Yahoo, Amazon Bedrock 활용하여 검색 리타겟팅 강화하는 방법

(aws.amazon.com)

AWS Machine Learning Blog1일 전AI 모델

Yahoo, Amazon Bedrock 활용하여 검색 리타겟팅 강화하는 방법

야후가 아마존 베드록의 생성형 AI를 활용해 기존 키워드 확장 방식의 한계를 극복하고 검색 의도와 광고 경험을 정교하게 연결하는 차세대 검색 리타겟팅 기술을 구현했습니다.

이 글의 핵심 포인트

1야후는 기존 Word2Vec 및 LSH 기반 키워드 확장 방식의 한계(최신 용어 미반영, 문법적 유사성 중심 등)를 해결하고자 함
2Amazon Bedrock을 통해 Amazon Nova, Meta Llama, Anthropic Claude 등 다양한 파운데이션 모델을 실험하고 도입함
3최종적으로 확장 비율과 의미적 유사성의 균형이 가장 뛰어난 Anthropic의 Claude 3.5 Sonnet v2를 채택함
4LLM의 환각 현상을 방지하기 위해 생성된 키워드를 임베딩으로 변환하여 기존 키워드와 유사도를 비교하는 검증 단계를 도입함
5광고 타겟팅 시 민감한 키워드 필터링, 사용자 개인정보 보호 및 정책 준수 사항을 아키텍처 설계의 핵심 요소로 고려함

이 글에 대한 공공지능 분석

왜 중요한가?

전통적인 키워드 매칭 방식에서 벗어나 LLM을 통해 사용자의 숨겨진 검색 의도(Intent)를 의미론적으로 파악할 수 있음을 증명했습니다. 이는 광고 효율성을 극대화하는 정밀 타겟팅의 새로운 표준을 제시합니다.

어떤 배경과 맥락이 있나?

기존의 Word2Vec와 LSH 방식은 최신 용어 반영이 어렵고 문맥적 이해가 부족하다는 한계가 있었습니다. 디지털 광고 시장은 단순 키워드 매칭을 넘어 사용자 행동의 맥락을 읽는 기술적 진화를 요구받고 있습니다.

업계에 어떤 영향을 주나?

생성형 AI가 단순히 콘텐츠를 만드는 것을 넘어, 데이터 처리 및 타겟팅 엔진과 같은 핵심 인프라의 성능을 고도화하는 실질적인 도구로 자리 잡았음을 보여줍니다. 이는 애드테크(Ad-tech) 기업들에게 LLM 도입이 선택이 아닌 필수임을 시사합니다.

한국 시장에 어떤 시사점이 있나?

검색 광고 비중이 높은 한국 시장에서도 단순 키워드 확장을 넘어 의미론적 타겟팅 기술을 보유한 플랫폼의 경쟁력이 커질 것입니다. 국내 스타트업들은 클라우드 기반 LLM(Bedrock 등)을 활용해 기존 레거시 시스템을 빠르게 현대화하는 전략을 고려해야 합니다.

이 글에 대한 큐레이터 의견

야후의 사례는 거대 언어 모델(LLM)을 단순한 챗봇이 아닌, 기업의 핵심 비즈니스 로직인 '키워드 확장 엔진'에 성공적으로 이식한 모범적인 케이스입니다. 특히 Anthropic의 Claude를 선택하여 확장 비율과 의미적 유사성 사이의 균형을 맞춘 점과, LLM의 고질적인 문제인 환각(Halluclanation) 현상을 임베딩 기반 검증 단계로 보완한 아키텍처 설계는 매우 영리한 접근입니다.

스타트업 창업자들은 이러한 기술적 전환에서 '모델 자체'보다 '검증 프로세스'에 주목해야 합니다. LLM 도입은 비용 상승과 응답 지연(Latency)이라는 트레이드오프를 수반합니다. 만약 광고 타겟팅처럼 실시간성이 중요한 서비스에서 무분별하게 고성능 모델만 추구한다면 운영 비용 감당이 어려워질 수 있습니다. 따라서 야후처럼 임베딩 기반의 필터링 레이어를 두어 품질과 효율을 동시에 잡는 '하이브리드 구조'를 설계하는 역량이 향후 AI 에이전트/애드테크 스타트업의 핵심 경쟁력이 될 것입니다.

원문 보기 →