SlideShare a Scribd company logo
1 of 75
Download to read offline
번역기에 대한 달라진 인식
출처: tvN 꽃보다 청춘 출처: jtbc 효리네민박2, SBS 미운우리새끼
파파고 출시 2년, 성적표
App 누적 D/L 1600만
1.번역 언어:
+ 9 개 언어
3.번역 호출 수:
x 61배
2.MAU:
x 30배
4.해외에서 사용자 수:
x 40배
파파고 성장의 핵심은 기술
Tech
오늘 세션에서는 기술을 제외한
2년간의 서비스 경험들을 공유하고자 합니다.
잘한 것, 못한 것
잘한 것, 못한 것
그래서 오늘은..
경험 1. Priority: 사용자에게 묻기
경험 2. UX: UX로 응급 처치하기
경험 3. Risk: 개편 리스크 줄이기
경험 4. Collaboration: 상황에 맞게 변화하기
경험 5. Culture: 파파고가 일하는 방법
파파고 출시 전
타겟 유저
해외 여행 사용자
파파고 출시 후
실제 사용자
외국어 공부
31%
자녀 교육 2%
해외 여행
29%
외국인 대화
19%
비즈니스
12%
해외직구
7%
여행용 기능 개발 계획을 미루고,
학습용 기능 추가를 우선적으로 진행
사전 정보 제공
발음듣기 속도 조절
발음 반복듣기
필기 입력 기능
mini 기능
kids 컨텐츠
단어의 다양한 의미를 확인할 수 있도록
어학사전 정보와 링크 제공
사전 정보 제공
발음 반복듣기
필기 입력 기능
mini 기능
kids 컨텐츠
천천히 또는 빠르게 발음을 듣고
공부할 수 있도록 옵션 제공
발음듣기 속도 조절
발음 반복듣기
정확한 발음을 반복해서 들으며
공부하는 사용자를 위해 옵션 제공
사전 정보 제공
발음듣기 속도 조절
필기 입력 기능
mini 기능
kids 컨텐츠
mini 기능
kids 컨텐츠
일/중/한 필기 입력기 제공
필기 입력 기능
사전 정보 제공
발음듣기 속도 조절
발음 반복듣기
kids 컨텐츠
Mini 기능
웹 서핑 중에 모르는 단어/문장이 나왔을 때,
바로 파파고 호출 가능
사전 정보 제공
발음듣기 속도 조절
발음 반복듣기
필기 입력 기능
아이들을 위한 교육용 컨텐츠
사전 정보 제공
발음듣기 속도 조절
발음 반복듣기
필기 입력 기능
Mini 기능
Kids 컨텐츠
어느 서비스나 항상 그럴 때 있죠..
기술에 시간이 필요할 때,
UX로 응급처치했던 사례를 소개합니다.
사례 1. 문자인식(OCR)이 잘 안되요.
상황 설명 :
1. 기존 문자인식 (OCR) 엔진의 품질이 떨어짐
상황 설명 :
1. 기존 문자인식 (OCR) 엔진의 품질이 떨어짐
2. 그래서 딥러닝 기반 일본어 OCR 엔진을 새로 만듦 (성능 약 30%향상)
1년
상황 설명 :
1. 기존 문자인식 (OCR) 엔진의 품질이 떨어짐
2. 그래서 딥러닝 기반 일본어 OCR 엔진을 새로 만듦 (성능 약 30%향상)
3. 그런데 다른 언어도 개발하려면 시간이 걸림
다른 언어는 인식률이 떨어진 채로 둬야 하나...
문제 해결책
한국어, 영어, 중국어
OCR 인식률 떨어짐
OCR 엔진 개선
엔진이 한 달 만에 뚝딱 안 나옴
현재로서는 문제 해결 불가
문제 해결책
한국어, 영어, 중국어
OCR 인식률 떨어짐
OCR 엔진 개선
엔진이 한 달 만에 뚝딱 안 나옴
현재로서는 문제 해결 불가
OCR 모드에서의 가장 안타까울 때는
인식 결과 중 한 두 글자 정도 틀려서
오 번역이 생기는 상황
문제 재정의 해결책
OCR모드에서 사용자의
입력 실패율 높음
OCR모드의 입력 오류
보완 수단을 제공해주자
오류 수정을 위해,
필기입력기를 OCR 모드에서도 제공
글자를 보면서 따라 쓸 수 있도록
선택한 영역을 배경 이미지로 제공
Solution :
OCR 입력 오류 보완 수단 제공
사례 2. 인공신경망 번역(NMT)는 비싸요.
상황 설명 :
1. 번역하기 버튼을 따로 눌러야만 번역이 되면 사용자가 번거로움
실시간으로 빠르게 번역 결과를 제공하고 싶음
상황 설명 :
1. 번역하기 버튼을 따로 눌러야만 번역이 되면 사용자가 번거로움
실시간으로 빠르게 번역 결과를 제공하고 싶음
2. NMT는 값비싼 GPU 서버가 필요하고 속도도 빠르지 않음
실시간으로 호출하기엔 어려움이 있음
그럼, 실시간 번역 기능은 제공할 수 없나?
문제 해결책
NMT 서비스를
위해서 값비싼 서버가
필요하고 속도도 느리다
값싼 서버에서도 빠르게
결과를 주는 NMT엔진 개발
엔진이 한 달 만에 뚝딱 안 나옴
현재로서는 문제 해결 불가
문제 해결책
NMT 서비스를
위해서 값비싼 서버가
필요하고 속도도 느리다
값싼 서버에서도 빠르게
결과를 주는 NMT엔진 개발
엔진이 한 달 만에 뚝딱 안 나옴
현재로서는 문제 해결 불가
실시간번역의 핵심은,
기다리는 지루함 없이 빠르게 번역된다는 느낌을 주고자 한 것.
(실시간) 번역 결과가 아주 정확하지 않아도 큰 문제 없지 않나?
문제 재정의 해결책
실시간으로 번역을 제공하고
싶은데 NMT로는 어려움
실시간 번역을 제공하되
다른 엔진(SMT)을 쓰자
입력 중에는 SMT, 일정 시간 추가 입력이 없을
경우에만 NMT를 호출하여 실시간 번역 제공
Solution :
SMT / NMT 교차 제공
물론 가장 좋은 UX는 사용자의 필요에 꼭 맞는 기술로
문제를 해결하는 것입니다.
하지만 기술 준비에 시간이 필요할 때는
문제를 재정의함으로써 차선책을 찾아보는 게
아무것도 안 하는 것보다는 나은 것 같습니다.
어떤 서비스든 변화의 폭이 크면
사용자의 반발도 큽니다.
가장 편한 것은 익숙한 것들이니까요.
올해, 큰 서비스 개편을 진행한 파파고
변화에 따른 리스크를 줄이고자 많은 노력을 했습니다.
소개시켜드릴 사례는
네이버 번역기 X 파파고 웹
통합 프로젝트
파파고 앱과 Align된 간편한 사용성을 강조한 파파고 웹다양한 부가기능을 강조한 네이버 번역기
네이버 번역기의 기능을 축소하자니
네이버 번역기 사용자가 실망하여
이탈할 가능성 ↑
네이버 번역기의 기능을 전부 흡수하자니
파파고 사용자가 큰 변화를 겪고
이탈할 가능성 ↑
네이버 번역기의 기능을 축소하자니
네이버 번역기 사용자가 실망하여
이탈할 가능성 ↑
네이버 번역기의 기능을 축소하자니
네이버 번역기 사용자가 실망하여
이탈할 가능성 ↑
네이버 번역기의 기능을 전부 흡수하자니
파파고 사용자가 큰 변화를 겪고
이탈할 가능성 ↑
단순 통합은
많은 사용자 반발(이탈) 예상 !!
저희가 선택한 해법은 변화를 쪼개고 또 쪼개기
사용자가 받아들일만한 수준의 작은 변화들은 개편의 리스크를 줄여줍니다.
해결책
전략 1 :
스펙을 쪼개어 수차례 업데이트
변화가 큰 한 번의 대규모 업데이트 대신 10개월간 여러 번의 업데이트 진행
* 쪼갠 스펙들을 어떤 순서대로 제공할 것인지 결정하는 것이 중요
* 업데이트마다 QA 진행과 공지 등 품은 많이 들 수 있으나 그 이상의 리스크 감소 효과가 발생
네이버 번역기 사용자의 50% 이동 나머지 50% 이동
전략 2 :
네 번으로 쪼갠 사용자 이동
큰 메뉴인 문장 번역기와 웹 번역기가 동시에 교체되면
네이버 번역기 사용자들의 변화 체감이 클 것을 우려, 순차적 메뉴 변경 및 리다이렉트 진행
전략 3 :
사용자 커뮤니케이션도 여러 번
모든 업데이트와 통합 진행사항을 쪼개어 양 서비스에 공지
* 변화에 대한 인식을 평소에 심어주는 것은 충격 완화에 도움이 됨
* 댓글 등 사용자의 의견을 수용하면서 개편을 진행할 수 있어 서비스 발전에도 긍정적인 효과
그래서 결과는?
네이버 번역기 사용자 대부분을 큰 이탈 없이 흡수했습니다.
통합 첫 주에 약 9%의 이탈자만이 발생했으며,
양 서비스 중복 사용자를 감안한다면 더 적을 것이라 예상합니다.
파파고의 번역 기술은
웨일 브라우저, 라인, 클로바, 어학사전,
V앱, 네이버 호텔, 스마트 보드 등
26개 네이버 서비스에 활용되고 있습니다.
내부 협업 사례: API 제공
그럼 회사 외부는?
SKT 쿠키즈 미니폰
외부 협업 사례: APP apk 파일 제공
앱 사이즈만 최적화 할게 아니라..
타겟에 따라 사용성까지 최적화하면 어떨까?
LG U+ 파파고 외국어놀이
외부 협업 사례: 캐릭터 + API 제공
AKI x 파파고 키즈
외부 협업 사례: kids contents 제공
다양한 형태의 협업 모델이 있습니다
앞으로도 번역이 필요한 곳이라면 어디든
파파고에게 연락 주세요 !!
파파고 업데이트 히스토리
APP 26개월간
총 45번의 업데이트, 32개 신규/개선 기능 추가
WEB 14개월간
총 12번의 업데이트, 30개 신규 기능 추가
파파고 업데이트 히스토리
APP 26개월간
총 45번의 업데이트, 32개 신규/개선 기능 추가
WEB 14개월간
총 12번의 업데이트, 30개 신규 기능 추가
파파고 사람이 많은가?
아니요. 처음엔 개발, 디자인, 기획 5명이었습니다.
지금도 다른 조직 대비 많은 편은 아닙니다.
야근으로 사람들을 갈아넣었나?
야근이 아예 없는 건 아니지만, 꼭 필요할 때만 하는 편이고.
대부분 주 40시간 내외로 워라밸 만족하며 일합니다.
파파고 사람이 많은가?
아니요. 처음엔 개발, 디자인, 기획 5명이었습니다.
지금도 다른 조직 대비 많은 편은 아닙니다.
야근으로 사람들을 갈아넣었나?
야근이 아예 없는 건 아니지만, 꼭 필요할 때만 하는 편이고.
대부분 주 40시간 내외로 워라밸 만족하며 일합니다.
그럼 어떻게?
의사 결정 방식에 따른 조직 분류
초기의 프로젝트 진행 방식
이거 하자
A안 B안
C안
실무자
보고
리더
피드백
실무자
B-2
A-3
보고
리더
몇 차례 반복
B-5
현재의 프로젝트 진행 방식
이거 하자
A안
실무자
ㅇㅋ ㄱㄱ
리더실무자 리더
파파고의 프로젝트 진행 방식
이거 하자
A안
실무자
ㅇㅋ ㄱㄱ
리더
1. 기본적으로 Product는 실무자의 의견을 존중
2. 보고를 위한 A, B, C안 만들지 않음. 최선의 A안을 찾기 위해 노력
3. 따로 보고 절차를 두기보다 의사결정이 필요한 경우 OSS를 통해 논의하거나,
프로토타입을 리더+실무자 함께 써보며 논의
4. 리더의 의견도 합리적인 결론을 찾기 위한 하나의 의견일 뿐 절대적인 의견이 아님
5. 의견이 나뉘어서 진행이 안될 경우, 답을 찾기 위해 시간을 보내기보다는
일단 한 가지를 정해서 우선 나가고 사용자 반응을 살핌
이러한 프로세스의 단점은
실무자가 못 하면 굉장히 리스크가 큽니다.
신뢰를 전제해야 할 수 있는 방식.
그래서 중요한 것이 채용과 조직의 문화
파파고가 이상적인 조직이라고 생각하지 않습니다.
저희도 더 나은 방향이 무엇일지 함께 찾아가고 있는 중입니다.
상황에 맞는 의사결정 방식과 함께 일하는 문화가 중요
마치며..
경험 1. Priority: 사용자에게 묻고 우선순위 반영
경험 2. UX: 문제를 재정의하여 차선책 찾기
경험 3. Risk: 변화와 커뮤니케이션 모두 쪼개고 또 쪼개서 리스크 줄이기
경험 4. Collaboration: 다양한 형태의 협업 고려 중
경험 5. Culture: 프로젝트에 맞는 의사결정 방식과 협업 문화
요약하자면..
제휴 환영!!
머신 러닝 엔지니어 대모집 중!!
저희의 경험 공유가
1이라도 도움되면 좋겠습니다.
[114]파파고 서비스 2년의 경험
[114]파파고 서비스 2년의 경험
[114]파파고 서비스 2년의 경험

More Related Content

What's hot

コードゴルフのススメ(C言語)
コードゴルフのススメ(C言語)コードゴルフのススメ(C言語)
コードゴルフのススメ(C言語)Fumihito Yokoyama
 
Code Formula 予選B 解説
Code Formula 予選B 解説Code Formula 予選B 解説
Code Formula 予選B 解説AtCoder Inc.
 
AtCoder Beginner Contest 011 解説
AtCoder Beginner Contest 011 解説AtCoder Beginner Contest 011 解説
AtCoder Beginner Contest 011 解説AtCoder Inc.
 
AtCoder Beginner Contest 018 解説
AtCoder Beginner Contest 018 解説AtCoder Beginner Contest 018 解説
AtCoder Beginner Contest 018 解説AtCoder Inc.
 
딥러닝 기본 원리의 이해
딥러닝 기본 원리의 이해딥러닝 기본 원리의 이해
딥러닝 기본 원리의 이해Hee Won Park
 
直前合宿 講義スライド
直前合宿 講義スライド直前合宿 講義スライド
直前合宿 講義スライドtozan gezan
 
AtCoder Beginner Contest 019 解説
AtCoder Beginner Contest 019 解説AtCoder Beginner Contest 019 解説
AtCoder Beginner Contest 019 解説AtCoder Inc.
 
O Programador Pragmático
O Programador PragmáticoO Programador Pragmático
O Programador PragmáticoTadeu Marinho
 
Arduinoとgpsと有効数字
Arduinoとgpsと有効数字Arduinoとgpsと有効数字
Arduinoとgpsと有効数字j_rocket_boy
 
AtCoder Beginner Contest 004 解説
AtCoder Beginner Contest 004 解説AtCoder Beginner Contest 004 解説
AtCoder Beginner Contest 004 解説AtCoder Inc.
 
AtCoder167Dをダブリングで解く
AtCoder167Dをダブリングで解くAtCoder167Dをダブリングで解く
AtCoder167Dをダブリングで解くAkira KANAI
 
AtCoder Beginner Contest 007 解説
AtCoder Beginner Contest 007 解説AtCoder Beginner Contest 007 解説
AtCoder Beginner Contest 007 解説AtCoder Inc.
 
Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Lee Ji Eun
 
CODE FESTIVAL 2015 予選B 解説
CODE FESTIVAL 2015 予選B 解説CODE FESTIVAL 2015 予選B 解説
CODE FESTIVAL 2015 予選B 解説AtCoder Inc.
 
AtCoder Beginner Contest 010 解説
AtCoder Beginner Contest 010 解説AtCoder Beginner Contest 010 解説
AtCoder Beginner Contest 010 解説AtCoder Inc.
 
RoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position EmbeddingRoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position Embeddingtaeseon ryu
 
AtCoder Beginner Contest 035 解説
AtCoder Beginner Contest 035 解説AtCoder Beginner Contest 035 解説
AtCoder Beginner Contest 035 解説AtCoder Inc.
 

What's hot (20)

コードゴルフのススメ(C言語)
コードゴルフのススメ(C言語)コードゴルフのススメ(C言語)
コードゴルフのススメ(C言語)
 
Code Formula 予選B 解説
Code Formula 予選B 解説Code Formula 予選B 解説
Code Formula 予選B 解説
 
AtCoder Beginner Contest 011 解説
AtCoder Beginner Contest 011 解説AtCoder Beginner Contest 011 解説
AtCoder Beginner Contest 011 解説
 
AtCoder Beginner Contest 018 解説
AtCoder Beginner Contest 018 解説AtCoder Beginner Contest 018 解説
AtCoder Beginner Contest 018 解説
 
딥러닝 기본 원리의 이해
딥러닝 기본 원리의 이해딥러닝 기본 원리의 이해
딥러닝 기본 원리의 이해
 
直前合宿 講義スライド
直前合宿 講義スライド直前合宿 講義スライド
直前合宿 講義スライド
 
AtCoder Beginner Contest 019 解説
AtCoder Beginner Contest 019 解説AtCoder Beginner Contest 019 解説
AtCoder Beginner Contest 019 解説
 
O Programador Pragmático
O Programador PragmáticoO Programador Pragmático
O Programador Pragmático
 
Arduinoとgpsと有効数字
Arduinoとgpsと有効数字Arduinoとgpsと有効数字
Arduinoとgpsと有効数字
 
Chokudai search
Chokudai searchChokudai search
Chokudai search
 
動的計画法を極める!
動的計画法を極める!動的計画法を極める!
動的計画法を極める!
 
双対性
双対性双対性
双対性
 
AtCoder Beginner Contest 004 解説
AtCoder Beginner Contest 004 解説AtCoder Beginner Contest 004 解説
AtCoder Beginner Contest 004 解説
 
AtCoder167Dをダブリングで解く
AtCoder167Dをダブリングで解くAtCoder167Dをダブリングで解く
AtCoder167Dをダブリングで解く
 
AtCoder Beginner Contest 007 解説
AtCoder Beginner Contest 007 解説AtCoder Beginner Contest 007 解説
AtCoder Beginner Contest 007 解説
 
Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?
 
CODE FESTIVAL 2015 予選B 解説
CODE FESTIVAL 2015 予選B 解説CODE FESTIVAL 2015 予選B 解説
CODE FESTIVAL 2015 予選B 解説
 
AtCoder Beginner Contest 010 解説
AtCoder Beginner Contest 010 解説AtCoder Beginner Contest 010 解説
AtCoder Beginner Contest 010 解説
 
RoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position EmbeddingRoFormer: Enhanced Transformer with Rotary Position Embedding
RoFormer: Enhanced Transformer with Rotary Position Embedding
 
AtCoder Beginner Contest 035 解説
AtCoder Beginner Contest 035 解説AtCoder Beginner Contest 035 解説
AtCoder Beginner Contest 035 解説
 

Similar to [114]파파고 서비스 2년의 경험

여기컨_스타트업 기획자의 월화수목금_이수지
여기컨_스타트업 기획자의 월화수목금_이수지여기컨_스타트업 기획자의 월화수목금_이수지
여기컨_스타트업 기획자의 월화수목금_이수지TechFeministgroup
 
2015 hi first 스터디 최종보고서
2015 hi first 스터디 최종보고서2015 hi first 스터디 최종보고서
2015 hi first 스터디 최종보고서Seongho Park
 
[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규
[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규
[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규ChangKyu Song
 
[111]open, share, enjoy 네이버의 오픈소스 활동
[111]open, share, enjoy 네이버의 오픈소스 활동[111]open, share, enjoy 네이버의 오픈소스 활동
[111]open, share, enjoy 네이버의 오픈소스 활동NAVER D2
 
Pivotal Labs 고객사례 - Coinone
Pivotal Labs 고객사례 - CoinonePivotal Labs 고객사례 - Coinone
Pivotal Labs 고객사례 - CoinoneVMware Tanzu Korea
 
Developing good enough software
Developing good enough softwareDeveloping good enough software
Developing good enough softwareYoungCheolSon
 
프로덕트 매니저 8년의 경험
프로덕트 매니저 8년의 경험프로덕트 매니저 8년의 경험
프로덕트 매니저 8년의 경험Jihye OK
 
131 deview 2013 yobi-채수원
131 deview 2013 yobi-채수원131 deview 2013 yobi-채수원
131 deview 2013 yobi-채수원NAVER D2
 
월간 리드잇(beta) 2018년 10월호
월간 리드잇(beta) 2018년 10월호월간 리드잇(beta) 2018년 10월호
월간 리드잇(beta) 2018년 10월호Hantae John Yu
 
Kakao agile 2nd story
Kakao agile 2nd storyKakao agile 2nd story
Kakao agile 2nd story호정 이
 
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기Hyunjung Kim
 
imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들
imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들
imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들lesely
 
Kgc2011 1
Kgc2011 1Kgc2011 1
Kgc2011 1lesely
 
Kgc2011 1
Kgc2011 1Kgc2011 1
Kgc2011 1lesely
 
피피티 최종
피피티 최종피피티 최종
피피티 최종Juheon Lee
 
Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020
Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020
Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020Bansook Nam
 
MongoDB in Banksalad [Rainist]
MongoDB in Banksalad [Rainist]MongoDB in Banksalad [Rainist]
MongoDB in Banksalad [Rainist]MongoDB
 
클라우드 네이티브로의 전환을 위한 여정
클라우드 네이티브로의 전환을 위한 여정클라우드 네이티브로의 전환을 위한 여정
클라우드 네이티브로의 전환을 위한 여정VMware Tanzu Korea
 

Similar to [114]파파고 서비스 2년의 경험 (20)

여기컨_스타트업 기획자의 월화수목금_이수지
여기컨_스타트업 기획자의 월화수목금_이수지여기컨_스타트업 기획자의 월화수목금_이수지
여기컨_스타트업 기획자의 월화수목금_이수지
 
2015 hi first 스터디 최종보고서
2015 hi first 스터디 최종보고서2015 hi first 스터디 최종보고서
2015 hi first 스터디 최종보고서
 
[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규
[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규
[NDC13] 70명이 커밋하는 라이브 개발하기 (해외 진출 라이브 프로젝트의 개발 관리) - 송창규
 
[111]open, share, enjoy 네이버의 오픈소스 활동
[111]open, share, enjoy 네이버의 오픈소스 활동[111]open, share, enjoy 네이버의 오픈소스 활동
[111]open, share, enjoy 네이버의 오픈소스 활동
 
Pivotal Labs 고객사례 - Coinone
Pivotal Labs 고객사례 - CoinonePivotal Labs 고객사례 - Coinone
Pivotal Labs 고객사례 - Coinone
 
Developing good enough software
Developing good enough softwareDeveloping good enough software
Developing good enough software
 
프로덕트 매니저 8년의 경험
프로덕트 매니저 8년의 경험프로덕트 매니저 8년의 경험
프로덕트 매니저 8년의 경험
 
131 deview 2013 yobi-채수원
131 deview 2013 yobi-채수원131 deview 2013 yobi-채수원
131 deview 2013 yobi-채수원
 
애자일의 모든것
애자일의 모든것애자일의 모든것
애자일의 모든것
 
월간 리드잇(beta) 2018년 10월호
월간 리드잇(beta) 2018년 10월호월간 리드잇(beta) 2018년 10월호
월간 리드잇(beta) 2018년 10월호
 
Kakao agile 2nd story
Kakao agile 2nd storyKakao agile 2nd story
Kakao agile 2nd story
 
AKC2020 인썸니아 이성훈
AKC2020 인썸니아 이성훈AKC2020 인썸니아 이성훈
AKC2020 인썸니아 이성훈
 
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기
 
imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들
imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들
imc GAMES 김학규 대표_그라나도 에스파다 운영에서 배운 점들
 
Kgc2011 1
Kgc2011 1Kgc2011 1
Kgc2011 1
 
Kgc2011 1
Kgc2011 1Kgc2011 1
Kgc2011 1
 
피피티 최종
피피티 최종피피티 최종
피피티 최종
 
Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020
Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020
Flutter로 글로벌앱 출시를 위한 꿀팁 - Droidknights2020
 
MongoDB in Banksalad [Rainist]
MongoDB in Banksalad [Rainist]MongoDB in Banksalad [Rainist]
MongoDB in Banksalad [Rainist]
 
클라우드 네이티브로의 전환을 위한 여정
클라우드 네이티브로의 전환을 위한 여정클라우드 네이티브로의 전환을 위한 여정
클라우드 네이티브로의 전환을 위한 여정
 

More from NAVER D2

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...NAVER D2
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기NAVER D2
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발NAVER D2
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈NAVER D2
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&ANAVER D2
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기NAVER D2
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep LearningNAVER D2
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applicationsNAVER D2
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingNAVER D2
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기NAVER D2
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화NAVER D2
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)NAVER D2
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기NAVER D2
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual SearchNAVER D2
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지NAVER D2
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터NAVER D2
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?NAVER D2
 

More from NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual Search
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
 

[114]파파고 서비스 2년의 경험

  • 1.
  • 2. 번역기에 대한 달라진 인식 출처: tvN 꽃보다 청춘 출처: jtbc 효리네민박2, SBS 미운우리새끼
  • 3. 파파고 출시 2년, 성적표 App 누적 D/L 1600만 1.번역 언어: + 9 개 언어 3.번역 호출 수: x 61배 2.MAU: x 30배 4.해외에서 사용자 수: x 40배
  • 5. 오늘 세션에서는 기술을 제외한 2년간의 서비스 경험들을 공유하고자 합니다.
  • 8. 그래서 오늘은.. 경험 1. Priority: 사용자에게 묻기 경험 2. UX: UX로 응급 처치하기 경험 3. Risk: 개편 리스크 줄이기 경험 4. Collaboration: 상황에 맞게 변화하기 경험 5. Culture: 파파고가 일하는 방법
  • 9.
  • 10. 파파고 출시 전 타겟 유저 해외 여행 사용자
  • 11. 파파고 출시 후 실제 사용자 외국어 공부 31% 자녀 교육 2% 해외 여행 29% 외국인 대화 19% 비즈니스 12% 해외직구 7%
  • 12. 여행용 기능 개발 계획을 미루고, 학습용 기능 추가를 우선적으로 진행
  • 13. 사전 정보 제공 발음듣기 속도 조절 발음 반복듣기 필기 입력 기능 mini 기능 kids 컨텐츠 단어의 다양한 의미를 확인할 수 있도록 어학사전 정보와 링크 제공
  • 14. 사전 정보 제공 발음 반복듣기 필기 입력 기능 mini 기능 kids 컨텐츠 천천히 또는 빠르게 발음을 듣고 공부할 수 있도록 옵션 제공 발음듣기 속도 조절
  • 15. 발음 반복듣기 정확한 발음을 반복해서 들으며 공부하는 사용자를 위해 옵션 제공 사전 정보 제공 발음듣기 속도 조절 필기 입력 기능 mini 기능 kids 컨텐츠
  • 16. mini 기능 kids 컨텐츠 일/중/한 필기 입력기 제공 필기 입력 기능 사전 정보 제공 발음듣기 속도 조절 발음 반복듣기
  • 17. kids 컨텐츠 Mini 기능 웹 서핑 중에 모르는 단어/문장이 나왔을 때, 바로 파파고 호출 가능 사전 정보 제공 발음듣기 속도 조절 발음 반복듣기 필기 입력 기능
  • 18. 아이들을 위한 교육용 컨텐츠 사전 정보 제공 발음듣기 속도 조절 발음 반복듣기 필기 입력 기능 Mini 기능 Kids 컨텐츠
  • 19.
  • 20. 어느 서비스나 항상 그럴 때 있죠.. 기술에 시간이 필요할 때, UX로 응급처치했던 사례를 소개합니다.
  • 22. 상황 설명 : 1. 기존 문자인식 (OCR) 엔진의 품질이 떨어짐
  • 23. 상황 설명 : 1. 기존 문자인식 (OCR) 엔진의 품질이 떨어짐 2. 그래서 딥러닝 기반 일본어 OCR 엔진을 새로 만듦 (성능 약 30%향상) 1년
  • 24. 상황 설명 : 1. 기존 문자인식 (OCR) 엔진의 품질이 떨어짐 2. 그래서 딥러닝 기반 일본어 OCR 엔진을 새로 만듦 (성능 약 30%향상) 3. 그런데 다른 언어도 개발하려면 시간이 걸림 다른 언어는 인식률이 떨어진 채로 둬야 하나...
  • 25. 문제 해결책 한국어, 영어, 중국어 OCR 인식률 떨어짐 OCR 엔진 개선 엔진이 한 달 만에 뚝딱 안 나옴 현재로서는 문제 해결 불가
  • 26. 문제 해결책 한국어, 영어, 중국어 OCR 인식률 떨어짐 OCR 엔진 개선 엔진이 한 달 만에 뚝딱 안 나옴 현재로서는 문제 해결 불가 OCR 모드에서의 가장 안타까울 때는 인식 결과 중 한 두 글자 정도 틀려서 오 번역이 생기는 상황
  • 27. 문제 재정의 해결책 OCR모드에서 사용자의 입력 실패율 높음 OCR모드의 입력 오류 보완 수단을 제공해주자
  • 28. 오류 수정을 위해, 필기입력기를 OCR 모드에서도 제공 글자를 보면서 따라 쓸 수 있도록 선택한 영역을 배경 이미지로 제공 Solution : OCR 입력 오류 보완 수단 제공
  • 29. 사례 2. 인공신경망 번역(NMT)는 비싸요.
  • 30. 상황 설명 : 1. 번역하기 버튼을 따로 눌러야만 번역이 되면 사용자가 번거로움 실시간으로 빠르게 번역 결과를 제공하고 싶음
  • 31. 상황 설명 : 1. 번역하기 버튼을 따로 눌러야만 번역이 되면 사용자가 번거로움 실시간으로 빠르게 번역 결과를 제공하고 싶음 2. NMT는 값비싼 GPU 서버가 필요하고 속도도 빠르지 않음 실시간으로 호출하기엔 어려움이 있음 그럼, 실시간 번역 기능은 제공할 수 없나?
  • 32. 문제 해결책 NMT 서비스를 위해서 값비싼 서버가 필요하고 속도도 느리다 값싼 서버에서도 빠르게 결과를 주는 NMT엔진 개발 엔진이 한 달 만에 뚝딱 안 나옴 현재로서는 문제 해결 불가
  • 33. 문제 해결책 NMT 서비스를 위해서 값비싼 서버가 필요하고 속도도 느리다 값싼 서버에서도 빠르게 결과를 주는 NMT엔진 개발 엔진이 한 달 만에 뚝딱 안 나옴 현재로서는 문제 해결 불가 실시간번역의 핵심은, 기다리는 지루함 없이 빠르게 번역된다는 느낌을 주고자 한 것. (실시간) 번역 결과가 아주 정확하지 않아도 큰 문제 없지 않나?
  • 34. 문제 재정의 해결책 실시간으로 번역을 제공하고 싶은데 NMT로는 어려움 실시간 번역을 제공하되 다른 엔진(SMT)을 쓰자
  • 35. 입력 중에는 SMT, 일정 시간 추가 입력이 없을 경우에만 NMT를 호출하여 실시간 번역 제공 Solution : SMT / NMT 교차 제공
  • 36. 물론 가장 좋은 UX는 사용자의 필요에 꼭 맞는 기술로 문제를 해결하는 것입니다. 하지만 기술 준비에 시간이 필요할 때는 문제를 재정의함으로써 차선책을 찾아보는 게 아무것도 안 하는 것보다는 나은 것 같습니다.
  • 37.
  • 39. 사용자의 반발도 큽니다. 가장 편한 것은 익숙한 것들이니까요.
  • 40. 올해, 큰 서비스 개편을 진행한 파파고 변화에 따른 리스크를 줄이고자 많은 노력을 했습니다.
  • 41. 소개시켜드릴 사례는 네이버 번역기 X 파파고 웹 통합 프로젝트
  • 42. 파파고 앱과 Align된 간편한 사용성을 강조한 파파고 웹다양한 부가기능을 강조한 네이버 번역기
  • 43. 네이버 번역기의 기능을 축소하자니 네이버 번역기 사용자가 실망하여 이탈할 가능성 ↑
  • 44. 네이버 번역기의 기능을 전부 흡수하자니 파파고 사용자가 큰 변화를 겪고 이탈할 가능성 ↑ 네이버 번역기의 기능을 축소하자니 네이버 번역기 사용자가 실망하여 이탈할 가능성 ↑
  • 45. 네이버 번역기의 기능을 축소하자니 네이버 번역기 사용자가 실망하여 이탈할 가능성 ↑ 네이버 번역기의 기능을 전부 흡수하자니 파파고 사용자가 큰 변화를 겪고 이탈할 가능성 ↑ 단순 통합은 많은 사용자 반발(이탈) 예상 !!
  • 46. 저희가 선택한 해법은 변화를 쪼개고 또 쪼개기 사용자가 받아들일만한 수준의 작은 변화들은 개편의 리스크를 줄여줍니다. 해결책
  • 47. 전략 1 : 스펙을 쪼개어 수차례 업데이트 변화가 큰 한 번의 대규모 업데이트 대신 10개월간 여러 번의 업데이트 진행 * 쪼갠 스펙들을 어떤 순서대로 제공할 것인지 결정하는 것이 중요 * 업데이트마다 QA 진행과 공지 등 품은 많이 들 수 있으나 그 이상의 리스크 감소 효과가 발생
  • 48. 네이버 번역기 사용자의 50% 이동 나머지 50% 이동 전략 2 : 네 번으로 쪼갠 사용자 이동 큰 메뉴인 문장 번역기와 웹 번역기가 동시에 교체되면 네이버 번역기 사용자들의 변화 체감이 클 것을 우려, 순차적 메뉴 변경 및 리다이렉트 진행
  • 49. 전략 3 : 사용자 커뮤니케이션도 여러 번 모든 업데이트와 통합 진행사항을 쪼개어 양 서비스에 공지 * 변화에 대한 인식을 평소에 심어주는 것은 충격 완화에 도움이 됨 * 댓글 등 사용자의 의견을 수용하면서 개편을 진행할 수 있어 서비스 발전에도 긍정적인 효과
  • 51. 네이버 번역기 사용자 대부분을 큰 이탈 없이 흡수했습니다. 통합 첫 주에 약 9%의 이탈자만이 발생했으며, 양 서비스 중복 사용자를 감안한다면 더 적을 것이라 예상합니다.
  • 52.
  • 53. 파파고의 번역 기술은 웨일 브라우저, 라인, 클로바, 어학사전, V앱, 네이버 호텔, 스마트 보드 등 26개 네이버 서비스에 활용되고 있습니다. 내부 협업 사례: API 제공
  • 55. SKT 쿠키즈 미니폰 외부 협업 사례: APP apk 파일 제공
  • 56. 앱 사이즈만 최적화 할게 아니라.. 타겟에 따라 사용성까지 최적화하면 어떨까?
  • 57. LG U+ 파파고 외국어놀이 외부 협업 사례: 캐릭터 + API 제공
  • 58. AKI x 파파고 키즈 외부 협업 사례: kids contents 제공
  • 59. 다양한 형태의 협업 모델이 있습니다 앞으로도 번역이 필요한 곳이라면 어디든 파파고에게 연락 주세요 !!
  • 60.
  • 61. 파파고 업데이트 히스토리 APP 26개월간 총 45번의 업데이트, 32개 신규/개선 기능 추가 WEB 14개월간 총 12번의 업데이트, 30개 신규 기능 추가
  • 62. 파파고 업데이트 히스토리 APP 26개월간 총 45번의 업데이트, 32개 신규/개선 기능 추가 WEB 14개월간 총 12번의 업데이트, 30개 신규 기능 추가 파파고 사람이 많은가? 아니요. 처음엔 개발, 디자인, 기획 5명이었습니다. 지금도 다른 조직 대비 많은 편은 아닙니다. 야근으로 사람들을 갈아넣었나? 야근이 아예 없는 건 아니지만, 꼭 필요할 때만 하는 편이고. 대부분 주 40시간 내외로 워라밸 만족하며 일합니다.
  • 63. 파파고 사람이 많은가? 아니요. 처음엔 개발, 디자인, 기획 5명이었습니다. 지금도 다른 조직 대비 많은 편은 아닙니다. 야근으로 사람들을 갈아넣었나? 야근이 아예 없는 건 아니지만, 꼭 필요할 때만 하는 편이고. 대부분 주 40시간 내외로 워라밸 만족하며 일합니다. 그럼 어떻게?
  • 64. 의사 결정 방식에 따른 조직 분류
  • 65. 초기의 프로젝트 진행 방식 이거 하자 A안 B안 C안 실무자 보고 리더 피드백 실무자 B-2 A-3 보고 리더 몇 차례 반복 B-5
  • 66. 현재의 프로젝트 진행 방식 이거 하자 A안 실무자 ㅇㅋ ㄱㄱ 리더실무자 리더
  • 67. 파파고의 프로젝트 진행 방식 이거 하자 A안 실무자 ㅇㅋ ㄱㄱ 리더 1. 기본적으로 Product는 실무자의 의견을 존중 2. 보고를 위한 A, B, C안 만들지 않음. 최선의 A안을 찾기 위해 노력 3. 따로 보고 절차를 두기보다 의사결정이 필요한 경우 OSS를 통해 논의하거나, 프로토타입을 리더+실무자 함께 써보며 논의 4. 리더의 의견도 합리적인 결론을 찾기 위한 하나의 의견일 뿐 절대적인 의견이 아님 5. 의견이 나뉘어서 진행이 안될 경우, 답을 찾기 위해 시간을 보내기보다는 일단 한 가지를 정해서 우선 나가고 사용자 반응을 살핌
  • 68. 이러한 프로세스의 단점은 실무자가 못 하면 굉장히 리스크가 큽니다. 신뢰를 전제해야 할 수 있는 방식. 그래서 중요한 것이 채용과 조직의 문화
  • 69. 파파고가 이상적인 조직이라고 생각하지 않습니다. 저희도 더 나은 방향이 무엇일지 함께 찾아가고 있는 중입니다. 상황에 맞는 의사결정 방식과 함께 일하는 문화가 중요
  • 71. 경험 1. Priority: 사용자에게 묻고 우선순위 반영 경험 2. UX: 문제를 재정의하여 차선책 찾기 경험 3. Risk: 변화와 커뮤니케이션 모두 쪼개고 또 쪼개서 리스크 줄이기 경험 4. Collaboration: 다양한 형태의 협업 고려 중 경험 5. Culture: 프로젝트에 맞는 의사결정 방식과 협업 문화 요약하자면.. 제휴 환영!! 머신 러닝 엔지니어 대모집 중!!
  • 72. 저희의 경험 공유가 1이라도 도움되면 좋겠습니다.