프로덕트

아티클

전체 보기
이승진

이승진

청하 - 청년정책, 나에게 맞는 것이 있을까?

청하팀의 첫 번째 로그

안녕하세요~ “청년에 의한, 청년을 위한, 청하” 플랫폼을 개발중인 청하팀의 이승진입니다!

현재 청하는 청년 정책 정보를 제공하고, 여러 정보를 교류할 수 있는 커뮤니티 기능도 운영하고 있습니다.

청하를 런칭한 이후, 청년들에게 더 유용한 플랫폼이 되려면 어떤 것을 시도하면 좋을지 고민하게 되었습니다.

조금 딱딱한 내용으로 느껴질 수도 있지만, 가볍게 읽어주세요!

각 사용자에게 “맞춤 정책”을 추천하면 어떨까?

청년들이 자신에게 적합한 정책을 찾는 것이 중요하지만, 매번 많은 정책을 확인하는 것은 힘들어 접근이 쉽지 않죠.

이 문제를 풀기 위해 생각한 방법이 “맞춤 정책 추천 기능” 입니다.

어떤 데이터로 맞춤 정책을 제공할 수 있을까?

현재 청하는 각 정책의 “조회수”와 “찜한 수” 데이터를 저장하고 있습니다.

이 두 가지는 사용자 행동 데이터를 나타냅니다.

이 데이터를 바탕으로 사용자들이 어떤 정책에 관심이 있는지 파악할 수 있습니다.

사용자 행동 데이터를 기반으로 가중치를 적용한다면?

사용자가 한 정책을 발견하고 조회한 후, 찜하기까지의 과정은 어떻게 이뤄질까요?

정책 리스트를 보다가 제목에 “관심”이 가면 해당 정책을 “클릭”하게 됩니다.

상세 정보를 읽어보고, 자신에게 유용하다고 판단되면 “찜하기” 버튼을 누르게 되죠.

이처럼 “조회”보다 “찜하기”에 더 높은 가중치를 부여하는 것이, 사용자의 선호도를 더 정확하게 반영할 수 있다고 생각했습니다.

가중치 부여 방식

각 행동에 따라 어떻게 가중치를 부여할지 간단하게 설계해 보았습니다.

  • 조회 행동 ⇒ 가중치 1 부여

  • 찜하기 행동 ⇒ 가중치 3 부여

  • 최근 행동 ⇒ 최근 행동일수록 더 높은 가중치 부여

소소한 리뷰

이 기능만으로는 사용자 선호도를 완벽하게 파악하기 어려울 수 있습니다..

하지만 꾸준히 개선해 나가면서 맞춤 추천 시스템을 만들어보려 합니다..!!

PMC를 통해 발전하는 청하를 지켜봐주세요 ^_^/

랜딩 페이지: https://withpeace.github.io/cheongha.github.io/

PlayStore: https://play.google.com/store/apps/details?id=com.withpeace.withpeace

AppStore: https://apps.apple.com/kr/app/청하/id6504498223

3
0

포스트

전체 보기
이승진

이승진

[청하 - “AI 사서” 개발 기록]

지난 로그에서는 “맞춤 정책” 기능을 다뤘습니다.

이번엔 “AI 사서”라는 기능을 추가해보려고 합니다!

"AI 사서"는 사용자가 입력한 검색어에서 핵심 키워드를 추출하고, 관련된 정책을 추천해주는 기능입니다.

사용자가 관심을 가지는 정책을 더 정확하게 소개해주기 위해 추가하게 되었습니다!

현재 “AI 사서” 기능을 위해서 이런 작업을 진행 중입니다!

1. 사용자들이 검색할 만한 키워드 수집

2. LLM 프롬프트를 구성해 검색어에서 핵심 키워드 추출

여기서 중요한 작업은 LLM(Large Language Model) 을 사용하는 것인데요,

최대한 정확한 정보를 사용자에게 제공하기 위해서는

LLM 에게 전달하는 “프롬프트”를 잘 작성하는 것이 중요합니다.

저희는 우선 Google AI Studio 를 사용해 실험 중입니다.

아직 높은 정확도로 키워드를 추출해내지는 못하지만, 조금씩 다듬어 가려고 합니다!!

4
0
이승진

이승진

[청하 - “맞춤 정책 추천” 개발 기록]

지난 아티클에서 소개한 “맞춤 정책 추천” 기능의 개발 진행 상황을 정리해보았습니다!
> 지난 아티클: https://buly.kr/2Jmj88n

1. 사용자 행동 데이터 수집

- 정책 조회&찜하기 시 사용자 상호작용 테이블에 데이터 저장.

2. 사용자별 정책 가중치 계산

- “조회”는 가중치 1, “찜하기”는 가중치 3을 부여하며, “최근 1주” 이내의 상호작용에는 추가 가중치 1을 부여.

3. 사용자 정보 기반 정책 필터링

- 온보딩에서 수집한 사용자의 “지역” 및 “관심 분야” 정보를 기반으로 필터링을 진행.

- 요청 시 사용자 정보를 업데이트.

4. 맞춤 정책 추천 리스트 생성

- 상호작용 데이터 기반, 가중치가 높은 상위 6개의 정책을 추천.

- 추천 정책이 6개 미만이면, 전체 사용자 기준으로 선정된 "핫한 정책"으로 채움.

4
0