Engineering - 라포랩스 팀블로그 · 2026. 04. 17.
퀸잇 검색 시스템의 여정: WHERE title LIKE '%keyword%'에서 Hybrid Search까지
AI 엔지니어링 브리핑
퀸잇은 단순한 문자열 검색에서 출발해 상품의 의미와 사용자 취향을 함께 이해하고 안정적으로 결과를 제공하는 하이브리드 검색 시스템으로 발전해 왔습니다.
문제 & 배경
- 문제 & 배경: MySQL의
LIKE검색은 상품이 늘수록 느려지고 단어가 정확히 일치해야만 결과를 보여줬으며, Elasticsearch로 바꾼 뒤에도 텍스트 관련성만으로는 상품 품질과 사용자별 선호를 반영하기 어려웠습니다.
기술 & 해결책
- 기술 & 해결책: Elasticsearch의 BM25 검색, 사용자·상품 벡터 검색, 자연어 의미 검색을 함께 사용하고 RRF로 서로 다른 검색 결과의 순위를 합쳐 개인화와 의미 기반 검색을 동시에 구현했습니다.
교훈 & 주의점
- 교훈 & 주의점: 검색 결과가 없다는 지표만 좋아져도 실제 구매가 늘지는 않으므로 A/B 테스트로 검증해야 하며, 장애가 전체 서비스로 번지지 않도록 회로 차단기와 단계별 대체 검색을 마련하고 빠르게 시도한 뒤 데이터에 따라 수정하는 것이 중요합니다.
함께 읽을 글
내용이 비슷해요내용이 비슷한 글을 먼저 보여드려요. 같은 문제나 해결책을 다룬다는 뜻은 아니에요.