이베이, LLM 활용한 광고 키워드 관련성 필터 모델 개선으로 판매자 만족도 UP!

이베이는 LLM(대규모 언어 모델)을 활용하여 광고 키워드 관련성 필터 모델을 개선, 판매자의 판단을 효과적으로 반영하고 판매자 만족도를 높였습니다. 세 가지 동적 시스템(판매자, 광고, 검색) 간의 조화로운 운영을 목표로 하며, 엄격한 평가 프레임워크를 통해 LLM의 판단 신뢰성을 확보했습니다.

이베이, AI로 판매자 만족도 높인다! 똑똑한 키워드 추천 시스템의 비밀

온라인 쇼핑의 핵심, 바로 '상품 검색'입니다. 수많은 상품 중 원하는 제품을 찾는 과정은 매끄러워야 하며, 판매자에게는 효과적인 광고가 중요합니다. 이베이 연구팀은 최근 이러한 과정을 개선하기 위한 흥미로운 연구 결과를 발표했습니다. Soumik Dey, Hansi Wu, Binbin Li 연구원이 발표한 논문, "To Judge or not to Judge: Using LLM Judgements for Advertiser Keyphrase Relevance at eBay" 에서는 이베이 광고 키워드 관련성 필터 모델 개선에 대한 이야기를 들려줍니다.

기존 시스템의 한계: 클릭/판매/검색 데이터만으로는 부족해!

기존에는 클릭률, 판매량, 검색 빈도 등의 데이터를 기반으로 광고 키워드의 관련성을 판단했습니다. 하지만 이 방법에는 한계가 있었습니다. 판매자는 이베이 시스템의 키워드 추천을 수용하거나 거부할 수 있는데, 단순 데이터 분석만으로는 판매자의 실제 판단을 제대로 반영하지 못했던 것입니다. 이는 마치 고객의 취향을 제대로 파악하지 못하고 상품을 추천하는 것과 같습니다.

세 가지 동적 시스템의 조화: 판매자, 광고, 검색의 균형

연구팀은 판매자의 판단, 광고 시스템, 검색 시스템이라는 세 가지 동적인 시스템 간의 복잡한 상호작용으로 광고 키워드 관련성 문제를 새롭게 정의했습니다. 판매자의 판단이 광고 키워드 채택에 영향을 미치고, 광고 시스템은 키워드를 제안하며, 검색 시스템은 경매를 통해 키워드를 관리하는 복잡한 구조입니다. 이 세 시스템의 조화로운 작동이 성공적인 키워드 추천 시스템의 열쇠입니다.

LLM, 판매자의 마음을 읽다: 스케일러블한 판단의 대리자

여기서 핵심적인 역할을 하는 것이 바로 LLM(대규모 언어 모델) 입니다. 연구팀은 LLM을 판매자의 판단을 대규모로 예측하는 '판사' 역할로 활용했습니다. LLM은 방대한 데이터를 학습하여 판매자의 판단 패턴을 학습하고, 키워드의 관련성을 평가합니다. 이를 통해 기존 모델보다 더욱 정확하고 판매자의 니즈를 반영하는 키워드 추천이 가능해졌습니다. 하지만 LLM의 판단은 단순히 숫자로 평가될 수 없습니다. 연구팀은 꼼꼼한 평가 프레임워크를 통해 비즈니스 지표를 기반으로 LLM의 판단의 정확성과 신뢰성을 꾸준히 검증하고 있습니다.

결론: AI를 통한 판매자 중심의 개선

이번 연구는 단순히 기술적인 개선을 넘어, 판매자 중심의 이베이 시스템 개선을 보여주는 좋은 사례입니다. LLM을 활용한 키워드 관련성 필터 모델 개선은 판매자의 만족도 향상과 효율적인 광고 운영을 동시에 달성할 수 있는 혁신적인 접근 방식이라고 할 수 있습니다. 앞으로 이러한 AI 기반 시스템의 발전은 이베이 뿐 아니라 다른 전자상거래 플랫폼에도 큰 영향을 미칠 것으로 예상됩니다.