🔔 왓챠의 1년차 주니어는 추천 시스템 현장에서 어떤 고민을 마주했는가? 최근 추천시스템 공부를 하던 중 현장에서 어떤 고민을 마주하는 지 읽으니 추천시스템에 정말 고민의 연속인 것 같아요. 실

🔔 왓챠의 1년차 주니어는 추천 시스템 현장에서 어떤 고민을 마주했는가? 최근 추천시스템 공부를 하던 중 현장에서 어떤 고민을 마주하는 지 읽으니 추천시스템에 정말 고민의 연속인 것 같아요. 실무에서는 기술적인 측면뿐만 아니라 유저들에게 적합한 콘텐츠를 추천해 주기 위해 세워야 할 기준들을 명확하게 하는 것도 중요해 보입니다. 특히, 데이터는 주어지는 게 아니라 직접 선별하고 의미를 부여한다는 말이 와닿습니다! 글을 읽어보시고 추천시스템에 관심 있으신 분들은 함께 생각해 봐도 좋을 것 같습니다! ‼️요약‼️ 1. 데이터셋은 어디에서 오는가 - 시청 기록은 어떻게 정의할 것인가? - 며칠 간의 기록을 사용할 것인가? - 2시간 영화를 5분 시청한 기록, 1시간 시펑항 기록, 엔딩 크레딧까지 시청한 기록을 같은 위상 데이터로 취급해도 될 것인가? 2. 모든 길은 A/B 테스트로 통하지만 - 누구를 대상으로 몇 명이나 실험할 것인가? - 언제, 얼마나 오래 실험할 것인가? 3. 모델이 트랜드를 반영하려면 - 얼마나 자주, 어떻게 업데이트해야 하는가? 4. 추천은 무엇으로 이루어지는가 - 추천시스템은 결국 유저에게 서비스가 보유한 아이템을 선별하여 보여주는 방법 - 유저가 회사의 서비스를 어떻게 이용하고 있은지, 서비스가 보유하고 있는 아이템 특징, 서비스의 기술적, 경험적 특징에 따라 추천되는 형태가 달라진다.