AI 개인화를 위해 사용자 기억을 쌓기
한 번의 분석 결과를 넘어서 최근 리포트 흐름, 주의 태그, 관심 포커스를 기억해 더 개인적인 피부 관리 문장을 만드는 과정입니다.
Code notes
코드에서 확인한 구현 포인트
배포 기준 2026.03.18
관련 파일
apps/web/lib/personalization.tsapps/web/lib/ai-report.tsapps/web/app/api/reports/weekly/route.ts구현 메모
AI 리포트 생성 후 updateUserPersonalization이 최근 리포트 흐름을 user_ai_memory로 요약한다.
focus별 baseline과 trend를 따로 저장해 다음 리포트와 주간 리포트에서 사용자 맥락을 이어갈 수 있게 했다.
confidence와 hintLevel을 함께 계산해 데이터가 부족한 개인화 메모리는 약하게 참고하도록 설계했다.
AI 개인화는 매번 처음 보는 척하지 않는 것
사용자가 여러 번 분석했는데 AI가 매번 처음 만난 사람처럼 말하면 제품의 깊이가 생기지 않는다. Tangly는 최근 리포트 흐름을 요약해 사용자별 AI 메모리로 쌓기 시작했다.
이 메모리는 사용자를 단정하기 위한 정보가 아니라, 다음 문장을 더 맥락 있게 만들기 위한 힌트다.
무엇을 기억하나
최근 리포트에서 자주 등장한 focus, 주의가 필요한 key finding, 마지막 결과 badge, 최근 흐름의 방향을 요약한다.
예를 들어 최근 몇 번의 리포트에서 수분이나 장벽 문제가 반복되었다면, 다음 리포트에서는 완전히 새로운 조언보다 그 흐름을 부드럽게 이어가는 문장이 더 좋다.
신뢰도도 함께 저장한다
데이터가 적을수록 개인화는 조심해야 한다. 그래서 최근 리포트 개수, 같은 focus의 샘플 수, 최신성 등을 바탕으로 confidence를 계산하고 hint level을 나눈다.
신뢰도가 낮은 메모리는 약하게만 참고해야 한다. AI가 사용자를 과하게 단정하지 않도록 메모리 사용 규칙도 함께 전달한다.
제품적으로 좋은 점
AI 메모리가 쌓이면 리포트가 일회성 결과에서 변화 기록으로 바뀐다. 사용자는 Tangly가 자신의 흐름을 이해하고 있다는 느낌을 받을 수 있다.
이것은 주간 리포트, 루틴, 추천, 광고 지면에도 연결될 수 있다. 다만 개인화는 항상 사용자에게 도움이 되는 방향으로만 사용해야 한다.
Keep reading
다른 글 이어서 보기
AI
2026.04.08
8 min read
해외 시장을 위한 AI 모델 전략
한국 중심의 AI 피부 분석을 글로벌 사용자에게 확장하기 위해 언어, 지역, 모델 등급, 비용 정책을 어떻게 나눠갈지 정리했습니다.
AI
2026.03.12
8 min read
AI 비용을 줄이기 위한 캐시와 모델 정책
AI 분석 품질을 유지하면서도 호출 비용을 줄이기 위해 리포트 캐시, 모델 등급, 지역별 정책을 나눠 적용한 기록입니다.
AI
2026.03.07
9 min read
AI 피부 리포트가 만들어지는 흐름
사진, OX 응답, 추천 데이터, 사용자 프로필을 모아 Tangly의 AI 피부 코치 리포트를 생성하는 과정을 정리했습니다.