에티에서 추천을 위한 다중 태스크 표준 순위자를 어떻게 구축했는지

에스티(Etsy)는 사용자에게 관련된 항목을 제시하기 위해 추천 모듈을 사용하며, 각 모듈은 관련성에 따라 후보 항목을 점수를 매기는 랭커(ranker)로 구동됩니다. 전통적으로 에스티는 모듈별 랭커를 사용했지만, 모듈의 수가 증가함에 따라 이 접근 방식은 관리하기 어려워졌습니다. 이를 해결하기 위해 에스티는 여러 모듈을 구동할 수 있는 표준 랭커(canonical ranker)를 개발했습니다. 이는 효율성과 일관성을 보장합니다. 첫 번째 표준 랭커는 방문 빈도를 중점으로 하며, 재방문에 대한 대리 변수로 즐겨찾기 비율을 사용했습니다. 빈도 랭커의 모델 구조는 공유된 하위 구조(shared-bottom architecture)와 즐겨찾기 및 구매 예측을 위한 별도의 계층을 포함하며, 최종 랭킹 점수로 결합됩니다. 랭커는 또한 모듈 이름 특징과 모듈 간의 균형 잡힌 훈련 데이터를 통합하여 일반화 가능성을 보장합니다. 한정된 모듈의 데이터로 훈련에도 불구하고, 표준 랭커는 훈련에 사용되지 않은 모듈에서 모듈별 랭커를 능가하여 표준 솔루션으로서의 효율성을 입증했습니다. 빈도 랭커는 항목 페이지 및 홈페이지 모듈에서 즐겨찾기 비율을 개선했으며, 구매 지표 및 기타 참여 지표에서 상당한 개선이 있었습니다. 출시 이후 에스티는 웹 및 앱 플랫폼에서 여러 모듈에 표준 랭커를 배포했습니다. 앞으로 에스티는 빈도 랭커를 반복적으로 개선하며, 더 많은 컨텍스트를 통합하고 새로운 아키텍처를 탐색할 계획입니다. 표준 랭커는 에스티의 추천 전략에 대한 변화를 나타내며, 플랫폼 및 모듈 간에 더 개인화된 추천과 일관된 사용자 경험을 제공합니다.