함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부

컬리 팀은 장바구니와 결제 사이의 바텀시트 이용자가 구매 결정 단계에 가깝다고 보고, 대체재 대신 보완재를 추천하는 BERT4Rec 모델을 개발했습니다. 단순히 주문서 상품을 함께 학습했을 때 인기 상품인 우유가 반복 추천되는 문제를 발견해, NPMI로 보완재 카테고리쌍을 찾고 주문 데이터를 정제해 학습했습니다. Gradio 데모 피드백을 반영하고 Spotify 셔플링 방식의 후처리를 적용해 카테고리 편중을 줄였으며, HR@5·MRR@5와 다양성 지표로 결과를 점검했습니다. 전체 유저의 약 8%를 대상으로 한 1주일 A/B 테스트에서 주요 장바구니 지표가 대조군보다 약 100% 가까이 상승했고, 실제 서비스에서는 개인화와 상품 사전 갱신 효율을 개선 과제로 남겼습니다.

• 구매 단계가 막바지인 영역에서는 대체재보다 보완재 추천이 적합할 수 있다는 가설을 세우고, 사용자 맥락에 맞는 추천을 검증하세요.
• 자주 함께 구매된다는 이유만으로 보완재로 간주하면 인기 상품이 반복 추천될 수 있으므로, NPMI로 카테고리 간 관계를 정량화하고 학습 데이터를 정제하세요.
• 추천 품질은 HR@K·MRR@K 같은 오프라인 지표뿐 아니라 데모를 통한 정성 피드백과 실제 사용자 대상 A/B 테스트로 함께 평가하세요.
• 상위 점수 결과의 카테고리 편중은 Spotify 셔플링 방식으로 완화하고, Shannon entropy와 Gini coefficient로 분포 변화를 확인할 수 있습니다.