<div id="readability-page-1" class="page"><div><h2 id="2466"><strong>안녕하세요. 간단한 인사말과 더불어 지나온 커리어에 대해 소개해주세요.</strong></h2><p id="22b3">‍29CM 추천서비스팀 팀장을 맡고 있는 문승현입니다. 저는 KAIST Data Mining Lab에서 석사를 진행하면서, Data와 Machine Learning의 잠재력에 관심을 갖게 되었고 이후 IT융합연구소, 콘텐츠, 반려동물 관련 스타트업에서 머신러닝을 활용한 예측 및 추천 기술 개발과 팀 빌딩 업무를 진행하며 경험을 쌓았습니다. 23년 1월에 29CM에 합류하여 팀원들과 함께 고객이 만족할 만한 추천서비스 개발에 힘쓰고 있습니다.‍</p><figure></figure><h2 id="2ed3">‍<strong>승현님이 29CM를 선택했던 이유는 무엇이었나요?</strong></h2><p id="4f1b">머신러닝 기술이 비즈니스와 동떨어진 채로 고도화되면, 잘 만들어졌지만 쓰이지 않고 버려지는 경우가 많습니다. 머신러닝과 관련된 수많은 프로덕트들 중 직접적인 비즈니스 임팩트를 낼 수 있는 기술이 추천 기술이고, 29CM이 그중에서도 더 큰 임팩트를 낼 수 있는 패션 커머스 도메인이라는 점이 매력적으로 느껴졌죠. 또, 입사 당시부터 ‘Guide to better choice’를 슬로건으로 내세울 만큼 추천과 큐레이션에 진심인 대표와 동료들을 보면서 좋은 추천 기술이 적용되면 회사 성장의 부스팅 역할을 할 것이라 기대했어요.‍</p><p id="d598">개인적으로는 머신러닝 기술을 활용하여 사회에 기여하는 데 보람을 느끼는데요. 빠르게 성장하는 29CM에서 개발한 추천 기술의 적용으로 추천에 의한 성장의 크기를 체감하며, 조직 전체 성장에 기여할 수 있는 좋은 기회라고 느껴 합류하게 되었습니다.‍</p><figure><figcaption>29CM 추천서비스 팀</figcaption></figure><h2 id="808c">‍<strong>29CM 추천서비스팀에 대해 소개해주세요. 팀은 어떻게 만들어졌나요?</strong></h2><p id="a88f">29CM 합류 당시에는 추천 서비스의 기술적인 구심점이 될 수 있는 팀이 없는 상태였고, 추천 엔지니어 1명이 데이터 플랫폼팀과 함께 고군분투하고 있는 상황이었어요. 팀장으로 합류하고 가장 먼저 진행한 일은 추천서비스 팀의 존재 목적, 업무 방식, 타 팀과의 협업 방식 등을 정의하여 팀을 생성하는 것이었습니다. 이어서 현재, 그리고 이후에 합류할 팀원들이 한 방향을 바라볼 수 있도록 팀의 장단기 목표와 방향을 보여주는 추천서비스 로드맵을 작성했습니다. 이를 바탕으로 상반기에 저와 추천 엔지니어 2명, 하반기에 추가로 추천 엔지니어 2명이 합류하면서 현재는 팀장 포함 5명의 팀이 만들어졌고, 29CM 추천의 고도화를 위해 달려가고 있습니다.‍</p><figure></figure><h2 id="fc9c"><strong>팀에서 이뤄낸 성과 중 가장 기억에 남는 일이 있다면요?</strong>‍</h2><p id="e549">크게 두 가지가 기억에 남는데요. 첫 번째로 29CM를 경험한 각 사용자들의 최근 관심 상품을 예측하여 추천하는 내부 개발 개인화 추천 엔진을 카테고리 영역에 적용한 일입니다. 기존에는 모든 사용자가 인기순으로 정렬된 상품 목록을 일괄적으로 제공받았는데요. 개인화 추천 엔진을 적용한 뒤에는 각자의 최근 이력에 기반한 개인화된 순서로 상품이 큐레이션 되었고, 이를 통해 기존의 인기순 큐레이션 대비 상위 30개 상품에 대해 35% 이상, 상위 10개의 상품에 대해서는 50% 이상의 클릭률 향상을 기록했습니다. 또 하나는 Google Cloud의 추천을 활용하던 상품 상세 페이지의 ‘함께 구매한 상품’ 영역에 내부 개발된 앙상블 모델 기반 추천 엔진을 적용하여 기존 대비 40% 이상의 클릭률 향상을 이루어 낸 일이에요. 이는 29CM에서 Managed 추천서비스를 내부에서 개발한 엔진으로 이겨낸 첫 번째 케이스라서 더더욱 기억에 남습니다.‍</p><figure></figure><p id="f923"><em>출처 : Yan, Ziyou. (Jun 2021). System Design for Recommendations and Search. eugeneyan.com. </em><a href="https://eugeneyan.com/writing/system-design-for-discovery/" rel="noopener ugc nofollow" target="_blank"><em>https://eugeneyan.com/writing/system-design-for-discovery/</em></a>‍</p><h2 id="b2f2"><strong>그렇다면 현재 고민하고 있는 문제는 어떤 것들이 있나요?</strong>‍</h2><p id="4f71">현재 사용하고 있는 추천 기술들은 전날까지의 데이터를 학습하여 취향을 예측하는 데 한계가 있습니다. 고객의 피드백을 실시간으로 획득하고 반영할 수 있다면 더욱 정교하고 상황에 맞는 추천을 할 수 있어요. 이를 위해 실시간 추천 모델과 추천 파이프라인의 고도화를 진행하고 있으며, Retrieval과 Ranking으로 이루어진 Two-phase 추천 아키텍처를 더 효율적으로 운영하기 위한 MLOps 아키텍처를 고민하고 있습니다.‍</p><p id="f5a6">중장기적으로는 29CM를 사용하는 고객의 취향과 그 변화를 조금 더 깊이 캐치할 수 있는 좋은 추천 엔진을 개발하는 것이죠. 날씨와 시간, 계절과 트렌드 등 컨텍스트를 반영하여 다양하고 고객의 마음에 드는 좋은 상품을 고객의 상품 탐색 여정에 적시에 제공하는 방법을 개발하는 것, 29CM가 추구하는 감도를 갖춘 취향 기반의 추천 프로덕트를 개발하는 것 등 ‘Guide to better choice’를 위한 설레는 도전 과제들이 남아있습니다.‍</p><h2 id="ba13"><strong>추천서비스팀이 가지고 있는 앞으로의 목표도 궁금해요.</strong>‍</h2><p id="0c25">고객 취향에 대한 이해를 높이고 29CM에 있는 제품과 브랜드를 고객과 더 적절하게 매칭시키기 위해 세 가지 관점에서 최고 수준을 달성하는 것이 추천서비스팀의 미션이에요.‍</p><p id="f132">첫 번째는 더 풍부한 데이터를 확보하는 것입니다. 데이터의 품질은 추천 엔진의 품질에 근본적인 영향을 미치는 요소예요. 현재 활용할 수 있는 데이터 외에 상품의 스타일과 무드, 컨텍스트 등의 추가적인 메타데이터와 사용자의 실시간 피드백을 획득하여 활용할 수 있는 환경을 구성해 추천 엔진이 더 정교한 고객-상품 또는 브랜드 간의 매칭을 학습할 수 있게 하는 것입니다.‍</p><p id="87f6">두 번째는 추천 엔진의 고도화입니다. 데이터를 기반으로 29CM 고객의 취향을 더 잘 이해하도록 학습시켜, 현재 고객이 처한 상황에 적합한 상품 및 브랜드 추천을 할 수 있도록 엔진을 고도화시키는 것이죠. 마지막으로 29CM에 적합한 취향 기반 추천 프로덕트를 만드는 것입니다. 좋은 데이터를 가지고 고객의 취향을 잘 이해하는 여러 엔진들을 적절히 학습하고 후처리하여 상품, 브랜드 및 콘텐츠를 고객의 상품 탐색 여정에 적시에 큐레이션 하도록 하는 것입니다. 이 세 가지 관점에 포커스를 맞추고 팀을 성장시키려 합니다.‍</p><figure></figure><h2 id="991f">‍<strong>리더로서 승현님이 함께 일하고 싶은 동료를 꼽는다면요?</strong>‍</h2><p id="a21b">29CM가 추구하는 인재상은 일곱 가지 ‘29CM WAY’에 잘 기술되어 있어, 이를 골고루 갖춘 분이라면 좋겠습니다. 29CM는 커머스 도메인이라는 관점에서 구매고객과 판매고객(브랜드 파트너)이 있는 만큼 두 고객군을 이해하고 양쪽을 만족시키는 솔루션을 제공할 수 있는 고객 집중 역량이 중요하고, 특히나 추천서비스팀은 타 스쿼드와 데이터 플랫폼팀과의 협업이 많이 일어나기 때문에 신뢰 있는 협업 태도는 필수적입니다. 또 연구 개발 업무의 특성상 발생하는 많은 실험의 실패로부터 포기하지 않고 목표를 집요하게 달성하고자 하는 끈기도 중요한 역량입니다.‍</p><ul><li id="f0e5"><a href="https://www.29cmcareers.co.kr/4011337b-e213-4a1b-aace-76dc724a850f" rel="noopener ugc nofollow" target="_blank"><em>29CM WAY</em></a><strong><em>가 궁금하다면?<br></em></strong><a href="https://www.29cmcareers.co.kr/4011337b-e213-4a1b-aace-76dc724a850f" rel="noopener ugc nofollow" target="_blank"><em>https://www.29cmcareers.co.kr/4011337b-e213-4a1b-aace-76dc724a850f</em></a>‍</li></ul><h2 id="88fa"><strong>29CM 채용에 관심 있는 분들을 위해 한 말씀 부탁드려요.</strong>‍</h2><p id="d219">개인의 성장과 팀의 성장 모두 경험하고 싶으신 분, 좋은 동료들과 함께 최고의 결과물을 완성하고 싶은 분이라면 함께하세요!</p></div></div>

29CM 기술블로그 - Medium

‘눈 내리는 겨울, 연말 모임에 뭐 입고 갈까?’ 디테일한 고객의 상황에 빠르고 정확하게, 감도 높은 상품을 제안할 수 있기 위해 탄생한 29CM의 추천서비스팀을 소개해요. 29CM가 한층 더 개인화된 추천을 할 수 있게 된 이유, 바로 승현님이 ‘추천 최정예 팀’을 구성하고 나서부터인데요. 승현님이 29CM를 선택한 이유부터 추천서비스팀이 이뤄낸 성과, 앞으로의 목표까지 들어보았습니다.‍
안녕하세요. 간단한 인사말과 더불어 지나온 커리어에 대해 소개해주세요.
‍29CM 추천서비스팀 팀장을 맡고 있는 문승현입니다. 저는 KAIST Data Mining Lab에서 석사를 진행하면서, Data와 Machine Learning의 잠재력에 관심을 갖게 되었고 이후 IT융합연구소, 콘텐츠, 반려동물 관련 스타트업에서 머신러닝을 활용한 예측 및 추천 기술 개발과 팀 빌딩 업무를 진행하며 경험을 쌓았습니다. 23년 1월에 29CM에 합류하여 팀원들과 함께 고객이 만족할 만한 추천서비스 개발에 힘쓰고 있습니다.‍
‍승현님이 29CM를 선택했던 이유는 무엇이었나요?
머신러닝 기술이 비즈니스와 동떨어진 채로 고도화되면, 잘 만들어졌지만 쓰이지 않고 버려지는 경우가 많습니다. 머신러닝과 관련된 수많은 프로덕트들 중 직접적인 비즈니스 임팩트를 낼 수 있는 기술이 추천 기술이고, 29CM이 그중에서도 더 큰 임팩트를 낼 수 있는 패션 커머스 도메인이라는 점이 매력적으로 느껴졌죠. 또, 입사 당시부터 ‘Guide to better choice’를 슬로건으로 내세울 만큼 추천과 큐레이션에 진심인 대표와 동료들을 보면서 좋은 추천 기술이 적용되면 회사 성장의 부스팅 역할을 할 것이라 기대했어요.‍
개인적으로는 머신러닝 기술을 활용하여 사회에 기여하는 데 보람을 느끼는데요. 빠르게 성장하는 29CM에서 개발한 추천 기술의 적용으로 추천에 의한 성장의 크기를 체감하며, 조직 전체 성장에 기여할 수 있는 좋은 기회라고 느껴 합류하게 되었습니다.‍
‍29CM 추천서비스팀에 대해 소개해주세요. 팀은 어떻게 만들어졌나요?
29CM 합류 당시에는 추천 서비스의 기술적인 구심점이 될 수 있는 팀이 없는 상태였고, 추천 엔지니어 1명이 데이터 플랫폼팀과 함께 고군분투하고 있는 상황이었어요. 팀장으로 합류하고 가장 먼저 진행한 일은 추천서비스 팀의 존재 목적, 업무 방식, 타 팀과의 협업 방식 등을 정의하여 팀을 생성하는 것이었습니다. 이어서 현재, 그리고 이후에 합류할 팀원들이 한 방향을 바라볼 수 있도록 팀의 장단기 목표와 방향을 보여주는 추천서비스 로드맵을 작성했습니다. 이를 바탕으로 상반기에 저와 추천 엔지니어 2명, 하반기에 추가로 추천 엔지니어 2명이 합류하면서 현재는 팀장 포함 5명의 팀이 만들어졌고, 29CM 추천의 고도화를 위해 달려가고 있습니다.‍
팀에서 이뤄낸 성과 중 가장 기억에 남는 일이 있다면요?‍
크게 두 가지가 기억에 남는데요. 첫 번째로 29CM를 경험한 각 사용자들의 최근 관심 상품을 예측하여 추천하는 내부 개발 개인화 추천 엔진을 카테고리 영역에 적용한 일입니다. 기존에는 모든 사용자가 인기순으로 정렬된 상품 목록을 일괄적으로 제공받았는데요. 개인화 추천 엔진을 적용한 뒤에는 각자의 최근 이력에 기반한 개인화된 순서로 상품이 큐레이션 되었고, 이를 통해 기존의 인기순 큐레이션 대비 상위 30개 상품에 대해 35% 이상, 상위 10개의 상품에 대해서는 50% 이상의 클릭률 향상을 기록했습니다. 또 하나는 Google Cloud의 추천을 활용하던 상품 상세 페이지의 ‘함께 구매한 상품’ 영역에 내부 개발된 앙상블 모델 기반 추천 엔진을 적용하여 기존 대비 40% 이상의 클릭률 향상을 이루어 낸 일이에요. 이는 29CM에서 Managed 추천서비스를 내부에서 개발한 엔진으로 이겨낸 첫 번째 케이스라서 더더욱 기억에 남습니다.‍
출처 : Yan, Ziyou. (Jun 2021). System Design for Recommendations and Search. eugeneyan.com. https://eugeneyan.com/writing/system-design-for-discovery/‍
그렇다면 현재 고민하고 있는 문제는 어떤 것들이 있나요?‍
현재 사용하고 있는 추천 기술들은 전날까지의 데이터를 학습하여 취향을 예측하는 데 한계가 있습니다. 고객의 피드백을 실시간으로 획득하고 반영할 수 있다면 더욱 정교하고 상황에 맞는 추천을 할 수 있어요. 이를 위해 실시간 추천 모델과 추천 파이프라인의 고도화를 진행하고 있으며, Retrieval과 Ranking으로 이루어진 Two-phase 추천 아키텍처를 더 효율적으로 운영하기 위한 MLOps 아키텍처를 고민하고 있습니다.‍
중장기적으로는 29CM를 사용하는 고객의 취향과 그 변화를 조금 더 깊이 캐치할 수 있는 좋은 추천 엔진을 개발하는 것이죠. 날씨와 시간, 계절과 트렌드 등 컨텍스트를 반영하여 다양하고 고객의 마음에 드는 좋은 상품을 고객의 상품 탐색 여정에 적시에 제공하는 방법을 개발하는 것, 29CM가 추구하는 감도를 갖춘 취향 기반의 추천 프로덕트를 개발하는 것 등 ‘Guide to better choice’를 위한 설레는 도전 과제들이 남아있습니다.‍
추천서비스팀이 가지고 있는 앞으로의 목표도 궁금해요.‍
고객 취향에 대한 이해를 높이고 29CM에 있는 제품과 브랜드를 고객과 더 적절하게 매칭시키기 위해 세 가지 관점에서 최고 수준을 달성하는 것이 추천서비스팀의 미션이에요.‍
첫 번째는 더 풍부한 데이터를 확보하는 것입니다. 데이터의 품질은 추천 엔진의 품질에 근본적인 영향을 미치는 요소예요. 현재 활용할 수 있는 데이터 외에 상품의 스타일과 무드, 컨텍스트 등의 추가적인 메타데이터와 사용자의 실시간 피드백을 획득하여 활용할 수 있는 환경을 구성해 추천 엔진이 더 정교한 고객-상품 또는 브랜드 간의 매칭을 학습할 수 있게 하는 것입니다.‍
두 번째는 추천 엔진의 고도화입니다. 데이터를 기반으로 29CM 고객의 취향을 더 잘 이해하도록 학습시켜, 현재 고객이 처한 상황에 적합한 상품 및 브랜드 추천을 할 수 있도록 엔진을 고도화시키는 것이죠. 마지막으로 29CM에 적합한 취향 기반 추천 프로덕트를 만드는 것입니다. 좋은 데이터를 가지고 고객의 취향을 잘 이해하는 여러 엔진들을 적절히 학습하고 후처리하여 상품, 브랜드 및 콘텐츠를 고객의 상품 탐색 여정에 적시에 큐레이션 하도록 하는 것입니다. 이 세 가지 관점에 포커스를 맞추고 팀을 성장시키려 합니다.‍
‍리더로서 승현님이 함께 일하고 싶은 동료를 꼽는다면요?‍
29CM가 추구하는 인재상은 일곱 가지 ‘29CM WAY’에 잘 기술되어 있어, 이를 골고루 갖춘 분이라면 좋겠습니다. 29CM는 커머스 도메인이라는 관점에서 구매고객과 판매고객(브랜드 파트너)이 있는 만큼 두 고객군을 이해하고 양쪽을 만족시키는 솔루션을 제공할 수 있는 고객 집중 역량이 중요하고, 특히나 추천서비스팀은 타 스쿼드와 데이터 플랫폼팀과의 협업이 많이 일어나기 때문에 신뢰 있는 협업 태도는 필수적입니다. 또 연구 개발 업무의 특성상 발생하는 많은 실험의 실패로부터 포기하지 않고 목표를 집요하게 달성하고자 하는 끈기도 중요한 역량입니다.‍
29CM WAY가 궁금하다면?
https://www.29cmcareers.co.kr/4011337b-e213-4a1b-aace-76dc724a850f‍
29CM 채용에 관심 있는 분들을 위해 한 말씀 부탁드려요.‍
개인의 성장과 팀의 성장 모두 경험하고 싶으신 분, 좋은 동료들과 함께 최고의 결과물을 완성하고 싶은 분이라면 함께하세요!
29CM CAREER
함께할 동료를 찾습니다‍
29CM는 ‘고객의 더 나은 선택을 돕는다’라는 미션으로 출발했습니다. 우리는 우리만의 방식으로 콘텐츠를 제공하며, 브랜드와 고객 모두에게 대체 불가능한 커머스 플랫폼을 만들어가고 있습니다. 이 미션을 이루기 위해 우리는 흥미로우면서도 복잡한 문제들을 해결하고 있습니다. 만약 우리와 함께 이 문제들을 해결해 보고 싶다면, 주저하지 말고 29CM에 합류하세요!
🚀 29CM 채용 페이지 : https://www.29cmcareers.co.kr/
📌채용이 완료되면 공고가 닫힐 수 있으니 빠르게 지원해 주세요!
29CM 큐레이션의 핵심, 추천서비스팀을 소개합니다. was originally published in 29CM TEAM on Medium, where people are continuing the conversation by highlighting and responding to this story.

29CM 큐레이션의 핵심, 추천서비스팀을 소개합니다.

댓글