R&D

레코벨은 데이터라는 열쇠를 들고 풀기 어려운 비즈니스 문제를 해결하는 것에 집중합니다. 레코벨은 위험을 감수하며 항상 새로운 기술의 연구에 투자합니다.

기술연구 소개

주 연구 분야
  • Big data
  • Machine
    learning
  • Deep learning
  • AI
  • Text mining
  • Image recognition
연구 활용 사례
  • 실시간 개인화 추천 로직 고도화
  • IoT 플랫폼 연구
  • 광고 노출 최적화 연구 개발
  • 이미지 인식 연구
  • 마케팅 운영 자동화 AI 연구 개발
  • AI Chatbot 연구 개발
  • 행동 이력 기반 사용자 관심사 도출 연구

연구분야

01 마케팅 운영 자동화 AI 연구

마케터로 하여금 단순 반복적인 업무에서 벗어나 보다 창의적인 사고에 집중할 수 있도록 한다

  • 경험 중심의 의사결정 포인트에 대한 데이터 기반 최적화
  • 인력 중심의 운영 관리 업무의 자동화
02 광고 노출 최적화 연구 개발

사용자-매체-광고주 모두의 가치를 동시에 높일 수 있는 열쇠는 데이터에 있다

  • 사용자가 관심을 갖고 있는 광고 소재를 실시간으로 추정하여 노출
  • 클릭 확률, 전환 확률 등 주요 지표에 대한 데이터 기반 추정 로직 연구
  • 광고 생태계 내 모든 플레이어 (사용자-매체-광고주) 의 가치를 최적화 할 수 있는 노출 로직 연구
03 AI Chatbot 연구 개발

고객의 니즈를 파악하고, 적절한 응답이 가능한 채팅 로봇을 통하여 CS 품질을 높이고, CS 담당자의 업무 환경 개선

  • 자연어 처리 기반 사용자의 의도 분석 연구, 사용자 의도별 데이터 탐색 및 문장 생성 연구
04 IoT 플랫폼 연구 개발

IoT 가전의 빅데이터 플랫폼을 통하여 사용자의 가전 사용 패턴을 분석하고, 가전의 고장 등의 상태를 예측한다

  • IoT 가전의 데이터 수집 및 처리 기술 개발
  • 사용 패턴 분석 로직 및 가전 상태 예측 로직 개발
05 행동 이력 기반 사용자 관심사 도출 연구

서비스 이용자 행동 이력과 컨텐츠 분석을 통하여 사용자의 관심사를 자동 도출

  • 행동 이력 로그 분석 및 텍스트 분석 기술 연구
  • 관심사 기반 광고 노출 최적화 연계 연구
06 이미지 인식 연구

사용자가 찾는 상품을 이미지 분석기반으로 자동 탐색하여 추천할 수 있다

  • 이미지 이해 및 상품간 유사도 평가 기술 연구
SEARCH BY METRIC LEARNING

각 상품별로 다양한 이미지를 학습을 통하여, 같은 상품이면 이미지가 달라도 유사하게 판단하고, 다른 상품은 멀게 판단하는 metric을 학습함

같은 상품      다른 상품
CASES OF METRIC LEARNING

Online Products dataset에 대한 제품 매칭 사례. 다른 각도에서 촬영한 동일 상품을 매칭해낼 수 있음

(출처 : Deep Metric Learning via Lifted Structured Feature Embedding, Hyun Oh Song,  Yu Xiang, Stefanie Jegelka, Silvio Savarese)