대화형 에이전트를 위한 IceBreaker: 개인화된 시작 문구를 활용하여 첫 메시지 장벽을 극복

IceBreaker for Conversational Agents: Breaking the First-Message Barrier with Personalized Starters

ChatGPT 및 Doubao와 같은 대화형 에이전트는 수십억 명의 사용자를 위한 필수적인 일상 도구로 자리 잡았습니다. 이러한 시스템은 수동적인 응답자에서 벗어나 적극적인 동반자로 진화하여 사용자 참여를 더욱 향상시키고 있습니다. 그러나 기존 연구는 주로 진행 중인 대화 내에서의 활성화를 다루고 있으며, 실제 환경에서 발생하는 중요한 문제점을 간과하고 있습니다. 대화 시작 단계에서 사용자는 명확한 의도 없이 막연한 필요를 가지고 있어, 대화가 시작되기 전에 '첫 메시지 장벽'이 발생합니다. 이를 극복하기 위해, 우리는 사용자를 대화로 이끄는 개인화된 시작 문구를 생성하는 'Conversation Starter Generation' 기술을 소개합니다. 기존 대화 단계에서는 즉각적인 맥락이 응답을 안내하지만, 초기 단계에서는 명확한 사용자 의도 없이 '콜드 스타트' 상태에서 작동해야 합니다. 이러한 어려움을 해결하기 위해, 우리는 인간의 초기 대화 방식을 '공감 유도'와 '상호작용 촉진'이라는 두 단계의 '핸드셰이크'로 정의하는 IceBreaker를 제안합니다. IceBreaker는 (i) 세션 요약에서 중요한 관심사를 파악하기 위한 '공감 기반 관심사 추출'을 통해 공감을 유발하고, (ii) 개인화된 선호도 정렬 및 자기 강화 루프를 통해 상호작용을 극대화하는 '상호작용 지향 시작 문구 생성'을 수행합니다. 세계 최대 규모의 대화형 에이전트 제품에 대한 온라인 A/B 테스트 결과, IceBreaker는 사용자 활성 날짜를 +0.184% 증가시키고 클릭률을 +9.425% 증가시키는 효과를 보여 실제 서비스에 적용되었습니다.

Conversational agents, such as ChatGPT and Doubao, have become essential daily assistants for billions of users. To further enhance engagement, these systems are evolving from passive responders to proactive companions. However, existing efforts focus on activation within ongoing dialogues, while overlooking a key real-world bottleneck. In the conversation initiation stage, users may have a vague need but no explicit query intent, creating a first-message barrier where the conversation holds before it begins. To overcome this, we introduce Conversation Starter Generation: generating personalized starters to guide users into conversation. However, unlike in-conversation stages where immediate context guides the response, initiation must operate in a cold-start moment without explicit user intent. To pioneer in this direction, we present IceBreaker that frames human ice-breaking as a two-step handshake: (i) evoke resonance via Resonance-Aware Interest Distillation from session summaries to capture trigger interests, and (ii) stimulate interaction via Interaction-Oriented Starter Generation, optimized with personalized preference alignment and a self-reinforced loop to maximize engagement. Online A/B tests on one of the world's largest conversational agent products show that IceBreaker improves user active days by +0.184% and click-through rate by +9.425%, and has been deployed in production.