Moait
홈인기 피드모든 블로그모든 태그
홈인기 피드모든 블로그모든 태그
같은 모델, 다른 예측 섬네일

같은 모델, 다른 예측

토스 favicon토스·AI/ML·
DevOps
2026년 11월 17일0

AI 요약

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

핵심 요약

토스가 Training-Serving Skew를 줄이기 위해 PIT 조인과 파티션 기반 재현 전략, 블루/그린 전환을 도입했습니다. 학습/서빙 피처 차이를 감소시켰으며, 온라인 실험에서 CTR은 0.86% 감소, CVR은 0.91% 증가했습니다.

구현 방법

  • 학습/서빙의 파티션 차이를 해결하기 위해 서빙에 사용한 피처 파티션 정보를 기록하고, 학습 데이터 생성 시 해당 파티션에서 피처를 조회하도록 구성
  • 피처 값 전체를 로그로 남기지 않고, 파티션 정보만 기록하는 방식으로 비용과 로그 규모를 관리
  • 문제 2에 해당하는 갱신 시점 차이를 줄이기 위해 블루/그린으로 데이터와 파티션 정보를 함께 전환
  • 문제 3의 집계 대상 누락 데이터 문제를 제거하기 위해 새 데이터와 삭제 데이터를 함께 반영하는 방식 도입

주요 결과

  • 학습 데이터에서 파티션 연결 비율: 사용자 약 89%, 상품 약 94%
  • Cross Feature 재현 비율 약 75%
  • 온라인 실험: CTR 0.86% 감소, CVR 0.91% 증가(통계적으로 유의), 매출 관련 지표에는 유의한 변화 없음

연관 피드

%가 높을수록 이 글과 비슷할 가능성이 높아요!
추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법 섬네일
76%

추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법

토스 favicon토스·2026년 10월 01일
토스가 다양한 ML 모델을 만드는 법: Feature Store & Trainkit 섬네일
71%

토스가 다양한 ML 모델을 만드는 법: Feature Store & Trainkit

토스 favicon토스·2025년 08월 14일
진짜 A/B 테스트: 토스의 푸시 생태계를 데이터로 재설계한 방법 섬네일
71%

진짜 A/B 테스트: 토스의 푸시 생태계를 데이터로 재설계한 방법

토스 favicon토스·2025년 10월 01일