기술 요약: 이커머스 사용자의 단기적 의도 변화 및 제품 추천 순위

1. 문제 정의

전통적인 이커머스 추천 시스템은 종종 과거의 클릭 시퀀스나 단일 모달리티(single-modality)의 아이템 특성에 의존합니다. 그러나 단일 세션 내에서의 사용자 행동은 검색, 이미지 보기, 리뷰 읽기, 가격 비교, 장바구니 담기 등 다양한 작업이 포함된 이질적인 특성을 보입니다. 이러한 상호작용은 사용자의 단기적 관심사가 정체되어 있지 않음을 나타냅니다. 즉, 단일 제품 타겟에서 여러 소비 시나리오(예: 의류에서 여행 용품으로의 카테로기 전환)를 포함한 복합적인 형태로 빠르게 변화할 수 있습니다.

기존 방식들은 다음과 같은 요소들을 충분히 포착하지 못하는 경우가 많습니다:

• 카테고리 간 전이(Cross-category transfers): 세션 내 서로 다른 제품 카테고리 간의 사용자 의도 변화.
• 멀티모달 의미론(Multimodal semantics): 시각적 외관, 텍스트 리뷰, 검색어 사이의 상호작용.
• 상태 전이(State transitions): 브라우징에서 구매 준비 또는 이탈로 이어지는 사용자 의도의 진화.

결과적으로, 후보 제품의 순위 산정은 사용자의 현재 의사결정 단계와 일치하지 않는 경우가 많으며, 이는 특히 저빈도 아이템 및 카테고리 전환 시나리오에서 최적화되지 못한 추천 성능을 초래합니다.

2. 방법론

본 논문은 크로스보더(cross-border) 이커머스를 위해 설계된 **상태 인지 멀티모달 추천 랭킹 모델(State-Aware Multimodal Recommendation Ranking Model)**을 제안합니다. 본 방법론은 468,320명의 사용자와 126,480개의 SKU, 그리고 4,200만 개 이상의 상호작용 기록을 포함하는 CEMR-42M 데이터셋을 기반으로 구축되었습니다.

2.1 데이터 표현 및 상태 정의

• 세션 모델링: 이벤트 시간과 비활성 경계에 따라 세션을 분할합니다. 각 세션 이벤트는 행동 유형, 제품 이미지 특징, 리뷰 텍스트 특징, 검색어 특징, 제품 속성 및 시간 간격을 결합한 결합 벡터 $\eta_l$로 표현됩니다.
• 6가지 운영 상태: 단기 사용자 의도는 플랫폼 로그에서 도출된 6가지 관찰 가능한 상태로 이산화됩니다:
  1. 탐색적 브라우징(Browsing Exploration): 높은 빈도의 클릭 및 이미지 보기.
  2. 가격 비교(Price Comparison): 리뷰 읽기 및 유사 제품으로의 전환.
  3. 카테고리 간 이동(Cross-Category Migration): 카테고리 거리 증가 또는 검색어 변화에 의해 트리거됨.
  4. 구매 준비(Purchase Preparation): 즐겨찾기, 장바구니 담기 및 집중적인 비교.
  5. 재구매(Repeat Purchase): 이력을 바탕으로 한 유사 SKU 재방문.
  6. 이탈(Abandonment): 긴 비활성 상태 또는 전환 없는 세션 종료.

2.2 모델 아키텍처

모델은 네 가지 주요 구성 요소로 이루어져 있습니다:

1. 다중 유형 행동 시퀀스 인코딩:

   • 행동 카테고리를 이산 식별자로 매핑하고 이를 제품 ID, 카테기, 시간 간격 및 디바이스 정보와 결합합니다.
   • 학습 단위는 **세션 접두사 샘플(session-prefix sample)**입니다. 이벤트 $t$까지의 접두사가 입력으로 사용되며, 다음 이벤트가 클릭 감독(supervision) 역할을 합니다. $t+3, t+5, t+10$ 시점의 미래 상태는 다단계 전이 레이블로 사용됩니다.
   • 최근 문맥을 유지하기 위해 20-이벤트 윈도우를 유지하며, 짧은 세션은 패딩 처리하고 긴 세션은 절단합니다.

2. 멀티모달 특징 추출 및 융합:

   • 비주얼 인코더(Visual Encoder): 색상, 스타일, 형태 및 장면 특성을 추출합니다.
   • 텍스트 인코더(Text Encoder): 리뷰로부터 사이즈, 품질, 물류 및 사용자 경험 의미론을 추출합니다.
   • 검색 인코더(Search Encoder): 즉각적인 사용자 니즈를 포착합니다.
   • 마스크 게이티드 융합(Masked Gated Fusion): 누락된 모달리티(예: 이미지가 없는 제품)를 처리하기 위해, 마스크 게이티드 융합 메커니즘을 사용하여 결합된 제품 표현 $z_i$를 생성합니다. 이는 학습 가능한 게이팅 파라미터를 사용하여 가용한 모달리티(이미지, 리뷰, 검색, 속성)의 가중치를 조절함으로써 데이터 누락에 대한 강건성을 보장합니다.

3. 단기 의도 상태 예측:

   • 다단계 상태 분류기가 다음 3, 5, 10단계 상호작용 스텝에 대한 6가지 상태의 확률 분포($\hat{\pi}^{(d)}$)를 예측합니다.
   • 이를 통해 모델이 즉각적인 클릭 선호도와 지연된 구매 성향을 구분할 수 있게 하여, 무작위 클릭 변동으로부터 발생하는 간섭을 줄입니다.

4. 상태 인지 랭킹 메커니즘:

   • 최종 랭킹 점수 $\hat{r}_{\kappa,q}$는 세션 문맥 벡터, 멀티모달 제품 표현, 그리고 3, 5, 10단계로 예측된 상태 확률 분포를 결합하여 계산됩니다.
   • 이 메커니즘은 단순히 유사성에 기반하는 것이 아니라, 사용자의 예측된 의사결정 단계와 미래 전이 트렌드에 따라 후보군을 재순위화(re-rank)합니다.

2.3 학습 목표

네 가지 작업을 동시에 균형 있게 수행하기 위해 멀티태스크 공동 학습(Multi-Task Joint Learning) 방식이 채택되었습니다:

1. 다음 클릭 예측 (Binary Cross-Entropy).
2. 후보 랭킹 (Pairwise Ranking Loss).
3. 현재 의도 인식 (Cross-Entropy).
4. 미래 상태 전이 예측 (3, 5, 10단계를 위한 Cross-Entropy).

전체 손실 함수 $\mathcal{L}$은 이러한 태스크들의 가중 합에 L2 정규화를 더한 것으로, 모델이 특정 신호(예: 클릭 노이즈)에 의해 지배되는 것을 방지합니다.

3. 주요 기여

• 상태 인지 모델링: 사용자의 단기 의도를 단순한 클릭 시퀀스가 아닌 6가지 운영 상태의 시퀀스로 명시적으로 모델링하여, 카테고리 간 이동과 같은 복잡한 전이를 포착할 수 있게 합니다.
• 멀티모달 통합: 행동, 이미지, 리뷰, 검색어를 통합하는 강건한 융합 메커니즘을 개발하였으며, 특히 마스크 게이팅을 통해 이미지 없는 SKU와 같은 모달리티 누락 문제를 해결했습니다.
• 다단계 호라이즌 예측: 미래의 여러 시점(3, 5, 10 스텝)에 대한 상태 분포를 예측함으로써, 랭킹 시스템이 즉각적인 다음 클릭을 넘어 사용자의 니즈를 예측할 수 있도록 합니다.
• 대규모 데이터셋: 상세한 세션 수준 주석이 포함된 대규모 멀티모달 크로스보더 이커머스 데이터셋인 CEMR-42M을 도입했습니다.

4. 실험 결과

모델인 MISTRec은 Wide & Deep, DIN, DIEN, SASRec, BERT4Rec, MMRec, CLIP4Rec을 포함한 베이스라인들과 비교 평가되었습니다.

• 다음 클릭 예측: MISTRec은 AUC 0.8219와 LogLoss 0.3748을 달성하여, 최우수 베이스라인인 CLIP4Rec보다 AUC에서 0.0034 앞섰습니다.
• Top-K 추천:
  • NDCG@10: 0.4317 (BERT4Rec보다 0.0158 높음).
  • Recall@10: 0.2865 (SASRec보다 0.0191 높음).
• 의도 상태 예측:
  • Intent-F1: 0.7426.
  • 상태 전이 정확도: 0.7189.
  • 예측 정확도는 호라이즌 길이가 길어짐에 따라 감소했습니다 (3단계 0.7462, 10단계 0.6890). 이는 의도 예측 가능성의 자연스러운 감쇠를 반영합니다.
• 카테고리 간 및 저빈도 아이템 성능:
  • 카테고리 간 Recall: 0.2736으로, SASRec(0.2145)을 크게 상회했습니다.
  • 저빈도 아이템 Recall@10: 0.2387로, 상호작용이 희소한 아이템에 대한 개선된 처리 능력을 보여주었습니다.
• 효율성: 후보군 200개에 대해 평균 추론 지연 시간은 38.2 ms(P95는 45.7 ms)로, 온라인 재순위화에 적합한 수준입니다.

절제 연구(Ablation Studies) 결과, 상태 예측 모듈을 제거했을 때 NDCG@10이 0.4317에서 0.4176으로 크게 하락하여, 상태 인지 재순위화의 중요성을 입증했습니다.

5. 의의 및 한계

본 논문은 단기 상태 전이를 명시적으로 모델링하는 것이 특히 사용자가 카테고리(예: 의류, 뷰티, 아웃도어, 3C, 여행 등)를 빈번하게 전환하는 시나리오에서 랭킹의 강건성을 크게 향상시킨다고 주장합니다. 멀티모달 데이터의 통합은 역사적 클릭 공생 관계가 없더라도 유사한 검색 시나리오나 시각적 스타일을 기반으로 서로 다른 카테고리의 후보군을 연결할 수 있게 합니다.

제한 사항 및 한계:
저자들은 다음과 같은 몇 가지 한계와 모델링 가정을 명시적으로 인정했습니다:

• 약한 감독(Weak Supervision): 6가지 의도 상태는 로그에서 도출된 운영 레이블이며, 직접 관찰된 심리적 상태가 아닙니다.
• 엔지니어링 가정: 세션 접두사 샘플링과 20-이벤트 윈도우는 신호 보존과 노이즈 감소 사이의 균형을 맞추기 위한 엔지니어링적 선택입니다.
• 평가 범위: 저빈도 아이템 평가는 엄격한 콜드 스타트(상호작용 0회)가 아닌, 이력이 희소한 아이템(1~4회 상호작용)을 테스트합니다.
• 오프라인 vs 온라인: 오프라인 지표는 사용자의 중단, 지연된 피드백 또는 온라인 노출 편향을 완전히 포착하지 못합니다.

저자들이 제시한 향러 연구 방향에는 실제 미노출 아이템(unseen-item) 테스트, 인과적 상태 전이 식별, 경량 멀티모달 코딩, 그리고 온라인 A/B 테스트 탐구가 포함됩니다.