피드로 돌아가기
Dev.toAI/ML
원문 읽기
Exact-match 검색 한계를 Semantic Search 기반 Intent-to-Cart 구조로 해결
DoorDash's AI chatbot is a lesson in conversational search
AI 요약
Context
기존의 Navigation Tree 기반 인터페이스는 카테고리 필터와 수동 브라우징에 의존하여 사용자 경험의 병목을 초래함. 특히 Keyword 기반 Exact-match 검색은 오타나 다국어 입력 시 검색 결과가 전무한 현상으로 인해 전환율 저하라는 구조적 한계를 가짐.
Technical Solution
- Catalog Embeddings 도입을 통한 제품 타이틀 및 설명의 Vectorize 처리 및 저장
- Runtime Query Embedding을 활용한 Nearest Neighbor Vector Lookup 기반의 의미론적 검색 구현
- Multimodal Model 채택으로 이미지 입력을 텍스트 기반 검색으로 치환하는 입력 인터페이스 확장
- LLM의 Tool-calls 메커니즘을 활용하여 비정형 자연어 의도를 정형화된 Cart Assembly 데이터로 변환
- Retrieval-only 단계에서 Agent 단계로 점진적 확장을 통한 인프라 비용 최적화 및 리스크 관리
- 의미 기반 매칭을 통해 다국어 혼용(Code-switching) 및 지역적 표기법 차이를 극복하는 검색 로직 설계
실천 포인트
- 단순 챗봇 UI보다 Catalog Embedding을 통한 Semantic Search 우선 구현 검토 - Vector DB 도입 전 데이터 규모에 따른 Embedding 생성 비용 및 쿼리 레이턴시 계산 - LLM Agent 도입 시 Tool-calling 횟수에 따른 API 비용 증가분 사전 시뮬레이션 - 다국어 환경에서 Keyword 매칭 실패율을 측정하여 Semantic Search 전환 시점 결정