핀터레스트에서 퍼블리시한 알림 최적화를 위한 논문은 꽤 흥미롭다(논문은 댓글에). 이걸 읽다보니 나도 열심히 공부해서 이런걸 직접 구현할 수 있는 엔지니어가 됬으면 더 행복했을지도 모른다는 생각이 든다. 내 수준에서는 그냥 직관적으로 이해하는 수준밖에 되지 않는다. 논문에서는 인텔리전트한 알림을 위한 개념과 어떤 머신러닝 모델이 사용되었는지, 최적화 목적함수 등이 소개된다. 확실히 모바일 분야에서는 확장성있는 알림 분야가 더 중요해질 것 같다. 특히 글로벌 서비스의 경우 언어, 시간, 유저 행동이 다 다르기 때문에 애당초 인간이 대응하기란 불가능하고 알고리즘의 힘을 빌려야한다. 유저마다 반응하는 알림의 종류, 알림의 숫자, 알림의 컨텐츠가 다 다르기 때문에 유저별로 최적화가 되야하는 것 역시 중요하다. 최근에 머신러닝이라는 말도 잘 사용하지 않고, 마치 딥러닝만이 진리라는 생각들을 하는 것 같지만 실제 논문에서는 boosted tree와 같은 전통적인 방법을 꽤 레버리지 하는 것 같다. 하이레벨에서 고려해야할 이슈는 아래 3개 정도다. 1. 목적함수를 설정할 때 단기적인 이펙트가 아닌 장기적인 이펙트를 고려해야한다. 2. 알림의 숫자 증대는 유틸리티 함수의 diminishing return과 연관이 있기 때문에 이러한 효과를 잡아낼 수 있는 비선형 모델을 고려해야한다. 3. 다양하고 현실적인 이슈를 고려해야한다. 예를 들면 이메일, 푸시알림과 같은 다양한 채널을 관리한다거나, 볼륨 컨트롤 콤포넌트와 콘텐트 랭킹 콤포넌트의 상호작용을 고려해야한다. 아무튼 읽어두면 알림에 대한 이해도가 높아지는 논문이다.