본문 바로가기메뉴 바로가기


데이터를 기반으로 새로운 경험을 선사하는 추천팀 이야기

추천팀은 세상 모든 정보와 사용자에 대한 이해를 바탕으로 정보를 소비하고 발견하는 새로운 경험의 길을 찾고 있습니다.


‘공동체데이터센터’, 그리고 ‘추천팀’은
사용자를 이해하는 모든 걸음을 함께하고 있습니다.

공동체데이터센터는 카카오 전사 데이터의 ” 수집 – 저장 – 분석 – 제공 ” 을 담당하고 있는 전사 데이터 관리 조직이며, 데이터 기반 카카오의 모든 액션을 지원하는 조직입니다.

특히 이번 글에서는 공동체데이터센터에서도 ‘데이터 분석의 목표이자 완결’이라 할 수 있는 ‘추천 기술’을 담당하고 있는 추천팀을 소개합니다.

건강한 조직문화와 뛰어난 크루들이 만드는
재미있는 경험들이 ‘추천팀’에 있습니다.

✔️ 대규모 추천 시스템 구축을 위해 필요한 모든 과정을 담당합니다. 

추천팀은 세상 모든 정보와 사용자를 이해하여, 사용자가 더 편리하게 정보를 경험할 수 있는 길을 새로이 개척하고 있습니다.

추천팀에 오시면 데이터 파이프라인 구성부터 머신러닝 알고리즘 연구개발, 데이터 분석, 실시간 대용량 API까지 대규모 추천시스템 구축에 필요한 모든 과정을 경험할 수 있는데요! 다양한 기반기술을 바탕으로, 편리하고 유용한 추천을 통해 사용자에게 발견의 즐거움을 제공하며, 더 나은 가치를 선물하고자 노력하고 있습니다. 

추천팀이 제공하는 추천업무는 멜론 For U, 미디어다음 뉴스, 카카오톡 샵탭 콘텐츠, 카카오페이지 작품, 선물하기 상품 등이 있으며 이 외에도 카카오 내 100여개의 서비스 추천을 담당하고 있습니다.

✔️ 다양한 크루들의 다양한 커뮤니케이션이 살아있는 곳입니다.

추천팀에서만 경험할 수 있는 팀 내 친목도모를 위한 이벤트가 매달 진행되며, 자율적인 분위기와 수평적인 문화를 기반으로 한 자유로운 커뮤니케이션이 가능합니다. 

분기별 팀 내 기술세미나로 본인의 지식과 기술, 다양한 정보들을 공유 및 습득할 수 있고, 그 외에도 팀 내 다양한 스터디를 통해서 본인의 능력을 개발할 수 있습니다. 추천기술에 관심있는 분야가 있다면 자발적으로 스터디를 진행하는 것은 언제나 환영입니다. 

또한 팀 내에는 기술, 분석, 기획 등 다양한 직군의 크루가 소속되어 있어 팀 내에서 아이디어 발제와 기획, 개발과 분석이 모두 가능합니다. 예를 들어 올해로 3회를 맞이한 카카오아레나는 추천팀에서 기획하고 진행한 프로그램입니다.

✔️ 카카오 추천 개발자로 일한다는 것은?

카카오에서 추천 개발자로 일한다는 것은 머신러닝, 대용량 데이터 처리, 실시간 서빙 API, 플랫폼 관리/운영 등 여러 가지 기반 기술과 관련된 많은 전문가가 있으며, 추천 시스템과 관련된기술에 대해 깊게 경험할 수 있다는 것을 의미합니다.

추천팀에서는 미래를 이끌어나갈 기술 중 하나인 인공지능을 활발히 사용하고 있는데요, 계속 발전하는 인공지능의 최신 기술을 접목할 수 있는 연구력과 실제 서비스에 적용할 수 있는 다양한 양질의 데이터를 다루고 있습니다. 이런 기회를 가졌다는 것은 흔하지 않은 장점입니다. 이를 바탕으로 계속 발전할 수 있다는 믿음을 가지고 일할 수 있다는 것이 카카오 추천 개발자의 가장 큰 매력 아닐까요?

뿐만 아니라, 구현한 추천 모델이 서비스에 적용되었을 때 그 결과를 가까이서 눈으로 확인할 수도 있습니다. 특히 카카오의 서비스들은 사용자가 많고 실생활에서 많이 사용하기 때문에 직접 만든 기능을 자신과 주변 사람들이 실제로 사용한다는 것도 큰 동기부여가 됩니다.

추천 기술에 관심이 가는 당신을 위해

✔️ 추천 분야 개발자의 매력 포인트가 있다면?

추천 분야 개발자의 특성상 많은 데이터를 다루고 분석하다보니 사용자들의 숨은 니즈를 파악해볼 수 있다는 것이 가장 큰 매력 포인트입니다. 겉으로는 드러나지 않았던 소비패턴을 발견했을 때의 놀라움은 그저 신기함을 넘어서 숨겨진 세상의 비밀을 알게 된 느낌입니다.

예를 들어 코로나19로 바뀐 소비자들의 소비패턴을 분석했을 때, ‘모두들 집에만 있으니 생활 관련 소비가 늘어나지 않았을까’ 라고 막연히 생각만 했었는데 실제 분석해 본 결과 책, 장난감, 트레이닝복 수요가 늘어난 것을 보고 고개를 끄덕여지게 되었달까요? 세상의 변화를 예측하기보다 실제 데이터로 읽을 수 있다는 것 또한 추천 개발자로서 경험할 수 있는 매력입니다.

✔️ 최근 트렌드

최근 추천 시스템의 전통적인 문제들을(예: Collaborative Filtering) 딥러닝을 활용하여 개선한 방식들이 많이 제안되고 있습니다. 이러한 접근들을 통해 정말로 큰 개선이 있었는지 각 논문의 실험을 직접 재현해보았는데, 재현이 잘 되지 않은 경우가 많았다는 논문[1]이 게재돼 화제가 되었습니다. 이 논문은 작년 추천 시스템 학회(RecSys 2019)의 Best paper로 선정되기도 했습니다.

강화학습 관련 분야도 계속 연구가 진행되고 있습니다. 강화학습 기술은 과거 알파고 사례를 통해 그 기술 수준을 입증한 바 있으나, 수많은 유저가 사용하는 복잡한 실서비스 상황에서 exploration exploitation balancing 문제를 해결하는 연구가 계속 진행되고 있습니다[2]. 쉽지 않은 문제지만, 잘 풀어낸다면 추천 시스템의 성능도 한 단계 도약할 것으로 기대됩니다. 그 외에 전통적인 추천 문제(예. Collaborative Filtering)를 강화학습을 이용해 풀어내는 방식의 연구도 최근 진행되고 있습니다.[3]

오래된 이슈이지만 feedback loop, filter bubble 관련된 이슈도 계속 제기되고 있습니다. 추천 시스템에서의 feedback loop란 추천 시스템이 유저가 좋아하는 것을 추천하고 유저는 추천 시스템이 추천하는 것을 보는 과정을 반복하다 보면, 유저가 특정 주제나 견해로 쏠리게 되고, 더 나아가 유저의 인식에도 영향을 미치는 현상을 의미합니다. 이 현상은 추천 시스템의 성능이 좋을수록 더 강하게 나타나는 경향이 있습니다. 추천 알고리즘 성능이 좋을수록 유저가 관심 있는 주제에 쏠리게 추천하기 때문입니다. 이러한 feedback loop 현상을 억제하거나, 진행 속도를 더디게 만들기 위한 방법들이 제안되고 있습니다.[4]

참고자료
[1] Are We Really Making Much Progress? A Worrying Analysis of Recent Neural Recommendation Approaches (RecSys ’19)
[2] DEEP BAYESIAN BANDITS SHOWDOWN (ICLR ’18)
[3] RaCT: Toward Amortized Ranking-Critical Training For Collaborative Filtering (ICLR ’20)
[4] Degenerate Feedback Loops in Recommender Systems (AIES ’19)

✔️ 읽을만한 책

이 두 책을 추천합니다.

  • Statistical Methods for Recommender Systems, Agarwal
    추천 시스템에 사용되는 포괄적인 통계기술을 소개한 책입니다
  • Recommender Systems Handbook, Francesco Ricci
    사용자 행동과 아이템 속성의 유사성에 따른 서비스 추천에 관련된 배경 기술과 연구 내용을 모은 책입니다.

✔️ 추천 개발자로 필요한 Tip

추천 개발자가 되기 위해서 필요한 기술을 콕 집어서 ‘이거다!’ 라고 설명하기는 힘듭니다. 굉장히 방대한 기술들이 복합적으로 필요하기 때문인데요, 물론 여러 스킬이 필요하지만 몇 가지를 추려보자면 다음과 같습니다.

  • 운영체제, 네트워크, 컴파일러, 데이터베이스에 대한 이해
  • Python, C++, GPU 프로그래밍 능력
  • 대용량/실시간 서비스 개발/운영 경험

추천팀 크루들의 한마디!

Daniel.py

추천팀에서는 실생활에 밀접하게 관련이 있는 멜론, 카카오톡 선물하기 등 카카오의 다양한 서비스에서 활약할 수 있습니다. 서비스 이용자의 생각, 행동을 파악하는 체계적인 데이터 분석을 통해 인사이트를 얻고, 추천 컨텐츠 또는 서비스 상황에 적절한 추천 기술 개발 및 배포, 이러한 프로세스를 가능하게 하는 플랫폼 개발까지 다양한 분야의 전문가분들과 함께 일할 수 있습니다. 또 다양한 분야가 모여있기 때문에 서로 모르는 지식에 대해 질문하고 토론하는 분위기가 자연스레 형성되어 있어 지적 호기심이 많다면 또는 실생활에 밀접한 기술을 개발하고 싶다면 선택은 추천팀입니다.

dante.l

많은 분들이 여러 소셜 미디어의 인기 급상승 컨텐츠에서 흔히 “추천 알고리즘이 나를 여기로 불렀다” 라는 댓글을 한번씩 보신 경험이 있을거라고 생각합니다. 추천팀은 실제로 이러한 알고리즘을 활용하고 발전시켜 카카오의 서비스를 활용하는 사용자에게 더 많은 컨텐츠와 즐거움을 선사하는 일을 하고 있습니다. 추천팀에서는 사용자의 로그 분석을 통해 이들의 성향을 분석하고, 가장 좋아할 만한 컨텐츠를 추려내어 내보내기까지의 과정을 모두 경험해 볼 수 있습니다. 또한 팀 내에는 스터디와 같은 지식 공유의 장이 활성화 되어 있어 플랫폼 개발, 데이터 분석, 알고리즘, 머신러닝등 여러 분야의 전문가들이 서로의 의견을 교환하고 배워나가는 문화가 잘 정착되어 있습니다. 평소 추천에 대해 관심이 많았던 분 더 나아가 개발자로서 성장하고 싶은 모든 분들께 추천팀을 적극 추천해 드립니다. 

nick.kim

추천팀에서는 카카오의 여러 서비스가 유저들에게 더 나은 경험을 제공할 수 있도록 추천 및 기계학습 기술 측면에서 직접적인 기여를 하고 있습니다. 이러한 역할을 수행하기 위해 추천팀에서는 다양한 문제를 풀고 있습니다. 대용량 데이터 분산 처리, 추천 및 기계학습 알고리즘 연구 개발, 안정적인 대용량 API 구축, 데이터 분석, 플랫폼화를 통한 효율화, 서비스에서 생기는 새로운 문제들을 구체적으로 정의하고 풀어나가는 것들이 이에 해당합니다. 이러한 문제들을 해결해나가면서 카카오의 여러 서비스에 기여해보고 싶으시다면 추천팀 합류는 좋은 선택이 될 것입니다.

hugh.ga

수평적이고 자유로운 분위기 그것을 바탕으로 자율적으로 일할 수 있는 곳, 뛰어난 크루들끼리 신뢰를 바탕으로 함께 성장할 수 있는 곳. 지금은 아직 제가 많이 부족하지만 몇 년 후에 많이 성장한 모습을 상상할 수 있어 기쁩니다.

함께 할 Krew를 기다리고 있습니다

작년 플레이샵에서 다같이 ✌️

카카오에서는 소개해드린 ‘추천팀’을 비롯해 ‘공동체데이터센터’와 함께할 크루를 기다리고 있습니다. 대한민국을 움직이는 방대한 데이터를 함께 즐기며, 그 안에서 데이터를 통해 세상을 읽고, 세상의 변화를 감지해 나가는 가슴 설레는 여정을 함께해 주세요!


카카오 데이터 사이언티스트/플랫폼 개발자 모집 바로가기>

kakao tech
kakao tech Developer Relations at kakao corp.
Top Tag
2021
2021-new-krew
adaptive-hash-index
adt
agile
agilecoach
ai
Algorithm/ML
Algorithm/Ranking
almighty-data-transmitter
android
angular
anycast
applicative
Architecture
arena
async
aurora
Backend
bgp
ble
blind-recruitment
block
blockchain
bluetooth
brian
cahtbot
cd
ceph
certificate
certification
cgroup
ci
cite
client
clojure
close-wait
cloud
cloudera-manager
clustered-block
cmux
cnn
code-festival
code-review
codereview
coding
competition
component
conference
consul
container
contents
contest
couchbase
COVID-19
cpp
Data
DB
deep-learning
developer
developers
devops
digitalization
digitaltransformation
dns
docker
employeecard
eslint
Feature List
Featured
friendstime
front-end
frontend
functional-programming
funfunday
fzf
garbage-collection
gawibawibo
GC
github
go
graphdb
graphql
growth
ha
hadoop
hbase
hbase-manager
hbase-region-inspector
hbase-snashot
hbase-table-stat
hbase-tools
hri
id
ifkakao
infrastructure
innodb
internship
ios
item
Java
javascript
json
kafka
kakao
kakao-commerce
kakao-games
kakaoarena
kakaocon
kakaok
kakaokey
kakaokrew
kakaomap
kakaotalk
KCDC
khaiii
kubernetes
l3dsr
l4
links
load-balancing
machine-learning
marathon
meetup
melon
mesos
Messaging
microservice
mobil
monad
mtre
mysql
mysql-realtime-traffic-emulator
nand-flash
network
new
new-krew
nfc
nomad
ocp
open
opensource
openstack
OpenWork
page
parallel
PBA
planning poker
programming-contest
pycon
python
quagga
react
reactive-programming
reactor
recommendation
recruitment
redis
redis-keys
redis-scan
related-blind
rest
rubics
ruby
rxjs
s2graph
scala
scalaz
server
service
sharding
shopping
socket
spark
spark-streaming
SpringBoot
ssd
Statistics/Analysis
Stomp
storage
storm
style-guide
support
System
talk
talkchannel
tcp
tech
test
Thread-Debugging
time-wait
tmux
typescript
update
User Story
vim
vim-github-dashboard
vim-plugin
vue
vue.js
web-cache
webapp
WebSocket
weekly
All Tag
2021
2021-new-krew
adaptive-hash-index
adt
agile
agilecoach
ai
Algorithm/ML
Algorithm/Ranking
almighty-data-transmitter
android
angular
anycast
applicative
Architecture
arena
async
aurora
Backend
bgp
ble
blind-recruitment
block
blockchain
bluetooth
brian
cahtbot
cd
ceph
certificate
certification
cgroup
ci
cite
client
clojure
close-wait
cloud
cloudera-manager
clustered-block
cmux
cnn
code-festival
code-review
codereview
coding
competition
component
conference
consul
container
contents
contest
couchbase
COVID-19
cpp
Data
DB
deep-learning
developer
developers
devops
digitalization
digitaltransformation
dns
docker
employeecard
eslint
Feature List
Featured
friendstime
front-end
frontend
functional-programming
funfunday
fzf
garbage-collection
gawibawibo
GC
github
go
graphdb
graphql
growth
ha
hadoop
hbase
hbase-manager
hbase-region-inspector
hbase-snashot
hbase-table-stat
hbase-tools
hri
id
ifkakao
infrastructure
innodb
internship
ios
item
Java
javascript
json
kafka
kakao
kakao-commerce
kakao-games
kakaoarena
kakaocon
kakaok
kakaokey
kakaokrew
kakaomap
kakaotalk
KCDC
khaiii
kubernetes
l3dsr
l4
links
load-balancing
machine-learning
marathon
meetup
melon
mesos
Messaging
microservice
mobil
monad
mtre
mysql
mysql-realtime-traffic-emulator
nand-flash
network
new
new-krew
nfc
nomad
ocp
open
opensource
openstack
OpenWork
page
parallel
PBA
planning poker
programming-contest
pycon
python
quagga
react
reactive-programming
reactor
recommendation
recruitment
redis
redis-keys
redis-scan
related-blind
rest
rubics
ruby
rxjs
s2graph
scala
scalaz
server
service
sharding
shopping
socket
spark
spark-streaming
SpringBoot
ssd
Statistics/Analysis
Stomp
storage
storm
style-guide
support
System
talk
talkchannel
tcp
tech
test
Thread-Debugging
time-wait
tmux
typescript
update
User Story
vim
vim-github-dashboard
vim-plugin
vue
vue.js
web-cache
webapp
WebSocket
weekly

위로