Moait
홈인기 피드모든 블로그모든 태그
홈인기 피드모든 블로그모든 태그
추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법 섬네일

추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법

토스 favicon토스·AI/ML·
RetrievalRankingTopKInteger Programming
2026년 10월 01일7

AI 요약

이 글은 AI가 요약했어요. 정확한 내용은 꼭 원문을 확인해 주세요!

핵심 요약

토스가 TopK를 모델별 가치에 따라 배분하는 문제를 정수계획법으로 최적화해 전체 후보 수를 약 절반으로 축소하고, 온라인 실험에서 User CVR 7.55%, Order PU 10.13%를 개선했습니다.

구현 방법

  • 정수계획법으로 결정 변수 x_{i,k}, 목표 함수 값 w_{i,k}, 제약 조건(전체 후보 수 한도, 모델별 최소 수량, 상위 순위 보존)을 반영
  • 로그 데이터를 기반으로 pICVR를 각 후보의 가치로 활용
  • Retrieval+Ranking 구조에서 모델별 TopK를 차등 배분해 전체 예산 안에서 최적화

주요 결과

  • TopK 합을 약 절반으로 축소
  • User CVR +7.55%, Order PU +10.13%
  • ICVR +9.286%, CVR +13.496%, GPU +11.218%, CTR -3.710%, RPU +0.832%

연관 피드

%가 높을수록 이 글과 비슷할 가능성이 높아요!
같은 모델, 다른 예측 섬네일
76%

같은 모델, 다른 예측

토스 favicon토스·2026년 11월 17일
No Image
71%

딸깍으로 안되는 Multi-interest 모델 개발기

KREAM faviconKREAM·2026년 11월 05일
왜 막상 배포하면 효과가 없지? 타겟 지표에 맞는 ML모델 train/eval 설계하기 섬네일
70%

왜 막상 배포하면 효과가 없지? 타겟 지표에 맞는 ML모델 train/eval 설계하기

하이퍼커넥트 favicon하이퍼커넥트·2025년 11월 28일