Popsa가 Amazon Nova를 활용하여 개인화된 사진첩 제목 추천 기능을 혁신한 방법

섹션별 상세

01

기존의 템플릿 기반 알고리즘은 '프랑스 2024'와 같은 단순한 제목만 생성하여 사용자에게 창의적인 영감을 주는 데 한계가 있었다. Popsa는 이를 해결하기 위해 사진의 위치, 시간, 객체 인식 데이터를 LLM의 컨텍스트로 활용하는 새로운 파이프라인을 설계했다. 이를 통해 사용자의 추억을 더 감성적이고 브랜드 정체성에 맞는 문구로 변환할 수 있게 됐다. 결과적으로 2025년에만 550만 개 이상의 개인화된 제목을 생성하는 성과를 거뒀다.

02

엄격한 레이아웃 제한과 데이터 정합성을 유지하기 위해 출력 형식을 JSON으로 고정하고 글자 수를 36자로 제한하는 가드레일을 설정했다. 검색 기반 퓨샷 프롬프팅 기법을 사용하여 유사한 디자인 사례를 모델에게 예시로 제공함으로써 모델이 규칙을 자연스럽게 학습하도록 유도했다. LLM-as-a-judge 방식을 도입하여 12개 언어에 대한 품질과 브랜드 톤 일치 여부를 신속하게 평가하고 최적의 프롬프트를 도출했다. 이 과정에서 Claude 3 Haiku 모델이 초기 성공의 핵심 역할을 수행했다.

Popsa의 제목 추천 서비스 아키텍처 다이어그램 — Diagram사용자 디자인 데이터에서 위치 및 객체 정보를 추출하고, 이를 유사 사례 데이터베이스와 결합하여 Amazon Bedrock의 LLM에 전달하는 전체 흐름을 보여줍니다. 하단에는 ConverseStream API를 통해 사용자에게 실시간으로 결과를 전달하는 구조가 명시되어 있습니다.

기존 알고리즘과 Claude 3 Haiku의 사용자 피드백 비교 차트 — Chart기존 그래프 알고리즘 대비 Claude 3 Haiku를 사용했을 때 긍정 피드백(녹색)이 58%에서 71%로 크게 상승했음을 시각적으로 증명합니다. 이는 생성형 AI 도입의 실질적인 품질 개선 효과를 뒷받침하는 근거 데이터입니다.

03

최신 모델인 Amazon Nova 시리즈를 도입하여 성능과 비용의 균형을 재최적화했다. A/B 테스트 결과 Nova Pro는 73%의 가장 높은 긍정 피드백을 기록했으며, Nova Lite는 Claude 3 Haiku 대비 훨씬 낮은 비용으로 유사한 품질을 제공함을 확인했다. 특히 Nova Lite는 토큰당 가격이 대폭 저렴하고 응답 속도가 빨라 대규모 서비스 운영에 적합한 모델로 선정됐다. 이러한 모델 전환은 Amazon Bedrock의 통합 API 덕분에 코드 수정 최소화만으로 단 몇 시간 만에 이루어졌다.

Claude 3 Haiku와 Amazon Nova 모델군 간의 피드백 비교 차트 — ChartNova Pro가 73%로 가장 높은 긍정 피드백을 기록했으며, Nova Lite는 Claude 3 Haiku와 대등한 성능(70%)을 보임을 나타냅니다. 모델 선택의 근거가 되는 성능 벤치마크 결과를 보여줍니다.

04

사용자 체감 속도를 높이기 위해 기존 InvokeModel 방식에서 ConverseStream API를 통한 스트리밍 방식으로 전환했다. 전체 응답이 완료되기를 기다리지 않고 첫 번째 유효한 제목-부제목-카테고리 세트가 검증되는 즉시 클라이언트에 반환하는 로직을 FastAPI로 구현했다. 이 최적화를 통해 평균 TTFS(Time to First Suggestion)를 1.41초에서 0.92초로 약 35% 단축했다. 사용자는 앱에서 대기 시간 없이 즉각적인 추천을 확인하며 서비스 몰입도가 높아졌다.

API 방식에 따른 평균 첫 제안 생성 시간(TTFS) 비교 차트 — Chart일반 InvokeModel 방식(1.41초)보다 ConverseStream 방식(0.92초)이 약 35% 더 빠르게 첫 결과를 제공함을 수치로 보여줍니다. 실시간 서비스에서 스트리밍 API 도입의 중요성을 강조하는 지표입니다.

용어 해설

검색 기반 퓨샷 프롬프팅(Retrieval-based Few-shot Prompting): — 데이터베이스에서 현재 입력과 유사한 사례를 검색하여 프롬프트의 예시(few-shot)로 제공하는 기법이다. 모델이 특정 도메인의 스타일이나 규칙을 더 잘 모방하도록 유도하며, Popsa 사례에서는 과거의 성공적인 제목 사례를 참고해 일관된 브랜드 톤을 유지하는 데 사용됐다.
첫 제안 생성 시간(TTFS): — 사용자의 요청 후 첫 번째 유효한 결과물이 화면에 나타날 때까지 걸리는 시간을 의미한다. 전체 응답이 완료되기 전이라도 사용자에게 즉각적인 피드백을 제공함으로써 서비스의 체감 속도와 반응성을 높이는 핵심 성능 지표(KPI)로 활용된다.
역 지오코딩(Reverse Geocoding): — 위도와 경도 좌표를 사람이 읽을 수 있는 주소나 지명(예: 프랑스 알프스)으로 변환하는 프로세스이다. 사진 메타데이터의 위치 정보를 텍스트 설명으로 변환하여 LLM이 맥락에 맞는 제목을 생성할 수 있도록 기초 데이터를 제공하는 역할을 한다.

기술

Amazon Bedrock
Amazon Nova Lite
Amazon Nova Pro
Claude 3 Haiku
FastAPI
ConverseStream API

활용 사례

개인화된 콘텐츠 제목 생성
다국어 서비스 자동화
실시간 스트리밍 기반 AI 추천