토스 TASTE, 멀티태스크 학습으로 추천 성능 35.1% 개선 및 타 서비스 전이 효과 확인

• 토스 TASTE가 멀티태스크 학습으로 사용자 표현을 추출해 추천 성능을 약 35.1% 개선함
• TASTE 임베딩을 타 서비스 모델에 적용해 미니앱 추천 CTR을 최대 209%까지 높임
• Auto Targeting 도입으로 푸시 캠페인 CTCVR를 0.25%에서 2.70%로 향상시킴
• TASTE Bench를 구축해 임베딩 개선 효과를 빠르게 검증하는 프로세스를 마련함

기술 구조 및 학습 방식

• MMoE, DCN-V2, PLE 구조를 활용해 앱이벤트와 소비 데이터를 함께 학습함
• Causal Transformer로 최근 앱이벤트 시퀀스를 압축해 요약 정보의 한계를 보완함
• 앱이벤트와 소비 예측 모델을 분리해 목적별 최적화 구조를 적용함

운영 및 전이 효과

• IM(Intelligence Manager)에 Auto Targeting 기능을 도입해 타기팅 부담을 줄임
• 금융 상품군 LMS 발송 시 발송 수 35% 감소에도 전환 건수 40% 증가를 달성함
• 쇼핑 및 광고 모델에 TASTE 임베딩을 추가해 AUROC 및 NE 지표 개선 확인