블럭스 기술 이야기
글 21편
추천 알고리즘은 어떻게 작동할까? 마케터를 위한 설명서
추천 알고리즘의 작동 원리를 수식 없이 설명합니다. 협업 필터링과 콘텐츠 기반 필터링의 차이, 쇼핑 여정 속 추천의 자리, 콜드 스타트 문제까지 — 마케터가 알아야 할 것만 담은 개인화 추천 입문 가이드입니다.
발견형 쇼핑 경험 만드는 추천 알고리즘
고객이 ‘이거 괜찮은데?’라고 상품을 발견하는 순간, 추천은 전환이 됩니다. 블럭스가 MAB 알고리즘을 활용해 어떻게 쇼핑 경험을 바꾸고, 실제 성과를 만들었는지 확인해 보세요.
블럭스의 SOC 2 보안 여정과 우리가 남긴 기록
SOC 2 준비, 어디서부터 어떻게 시작해야 할지 막막하셨나요? 블럭스의 실제 경험을 통해 검색으로는 찾기 어려운 인사이트를 공유합니다.
벡터 데이터베이스(Vector DB) 도입을 통한 실시간 상품 추천 파이프라인 개선
블럭스는 실시간 상품 추천 파이프라인의 효율성을 높이기 위해 MongoDB Atlas Vector Search를 도입했습니다. 이를 통해 데이터 통신 비용과 서버 메모리 사용량을 줄였으며, 유지 보수 비용도 절감했습니다. 벡터 데이터베이스의 활용으로 추천 시스템의 성능과 효율성이 향상되었습니다.
블럭스 엔지니어팀의 ‘Zero To One’ CRM 개발기
블럭스 엔지니어팀이 AI 개인화 기술을 기반으로 CRM 마케팅 솔루션 'Blux Message'를 개발한 여정을 소개합니다. 도전과 성장을 통해 제품을 완성한 과정을 확인해 보세요.
Argo CD와 깃옵스를 활용한 블럭스의 쿠버네티스 자원 관리 노하우
Argo CD와 GitOps를 활용하여 블럭스가 어떻게 쿠버네티스 자원 관리의 효율성과 안정성을 향상시켰는지 알아보세요. 자동화된 배포 파이프라인과 선언적 구성 관리로 운영 효율을 극대화한 블럭스의 노하우를 확인해 보세요.
“인공지능, 어디까지 알고 있니?”
추천부터 검색까지, AI로 변화하는 비즈니스 솔루션
블럭스 엔지니어팀이 개발 언어를 바꾼 이유
성장하는 팀, 그리고 변화하는 기술 스택
서비스 기획자를 위한 ‘비인기 상품도 고객 클릭률 높이는 추천 비법’
숨은 보석을 찾아내는 추천 시스템의 비밀
무중단으로 EKS 클러스터 버전 업그레이드하기
성공적인 업그레이드를 위한 단계별 가이드
딥러닝을 통한 블럭스 개인화 추천 시스템의 진화: 2편
어텐션 알고리즘의 심층 분석과 트랜스포머의 활용
딥러닝을 통한 블럭스 개인화 추천 시스템의 진화: 1편
임베딩과 어텐션 알고리즘의 적용
고객 맞춤형 추천을 위한 데이터 식별 방법: 2편
다양한 상황에서 고객 식별 가능한 ‘Blux ID’
고객 맞춤형 추천을 위한 데이터 식별 방법: 1편
'User ID'와 'Device ID' 식별 방법의 장단점
CRM 마케팅 솔루션: 협업으로 탄생한 ‘User Distribution’
개발자와 기획자가 함께 문제를 해결하는 방식
CRM 마케팅 솔루션을 위한 범용 인공지능 모델 제작기: 3편
함께 만들어가는 AI 기반 CRM의 미래
Kinesis Data Streams로 실시간 스트리밍 데이터 S3에 적재하기
'실시간 스트리밍 데이터 처리 아키텍처' 초보자를 위한 지침서
CRM 마케팅 솔루션을 위한 범용 인공지능 모델 제작기: 1편
‘고객 이탈 예측 모델’을 위한 블럭스의 고민과 해결책
CRM 마케팅 솔루션을 위한 범용 인공지능 모델 제작기: 2편
고객이 서비스에 다시 돌아올 확률을 구하는 방법
Kubernetes 환경에서 HPA와 Karpenter를 이용하여 Autoscaling 시스템 구축하기
들쑥날쑥한 트래픽, 어떻게 문제없이 처리할까?
GitHub Public Repository에 올려도 되는 안전한 Kubernetes Secrets, ‘Sealed Secrets’
Kubernetes Secrets, 어떻게 하면 안전하게 관리할 수 있을까?