추천 기능 넣고 싶은데 구현방법을 모르겠어요

1. 추천 기능, 왜 필요하고 어떻게 만들까요?

• 추천 기능은 사용자가 뭘 찾지 않아도 앱이 알아서 "이거 한번 봐봐!" 하고 보여주는 기능이에요.

  • 예를 들어, 쇼핑몰에서 "이 상품 본 사람들은 이것도 샀어요" 하거나, 유튜브에서 "이 영상 다음에 이거 보세요" 하는 것들이 모두 추천 기능입니다.

• 추천 기능을 만들려면 크게 세 단계를 거쳐야 해요.

  • 어디에, 누구에게, 뭘 추천할지 정하기 (추천 목표)

  • 어떤 방식으로 추천할지 고르기 (인기순, 내용 기반, 개인화)

  • 그 방식에 맞는 데이터 준비하기

2. 추천 목표 정하기: 누구에게 뭘 보여줄까요?

• 추천 기능을 만들 때 가장 먼저 할 일은 "어디서, 누구한테, 뭘 추천해 줄까?"를 정하는 거예요.

  • 마치 친구에게 선물을 고를 때, "생일 파티에서, 친구에게, 어떤 선물을 줄까?" 하고 생각하는 것과 비슷합니다.

• 이걸 추천 목표라고 부르는데, 추천 목표에 따라 필요한 데이터나 추천 방식이 달라져요.

  • 예를 들어, 상품 상세 화면에서는 "이 상품과 비슷한 다른 상품"을 추천하고 싶을 수 있습니다.

  • 홈 화면에서는 "요즘 가장 인기 있는 상품"을 보여주고 싶을 수도 있어요.

  • 로그인한 사용자에게는 "사용자가 좋아할 만한 맞춤 상품"을 보여주고 싶을 수도 있습니다.

3. 추천의 3단계: 후보 찾고, 걸러내고, 순서 정하기

• 추천 기능은 후보를 조회하고, 제외 조건을 적용하고, 표시 순서를 정하는 세 단계로 동작합니다.

  • 1. 후보 찾기

    • 현재 화면과 추천 목표에 맞는 글이나 상품을 추천 후보로 조회합니다.

    • 상품 상세 화면이라면 같은 카테고리의 판매 중 상품, 홈 화면이라면 최근 반응이 기록된 상품처럼 후보 범위를 먼저 정해요.

  • 2. 걸러내기

    • 현재 보고 있는 항목, 비공개 글, 판매 종료 상품, 재고가 없는 상품처럼 보여주면 안 되는 후보를 제외합니다.

    • 사용자별 추천이라면 이미 구매했거나 관심 없음으로 표시한 항목도 제외 조건에 포함할 수 있어요.

  • 3. 순서 정하기

    • 남은 후보를 인기 반응, 내용의 유사성, 사용자 행동처럼 추천 목표에 맞는 기준으로 정렬합니다.

    • 정렬이 끝나면 제목·가격·URL처럼 화면에 필요한 정보를 함께 조회해 추천 목록을 표시해요.

4. 추천 방식 3가지: 인기순, 내용 기반, 개인화

사용자 행동 기록이 적다면 인기순 또는 내용 기반부터 시작해요.

• 추천 목표를 정했다면, 이제 어떤 방식으로 추천할지 골라야 해요. 크게 세 가지 방법이 있습니다.

• 인기순 추천: "요즘 가장 잘나가는 게 뭐야?"

  • 기준: 최근에 사람들이 많이 보고, 찜하고, 구매한 항목들을 보여주는 거예요.

  • 필요한 데이터: 어떤 항목이, 언제, 어떤 행동(조회, 찜, 구매)을 받았는지 기록한 데이터가 필요합니다.

  • 예시: "이번 주 베스트셀러", "실시간 인기 검색어" 같은 것들이 여기에 해당해요.

  • 특징: 특별히 복잡한 기술(임베딩, 벡터 검색)은 필요하지 않습니다.

• 내용 기반 추천: "이거 좋아하면 이것도 좋아할걸?"

  • 기준: 사용자가 보고 있는 항목과 내용이 비슷한 다른 항목을 추천해 주는 거예요.

  • 필요한 데이터: 항목의 제목, 설명, 분류, 가격 같은 정보가 필요합니다.

  • 어떻게 비슷함을 알까요?

    • 컴퓨터는 글이나 그림을 바로 이해하지 못하니까, 임베딩 모델이라는 걸 사용해서 제목이나 설명을 숫자로 바꿔줘요.

    • 이 숫자를 임베딩이라고 하는데, 비슷한 내용의 항목들은 이 숫자들도 서로 가까워집니다.

    • 그리고 벡터 검색이라는 기술로 이 숫자들 중에서 가장 가까운(비슷한) 항목들을 찾아내는 거예요.

  • 예시: 사용자가 강아지 사료를 보고 있다면, 다른 강아지 사료나 강아지 장난감을 추천해 주는 거예요.

• 개인화 추천: "너만을 위한 맞춤 추천!"

  • 기준: 사용자가 이전에 어떤 항목에 반응했는지(보고, 찜하고, 구매하고)를 확인하고, 사용자가 좋아할 만한 항목을 추천해 주는 거예요.

  • 필요한 데이터: 사용자가 어떤 항목에, 언제, 어떤 행동을 했는지 기록한 데이터가 필요합니다.

  • 예시: 넷플릭스에서 사용자가 본 영화들을 바탕으로 "OO님을 위한 추천 영화"를 보여주는 거예요.

  • 새로운 사용자에게는?: 아직 사용자 행동 기록이 없으면, 인기순이나 내용 기반 추천을 먼저 보여주기도 해요.

5. UQA로 추천 기능 쉽게 만들기

• 추천 기능을 만들 때 여러 종류의 데이터를 다뤄야 하는데, 이걸 따로따로 관리하면 복잡하고 힘들 수 있어요.

  • 예를 들어, 상품 정보는 한 데이터베이스에, 상품의 임베딩(숫자 정보)은 다른 곳에 저장하면, 상품이 바뀔 때 두 군데를 모두 고쳐야 합니다.

• UQA라는 도구를 사용하면 이런 복잡함을 줄일 수 있어요.

  • UQA는 상품 정보와 임베딩 같은 여러 데이터를 한곳에 같이 저장할 수 있게 해줍니다.

  • 그래서 인기순, 내용 기반, 개인화 추천에 필요한 데이터를 한 번에 쉽게 조회하고 관리할 수 있게 되는 거예요.

  • 마치 여러 종류의 장난감을 한 상자에 모아 보관하면 찾기도 쉽고 정리하기도 쉬운 것과 같습니다.

• UQA가 모든 걸 자동으로 해주지는 않아요.

  • 어떤 기준으로 추천할지, 뭘 제외할지 같은 추천 기준은 사용자가 직접 정해야 합니다.

  • UQA는 사용자가 정한 기준에 따라 데이터를 저장하고 조회하는 걸 도와주는 도구라고 보면 돼요.

현재 UQA는 로컬 설치와 운영이 기본이고 UQA Cloud는 준비 중입니다. 아래 프롬프트는 로컬 개발 환경에서 추천 기능을 구현하고 확인할 때 사용해요.

curl -fsSL https://releases.uqa-cloud.cognica.io/install.sh | sh &&
export PATH="${UQA_INSTALL_DIR:-$HOME/.local/bin}:$PATH" &&
uqa llm install skills