---
title: "AI 엔진: CheckoutOS 문서 | Chargezen"
description: "Smart Recommendations의 머신러닝 원리를 알아봐요. Chargezen CheckoutOS 문서의 스마트 추천 섹션에 있어요."
url: "https://chargezen.com/ko/docs/checkoutos/smart-recommendations/ai-engine"
lang: "ko"
updated: "2025-01-16"
---

Canonical URL: https://chargezen.com/ko/docs/checkoutos/smart-recommendations/ai-engine

# AI 엔진

Smart Recommendations의 머신러닝 원리를 알아봐요

마지막 업데이트: 2025-01-16

**Smart Recommendations AI 엔진**은 고급 머신러닝으로 스토어 데이터를 분석하고 관련성 높은 상품을 제안해요. 이 가이드에서는 알고리즘의 작동 방식과 스토어에 맞게 최적화하는 방법을 설명해요.

## 입력 데이터

AI 엔진은 여러 데이터 소스를 처리해 추천을 생성해요.

#### 데이터 소스

*   주문 이력 — 고객이 함께 구매하는 상품
*   탐색 행동 — 조회한 상품, 페이지에 머문 시간, 스크롤 깊이
*   검색어 — 고객이 찾는 항목
*   장바구니 추가 및 삭제 — 구매 의도를 나타내는 신호
*   상품 속성 — 카테고리, 태그, 설명
*   재고 수준 — 재고 가용성
*   가격 데이터 — 가격대와 마진
*   고객 세그먼트 — VIP, 신규, 재방문 등

## 추천 알고리즘

### 자주 함께 구매하는 상품

같은 주문에서 자주 구매하는 상품을 파악해요.

자주 함께 구매하는 상품

```json
{
  "algorithm": "frequently_bought_together",
  "method": "association_rules",
  "parameters": {
    "min_support": 0.01,
    "min_confidence": 0.3,
    "lookback_days": 90,
    "min_co_occurrences": 5
  },
  "output": {
    "product_pairs": [
      {
        "product_a": "moisturizer",
        "product_b": "cleanser",
        "confidence": 0.65,
        "lift": 2.3
      }
    ]
  }
}
```

### 협업 필터링

비슷한 고객의 행동을 기반으로 상품을 추천해요.

협업 필터링

```json
{
  "algorithm": "collaborative_filtering",
  "method": "matrix_factorization",
  "parameters": {
    "latent_factors": 50,
    "regularization": 0.1,
    "learning_rate": 0.01,
    "iterations": 20
  },
  "similarity_metric": "cosine",
  "min_similarity_threshold": 0.3
}
```

### 콘텐츠 기반 필터링

속성과 설명을 기반으로 비슷한 상품을 찾아요.

콘텐츠 기반 필터링

```json
{
  "algorithm": "content_based",
  "features": {
    "title_embedding": { "weight": 0.3, "model": "tfidf" },
    "description_embedding": { "weight": 0.2, "model": "tfidf" },
    "category_match": { "weight": 0.25 },
    "tag_overlap": { "weight": 0.15 },
    "price_range": { "weight": 0.1 }
  },
  "similarity_threshold": 0.4
}
```

### 실시간 점수 산정

미리 계산한 모델과 실시간 신호를 조합해요.

실시간 점수 산정

```json
{
  "realtime_signals": {
    "current_cart": {
      "weight": 0.4,
      "boost_related_products": true
    },
    "session_views": {
      "weight": 0.25,
      "decay_factor": 0.8
    },
    "search_query": {
      "weight": 0.2,
      "match_type": "semantic"
    },
    "time_context": {
      "weight": 0.15,
      "factors": ["day_of_week", "time_of_day", "season"]
    }
  }
}
```

## 모델 학습

모델은 자동으로 학습하고 업데이트돼요.

#### 학습 일정

*   전체 모델 재학습 — 매주 일요일
*   증분 업데이트 — 매일 자정
*   실시간 학습 — 피드백 즉시 반영
*   모델 A/B 테스트 — 자동 모델 비교

학습 설정

```json
{
  "training": {
    "schedule": {
      "full_retrain": "0 3 * * 0",
      "incremental": "0 1 * * *"
    },
    "data_requirements": {
      "min_orders": 100,
      "min_products": 50,
      "min_customers": 200
    },
    "validation": {
      "holdout_percentage": 0.2,
      "metrics": ["precision@k", "recall@k", "ndcg"]
    }
  }
}
```

## 개인화

엔진은 개별 고객에 맞춰 추천을 개인화해요.

개인화 설정

```json
{
  "personalization": {
    "enabled": true,
    "user_profile": {
      "build_from": [
        "purchase_history",
        "browse_history",
        "wishlist",
        "reviews_written"
      ],
      "profile_decay": 0.95,
      "max_profile_items": 100
    },
    "cold_start": {
      "strategy": "popularity_based",
      "use_session_data": true,
      "segment_defaults": true
    }
  }
}
```

초기 데이터 부족 문제

이력이 없는 신규 방문자에게는 인기 기반 추천과 세션 행동을 활용해요. 3~5회 상호작용 후에는 개인화가 시작돼요.

## 성능 최적화

AI 엔진은 빠르게 작동하도록 최적화되어 있어요.

#### 성능 관련 기능

*   미리 계산한 추천을 엣지에 캐시해요
*   실시간 점수 산정 지연 시간은 50ms 미만이에요
*   트래픽이 적은 시간대에 일괄 사전 계산해요
*   캐시에서 찾지 못하면 대체 추천을 제공해요
*   트래픽에 따라 계산을 조정해요

## 모니터링 및 품질

추천 품질을 모니터링해요.

품질 지표

```json
{
  "monitoring": {
    "metrics": {
      "precision_at_5": "Relevant items in top 5 / 5",
      "recall_at_10": "Relevant items found / Total relevant",
      "coverage": "Products recommended / Total products",
      "diversity": "Uniqueness of recommendations",
      "novelty": "Long-tail vs popular items"
    },
    "alerts": {
      "ctr_drop": { "threshold": -20, "window": "7d" },
      "coverage_drop": { "threshold": -10, "window": "1d" }
    }
  }
}
```

## 매개변수 조정

알고리즘 조정

*   **다양성을 높여요** — 유사도 기준값을 낮추고 무작위 탐색을 추가해요
*   **신상품을 우대해요** — 점수에 최신성 가중치를 추가해요
*   **관련성을 개선해요** — 모델 학습 빈도를 높여요
*   **희소 데이터에 대응해요** — min\_support 기준값을 낮춰요

## 관련 주제

[

### 수동 규칙

AI 추천 대신 맞춤 규칙을 적용해요

자세히 보기



](https://chargezen.com/ko/docs/checkoutos/smart-recommendations/manual)[

### 배치

추천을 표시할 위치

자세히 보기



](https://chargezen.com/ko/docs/checkoutos/smart-recommendations/placements)

이 페이지가 도움이 되었나요?

도움이 더 필요하신가요? [고객 지원 문의](https://chargezen.com/ko/docs/checkoutos/troubleshooting/support)