무신사, 통합임베딩(Layer 0) 도입으로 개인화 푸시 CTR 21.3% 향상

주요 내용

• 무신사는 기존에 추천, 푸시, 쿠폰 등 서비스별로 전용 모델을 각각 구축해 같은 유저를 여러 번 개별 학습하는 구조를 운영해왔음
• 이로 인해 유저에 대한 이해가 모델 수만큼 분산(사일로화)되고, 새 모델 개발 시마다 유저를 처음부터 다시 학습해야 하는 비효율 발생
• 개인화 푸시는 오랫동안 DeepFM 기반 CTR 예측 모델로 운영됐으나, 운영 주체가 여러 차례 교체되면서 피처 설계 의도 등 운영 지식이 소실되는 문제도 발생
• 이를 해결하기 위해 모든 모델과 의사결정이 공유하는 유저 표현층 'Layer 0(통합임베딩)'을 구축하고 개인화 푸시에 처음 적용
• 결과적으로 개인화 푸시 CTR이 21.3% 향상됨

큐레이터 노트

통합임베딩은 개별 모델 성능 개선과 달리 모든 의사결정의 기반이 되는 유저 이해를 공유 레이어로 통합함으로써, 각 모델의 학습 격차를 구조적으로 해소하는 접근이라는 점에서 의의가 있다.