The Generative Recommender Behind Shopify’s Commerce Engine
Author: Yang Liu, Ali Khanafer | Source: Shopify Engineering Blog | Published: 2026-02-25
한 줄 요약
Shopify는 구매자 여정(검색·조회·장바구니·구매)을 시퀀스로 처리하는 자기회귀 모델로 추천 시스템을 구축하여 Shop 주문 0.94%, CTR 5% 향상을 달성했다.
핵심 주장/내용
- 추천을 next-step 예측 문제로 프레이밍: 인과 마스크를 가진 자기회귀 모델로 raw 이벤트 시퀀스를 직접 학습
- RoPE 기반 로터리 인코딩 + 상대 어텐션 바이어스로 타임스탬프를 어텐션 메커니즘에 직접 인코딩
- 고급 네거티브 샘플링: shared negatives(배치 간 네거티브 풀 확장) + positive-aware hard negatives(거짓 네거티브 방지)
- 앙상블 내에서 증분 가치를 극대화하는 boosting-inspired 학습
- 최적화된 CUDA 커널로 학습 파이프라인 7.3배 속도 향상
주요 수치 / 사실
- Shop 주문 0.94% 상대적 증가
- 고품질 CTR 5% 상대적 증가
- 전환율 0.71% 상대적 증가
- 포지션 2의 제품 리콜 4.8% 개선
- 학습 파이프라인 최대 7.3배 속도 향상
관련 위키
Source: 원문 보기