컬리, 장바구니 보완재 추천으로 전환율 약 100% 상승

컬리 데이터서비스개발팀이 장바구니와 결제 페이지 사이에 도입한 바텀시트 추천 기능을 통해 보완재 기반의 개인화 추천 모델을 적용했다. 이커머스 구매 의사결정 단계 중 Stage 2(구매 결정)에 해당하는 장바구니 단계에서는 대체재보다 보완재 추천이 지불 용의(WTP)를 높인다는 행동 경제학 연구에 착안했다.

모델 선택 및 학습 전략 초기 BERT4Rec 모델은 특정 인기 상품(예: 우유)이 과도하게 추천되는 문제를 겪었다. 이를 해결하기 위해 **NPMI(Normalized Pointwise Mutual Information)**를 활용해 카테고리 간 보완재 관계성을 정량화하고, 주문서 데이터를 보완재 카테고리 쌍에 따라 부분 집합으로 분리해 학습했다. 또한, 추천 결과의 다양성을 확보하기 위해 Spotify의 Shuffle 알고리즘을 참고해 동일 카테고리 상품 간 간격을 무작위화하는 로직을 구현했다.

A/B 테스트 성과 전체 유저의 약 8%를 대상으로 1주간 A/B 테스트를 진행한 결과, 비개인화 추천을 제공한 대조군 대비 실험군(BERT4Rec 기반 보완재 추천)의 장바구니 전환 유저 비율, 유저당 담은 상품 개수, 유저당 담은 상품 금액이 약 100% 가까이 상승했다. 이 상승 효과는 통계적으로 유의미한 것으로 확인되었으며, 현재 컬리 앱에서는 특정 유저군을 대상으로 해당 모델이 서빙 중이다.