화(Tune-in) **사례 - **Observability **도입 3. NVELOP (NAVER Velocity Platform) 방향 - 기존 플랫폼 한계 ...

데브옵스 · 인프라 네트워크

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] From Trend to You: 숏텐츠 키워드 추천의 개인화 숏텐츠는 최신 인기 문서의 핵심 정보를 생성형 AI가 요약해 제공하는 숏폼형 검색 콘텐츠로, 사용자가 한 화면에서 빠르게 트렌드를 파악할 수 있도록 설계된 서비스입니다. 발표에서는 먼저 숏텐츠로 선정될 수 있는 키워드와 문서의 조건을 정의하고, 서비스에 활용되는 트렌드 탐지 방법론을 소개합니다. 이어서 키워드-문서 매칭 모듈을 통해 트렌드 키워드와 관련 문서를 연결하고, 이를 기반으로 맥락적 연관성을 확보하는 과정을 설명합니다. 또한 LLM을 활용하여 키워드가 주목받은 이유를 설명하는 ‘맥락 키워드’를 생성하고, 이를 서비스에 적용하는 사례를 다룹니다. 이어지는 개인화 모델링 파트에서는 사용자별 자질을 발굴하고, Deep & Cross Network 기반 Keyword Ranker를 활용해 추천 정확도를 높이는 방법을 제시합니다. 더 나아가 LLM 기반 Ranker인 Spea...

딥러닝 · 머신러닝 프로덕트 지표 · 실험

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] NextN Search: 끊임없이 진화하는 네이버 검색 네이버 검색은 언제나 한 방향을 향해 진화해 왔습니다. 사용자가 원하는 정보를 더 정확하게 찾아주고, 양질의 네이버 콘텐츠를 더 효과적으로 보여주는 것, 그것이 변화의 본질입니다. NextN Search는 이러한 목적 아래, 검색 시스템 전반에 걸친 전방위 개편을 시도했습니다. 비효율적인 블록 영역을 최적화하고, 블록 중심의 결과를 개별 콘텐츠 피드 단위로 재구성함으로써 랭킹의 정교함과 해상력을 높였으며, 맞춤형 콘텐츠 추천을 통해 사용자가 체감할 수 있는 개인화 경험을 제공합니다. 본 세션에서는 NextN Search에 적용된 핵심 기술의 개발 과정과 실서비스 적용 경험을 공유합니다. 또한 LLM·VLM을 다양한 검색·추천 태스크에 활용한 실전 노하우를 통해, 최신 AI 모델이 실제 서비스에서 어떤 가치를 만들어내는지 구체적으로 살펴봅니다. 아래는 세션의 주요 목차입니다. NextN Sea...

딥러닝 · 머신러닝 자연어 처리

컨퍼런스 · DAN 2025

[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지 이번 세션은 네이버 플레이스 AI Briefing 생성의 기술적 파이프라인을 다룹니다. Retrieval - Reranking - Summarization 구조를 중심으로 탐색형·정답형·정보형 태스크 차이를 설명하고, 텍스트와 이미지 정보를 요약하는 방법을 소개합니다. 구체적으로 Text Encoder·Reranker·Multi-modal Encoder의 데이터셋 구축, 모델 선택과 학습 방법론, 도메인 특화 모델 평가 사례, 그리고 ICL·Distillation 기반 요약 기법을 공유합니다. 마지막으로 서비스 적용 경험을 토대로 효율 최적화, 대형·경량 모델 조합 등 실무 전략을 제시합니다. 이 과정을 통해 얻은 통찰이 더 나은 서비스 설계와 발전 방향을 모색하는 데 기여하길 바랍니다. 목차 1. Overview - Place AI Briefing - 서비스 설명과 사례 ...

컴퓨터 비전 자연어 처리