매칭 알고리즘 v2 설계 문서

상태: ✅ 구현 완료 작성일: 2026-01-31 버전: v2 (온보딩 v2 스키마 대응) 기술 스택: PostgreSQL Functions, Supabase RPC

1. 개요

Fitting 앱의 사용자 매칭 알고리즘 v2입니다. 온보딩 v2 스키마 변경에 맞춰 재설계되었습니다.

v2 변경 사항

삭제된 요소:

요소	기존 가중치	비고
`user_tags` (성격 태그)	25%	테이블 삭제
`user_dating_philosophies` (연애관)	15%	테이블 삭제

새로 추가된 요소:

요소	새 가중치	데이터 소스
주말 장소	10%	`user_profile_answers.weekend_spot`
색상 팔레트	10%	`profiles.color_palette`

점수 계산 공식

총점 = (키점수×20 + 나이점수×20 + 패션점수×30 + 직업점수×10 + 주말장소점수×10 + 색상팔레트점수×10) / 100

패션점수 = 스타일점수 × 0.6 + 브랜드점수 × 0.4

가중치 비교

요소	v1	v2	변경
키 점수	20%	20%	유지
나이 점수	20%	20%	유지
태그 점수	25%	-	삭제
연애관 점수	15%	-	삭제
패션 점수	20%	30%	+10%
직업 분야 점수	5%	10%	+5%
주말 장소 점수	-	10%	신규
색상 팔레트 점수	-	10%	신규
총합	100%	100%	-

2. 데이터베이스 구조

2.1 ER 다이어그램 (v2)

┌─────────────────────┐
│      profiles       │
│  (사용자 프로필)      │
├─────────────────────┤
│ id (PK)             │
│ height_cm           │
│ gender              │
│ birthdate           │
│ occupation          │
│ occupation_category_id (FK) ──┐
│ color_palette[]     │         │
│ is_active           │         │
│ is_hidden_from_     │         │
│   recommendations   │         │
└──────────┬──────────┘         │
           │                    │
     ┌─────┼─────┬──────────┐   │
     │     │     │          │   │
     ▼     ▼     ▼          ▼   ▼
┌────────┐┌────────┐┌───────────┐┌───────────────────┐
│user_   ││user_   ││user_      ││occupation_        │
│fashion_││fashion_││profile_   ││categories         │
│styles  ││brands  ││answers    ││                   │
│        ││        ││(weekend_  ││                   │
│        ││        ││ spot)     ││                   │
└────────┘└────────┘└───────────┘└───────────────────┘

┌─────────────────────┐
│daily_recommendations│
│  (일일 추천 결과)     │
├─────────────────────┤
│ user_id             │
│ recommended_user_id │
│ recommendation_date │
│ score               │
│ display_order       │
│ is_viewed           │
│ is_acted_upon       │
└─────────────────────┘

2.2 테이블 상세

profiles (사용자 프로필)

CREATE TABLE public.profiles (
    id UUID PRIMARY KEY REFERENCES auth.users(id) ON DELETE CASCADE,
    nickname TEXT NOT NULL,
    occupation TEXT,
    occupation_category_id UUID REFERENCES occupation_categories(id),
    birthdate DATE NOT NULL,
    height_cm INTEGER,                          -- 키 (100-250cm)
    gender TEXT,                                -- 'male' | 'female'
    color_palette TEXT[],                       -- v2: 선택한 색상 배열 (최대 3개)
    is_active BOOLEAN DEFAULT true,
    is_hidden_from_recommendations BOOLEAN DEFAULT false,

    CONSTRAINT valid_height_cm CHECK (height_cm IS NULL OR (height_cm >= 100 AND height_cm <= 250))
);

user_matching_preferences (매칭 선호도 설정) - v2

CREATE TABLE public.user_matching_preferences (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    user_id UUID NOT NULL REFERENCES public.profiles(id) ON DELETE CASCADE UNIQUE,

    -- 선호 나이/키 범위
    preferred_age_min INTEGER DEFAULT 18,
    preferred_age_max INTEGER DEFAULT 100,
    preferred_height_min INTEGER DEFAULT 100,
    preferred_height_max INTEGER DEFAULT 250,

    -- v2 가중치 (합계 = 100)
    height_weight INTEGER DEFAULT 20,           -- 키 가중치
    age_weight INTEGER DEFAULT 20,              -- 나이 가중치
    fashion_style_weight INTEGER DEFAULT 30,    -- 패션 가중치 (스타일+브랜드)
    occupation_weight INTEGER DEFAULT 10,       -- 직업 분야 가중치
    weekend_spot_weight INTEGER DEFAULT 10,     -- 주말 장소 가중치
    color_palette_weight INTEGER DEFAULT 10,    -- 색상 팔레트 가중치

    CONSTRAINT valid_weights CHECK (
        height_weight + age_weight + fashion_style_weight +
        occupation_weight + weekend_spot_weight + color_palette_weight = 100
    )
);

user_profile_answers (프로필 Q&A) - v2 신규

CREATE TABLE public.user_profile_answers (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    user_id UUID NOT NULL REFERENCES public.profiles(id) ON DELETE CASCADE,
    current_obsession TEXT,           -- Q1: 요즘 푹 빠진게 있나요?
    weekend_spot TEXT,                -- Q2: 주말에 당신을 어디서 찾을 수 있나요?
    best_recent_purchase TEXT,        -- Q3: 최근에 산 것중 제일 만족스러운건?
    UNIQUE(user_id)
);

occupation_categories (직업 카테고리)

CREATE TABLE public.occupation_categories (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    name TEXT NOT NULL UNIQUE,
    display_order INTEGER DEFAULT 0,
    is_active BOOLEAN DEFAULT true
);

-- 카테고리 데이터
-- 전문직, IT/테크, 금융, 교육/연구, 의료/보건, 공무원/공공,
-- 미디어/콘텐츠, 예술/문화, 경영/사무, 서비스/유통, 자영업/창업, 기타

occupation_similarity_groups (직업 유사성 그룹) - v2 신규

CREATE TABLE public.occupation_similarity_groups (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    group_name TEXT NOT NULL,
    category_name TEXT NOT NULL
);

-- 유사 그룹 데이터:
-- high_income_professional: 전문직, IT/테크, 금융
-- social_contribution: 교육/연구, 의료/보건, 공무원/공공
-- creative: 미디어/콘텐츠, 예술/문화
-- business: 경영/사무, 서비스/유통, 자영업/창업

weekend_spot_activity_groups (주말 장소 활동성 그룹) - v2 신규

CREATE TABLE public.weekend_spot_activity_groups (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    group_name TEXT NOT NULL,  -- 'active' or 'passive'
    spot_label TEXT NOT NULL
);

-- 활동성 그룹 데이터:
-- active: 카페/전시, 쇼핑몰/편집샵, 친구들과 외출
-- passive: 집에서 휴식

3. 점수 계산 함수

3.1 키 점수 계산 (기존 유지)

CREATE OR REPLACE FUNCTION calculate_height_score(height_a INTEGER, height_b INTEGER)
RETURNS FLOAT AS $$
BEGIN
    -- 둘 중 하나라도 NULL이면 중립 점수
    IF height_a IS NULL OR height_b IS NULL THEN
        RETURN 50.0;
    END IF;

    height_diff := ABS(height_a - height_b);

    -- 10cm 이내 = 만점
    IF height_diff <= 10 THEN
        RETURN 100.0;
    END IF;

    -- 10cm 초과 시 cm당 -5점 (최소 0점)
    RETURN GREATEST(0.0, 100.0 - ((height_diff - 10) * 5.0));
END;
$$ LANGUAGE plpgsql IMMUTABLE;

계산 로직:

키 차이 10cm 이내: 100점
키 차이 11cm: 95점
키 차이 20cm: 50점
키 차이 30cm 이상: 0점
선호 범위 내 20% 보너스

3.2 나이 점수 계산 (기존 유지)

CREATE OR REPLACE FUNCTION calculate_age_score(
    target_age INTEGER,
    preferred_min INTEGER,
    preferred_max INTEGER
)
RETURNS FLOAT AS $$
BEGIN
    IF target_age IS NULL THEN
        RETURN 50.0;
    END IF;

    -- 선호 범위 내 = 만점
    IF target_age >= preferred_min AND target_age <= preferred_max THEN
        RETURN 100.0;
    END IF;

    -- 선호 범위 밖 = 중간 점수
    RETURN 50.0;
END;
$$ LANGUAGE plpgsql IMMUTABLE;

3.3 패션 점수 계산 (v2: 비율 조정)

-- 패션 점수 = 스타일 점수 × 0.6 + 브랜드 점수 × 0.4
fashion_score := (fashion_style_score * 0.6) + (fashion_brand_score * 0.4);

패션 스타일 점수

CREATE OR REPLACE FUNCTION calculate_fashion_style_score(user_a_id UUID, user_b_id UUID)
RETURNS FLOAT AS $$
BEGIN
    -- 공통 스타일 비율 × 100
    RETURN (common_count::FLOAT / user_a_count::FLOAT) * 100.0;
END;
$$ LANGUAGE plpgsql;

패션 브랜드 점수

CREATE OR REPLACE FUNCTION calculate_fashion_brand_score(user_a_id UUID, user_b_id UUID)
RETURNS FLOAT AS $$
BEGIN
    -- 공통 브랜드 비율 × 100 (마스터 + 사용자 입력 브랜드 모두 포함)
    RETURN (common_count::FLOAT / user_a_count::FLOAT) * 100.0;
END;
$$ LANGUAGE plpgsql;

3.4 직업 분야 점수 (v2: 유사 그룹 포함)

CREATE OR REPLACE FUNCTION calculate_occupation_score_v2(user_a_id UUID, user_b_id UUID)
RETURNS FLOAT AS $$
BEGIN
    -- 같은 직업 분야: 100점
    IF cat_a_id = cat_b_id THEN
        RETURN 100.0;
    END IF;

    -- 유사 직업 그룹: 75점
    -- (전문직/IT/금융, 교육/의료, 미디어/예술 등)
    IF group_a IS NOT NULL AND group_b IS NOT NULL AND group_a = group_b THEN
        RETURN 75.0;
    END IF;

    -- 다른 분야: 50점
    RETURN 50.0;
END;
$$ LANGUAGE plpgsql;

유사 그룹:

그룹명	포함 카테고리
고소득 전문직	전문직, IT/테크, 금융
사회 공헌	교육/연구, 의료/보건, 공무원/공공
창작	미디어/콘텐츠, 예술/문화
비즈니스	경영/사무, 서비스/유통, 자영업/창업

3.5 주말 장소 점수 (v2: 신규)

CREATE OR REPLACE FUNCTION calculate_weekend_spot_score(user_a_id UUID, user_b_id UUID)
RETURNS FLOAT AS $$
BEGIN
    -- 같은 장소: 100점
    IF spot_a = spot_b THEN
        RETURN 100.0;
    END IF;

    -- 같은 활동 그룹 (활동적 vs 활동적): 75점
    IF group_a = group_b THEN
        RETURN 75.0;
    END IF;

    -- 다른 활동 그룹 (외향 vs 내향): 25점
    RETURN 25.0;
END;
$$ LANGUAGE plpgsql;

활동성 그룹:

그룹	포함 장소
활동적 (active)	카페/전시, 쇼핑몰/편집샵, 친구들과 외출
비활동적 (passive)	집에서 휴식

3.6 색상 팔레트 점수 (v2: 신규)

CREATE OR REPLACE FUNCTION calculate_color_palette_score(user_a_id UUID, user_b_id UUID)
RETURNS FLOAT AS $$
BEGIN
    -- 3개 색상 모두 일치: 100점
    IF common_count >= 3 THEN
        RETURN 100.0;
    -- 2개 일치: 66.7점
    ELSIF common_count = 2 THEN
        RETURN 66.7;
    -- 1개 일치: 33.3점
    ELSIF common_count = 1 THEN
        RETURN 33.3;
    -- 0개 일치: 0점
    ELSE
        RETURN 0.0;
    END IF;
END;
$$ LANGUAGE plpgsql;

4. 메인 매칭 점수 계산 함수 v2

CREATE OR REPLACE FUNCTION calculate_matching_score_v2(
    source_user_id UUID,
    target_user_id UUID
)
RETURNS FLOAT AS $$
DECLARE
    height_score FLOAT;
    age_score FLOAT;
    fashion_score FLOAT;
    occupation_score FLOAT;
    weekend_spot_score FLOAT;
    color_palette_score FLOAT;
    total_score FLOAT;
BEGIN
    -- 1. 키 점수 (20%)
    height_score := calculate_height_score(...);
    -- 선호 키 범위 내일 경우 20% 보너스
    IF in_preferred_range THEN
        height_score := LEAST(height_score * 1.2, 100.0);
    END IF;

    -- 2. 나이 점수 (20%)
    age_score := calculate_age_score(...);

    -- 3. 패션 점수 (30%) - 스타일 60% + 브랜드 40%
    fashion_score := (style_score * 0.6) + (brand_score * 0.4);

    -- 4. 직업 점수 (10%)
    occupation_score := calculate_occupation_score_v2(...);

    -- 5. 주말 장소 점수 (10%)
    weekend_spot_score := calculate_weekend_spot_score(...);

    -- 6. 색상 팔레트 점수 (10%)
    color_palette_score := calculate_color_palette_score(...);

    -- 가중치 적용 총점 계산
    total_score := (
        height_score * 20 +
        age_score * 20 +
        fashion_score * 30 +
        occupation_score * 10 +
        weekend_spot_score * 10 +
        color_palette_score * 10
    ) / 100.0;

    RETURN ROUND(total_score, 2);
END;
$$ LANGUAGE plpgsql;

5. 점수 계산 예시

예시 시나리오

사용자 A (소스):

키: 175cm
선호 나이: 25-32세
패션 스타일: [미니멀, 캐주얼]
패션 브랜드: [COS, ZARA]
직업 분야: IT/테크
주말 장소: 카페/전시
색상 팔레트: [#1A1A1A, #FFFFFF, #C4A98F]

사용자 B (타겟):

키: 165cm
나이: 28세
패션 스타일: [미니멀, 모던]
패션 브랜드: [COS, ACNE]
직업 분야: 금융
주말 장소: 쇼핑몰/편집샵
색상 팔레트: [#1A1A1A, #E8E4E0, #C4A98F]

점수 계산

요소	계산	점수	가중치	가중 점수
키	\|175-165\| = 10cm, 범위 내	100	20%	20.0
나이	28세 (25-32 범위 내)	100	20%	20.0
패션	스타일 50×0.6 + 브랜드 50×0.4	50	30%	15.0
직업	IT/테크 vs 금융 (고소득 전문직 그룹)	75	10%	7.5
주말 장소	카페 vs 쇼핑몰 (활동적 그룹)	75	10%	7.5
색상 팔레트	2/3 일치 (#1A1A1A, #C4A98F)	66.7	10%	6.67
총점	-	-	-	76.67점

6. 일일 추천 생성 함수

✅ 2026-02-01: 하루 5명 제한으로 변경됨

CREATE OR REPLACE FUNCTION generate_daily_recommendations(target_user_id UUID)
RETURNS INTEGER AS $$
BEGIN
    -- 오늘 기존 추천 삭제
    DELETE FROM daily_recommendations
    WHERE user_id = target_user_id AND recommendation_date = CURRENT_DATE;

    -- 새 추천 생성 (v2 매칭 알고리즘, 5명 제한)
    WITH scored_candidates AS (
        SELECT
            p.id as candidate_id,
            calculate_matching_score_v2(target_user_id, p.id) as score
        FROM profiles p
        JOIN users u ON p.id = u.id
        WHERE p.id != target_user_id
        AND p.is_active = true
        AND u.account_status = 'approved'
        AND COALESCE(p.is_hidden_from_recommendations, false) = false
        AND p.gender != target_profile.gender  -- 이성 매칭
        AND NOT EXISTS (/* 차단 */)
        AND NOT EXISTS (/* 이미 매칭 */)
        AND NOT EXISTS (/* 이미 좋아요 */)
        ORDER BY score DESC
        LIMIT 5  -- 하루 5명 제한 (2026-02-01)
    )
    INSERT INTO daily_recommendations (...);

    RETURN inserted_count;
END;
$$ LANGUAGE plpgsql;

7. 인덱스

-- 성능 최적화 인덱스
CREATE INDEX idx_profiles_height ON profiles(height_cm) WHERE height_cm IS NOT NULL;
CREATE INDEX idx_profiles_gender_active ON profiles(gender, is_active) WHERE is_active = true;
CREATE INDEX idx_profiles_occupation_category ON profiles(occupation_category_id) WHERE occupation_category_id IS NOT NULL;
CREATE INDEX idx_profiles_color_palette ON profiles USING gin(color_palette) WHERE color_palette IS NOT NULL;
CREATE INDEX idx_user_matching_preferences_user_id ON user_matching_preferences(user_id);
CREATE INDEX idx_user_fashion_styles_user_id ON user_fashion_styles(user_id);
CREATE INDEX idx_user_fashion_brands_user_id ON user_fashion_brands(user_id);
CREATE INDEX idx_user_profile_answers_user_id ON user_profile_answers(user_id);
CREATE INDEX idx_user_profile_answers_weekend_spot ON user_profile_answers(weekend_spot) WHERE weekend_spot IS NOT NULL;
CREATE INDEX idx_daily_recommendations_user_date ON daily_recommendations(user_id, recommendation_date);

8. 마이그레이션 파일

파일	설명
`20260113000000_matching_algorithm_schema.sql`	기본 매칭 알고리즘 구조
`20260114000000_fashion_style_matching.sql`	패션 스타일 매칭
`20260122120000_add_fashion_brands_and_intro.sql`	패션 브랜드 추가
`20260123120000_add_fashion_brand_score.sql`	브랜드 점수 함수
`20260128200000_add_occupation_categories.sql`	직업 카테고리
`20260131080000_onboarding_v2_schema.sql`	온보딩 v2 스키마
`20260131090000_matching_algorithm_v2.sql`	v2 매칭 알고리즘
`20260201110000_limit_daily_recommendations_to_5.sql`	하루 5명 제한 (현재)

9. 삭제된 요소 (v1 → v2)

다음 테이블/함수는 v2에서 삭제되었습니다:

요소	타입	비고
`tags`	테이블	성격 태그 마스터
`user_tags`	테이블	사용자-태그 연결
`dating_philosophy_tags`	테이블	연애관 태그 마스터
`user_dating_philosophies`	테이블	사용자-연애관 연결
`calculate_tag_score()`	함수	태그 점수 계산
`calculate_philosophy_score()`	함수	연애관 점수 계산
`calculate_occupation_score()`	함수	v1 직업 점수 (v2로 대체)

10. 일일 추천 제한 (✅ 구현 완료 - 2026-02-01)

10.1 하루 5명 제한

DB 변경:

daily_recommendations 테이블의 display_order 제약: 0-9 → 0-4
generate_daily_recommendations 함수: LIMIT 10 → LIMIT 5

마이그레이션 파일: supabase/migrations/20260201110000_limit_daily_recommendations_to_5.sql

10.2 중복 방지 (이미 본 추천 제외)

프론트엔드에서 is_viewed=true인 추천을 제외하여 오늘 이미 본 유저가 다시 노출되지 않도록 처리:

// api/recommendations.ts
.eq("is_acted_upon", false)
.eq("is_viewed", false)  // 오늘 이미 본 추천 제외

10.3 테스트 모드

테스트 모드(RECOMMEND_ALL_APPROVED_USERS=true)에서도 5명 제한 적용:

// 테스트 모드 마지막에 5명만 반환
return result.slice(0, 5);

11. 참고 파일 경로

파일	설명
`supabase/migrations/20260131090000_matching_algorithm_v2.sql`	v2 마이그레이션
`types/matching.ts`	매칭 타입 정의
`api/recommendations.ts`	추천 API
`hooks/queries/use-recommendations.ts`	추천 Hook
`app/(tabs)/index.tsx`	홈 화면 (추천 카드)

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

매칭 알고리즘 v2 설계 문서

1. 개요

v2 변경 사항

점수 계산 공식

가중치 비교

2. 데이터베이스 구조

2.1 ER 다이어그램 (v2)

2.2 테이블 상세

profiles (사용자 프로필)

user_matching_preferences (매칭 선호도 설정) - v2

user_profile_answers (프로필 Q&A) - v2 신규

occupation_categories (직업 카테고리)

occupation_similarity_groups (직업 유사성 그룹) - v2 신규

weekend_spot_activity_groups (주말 장소 활동성 그룹) - v2 신규

3. 점수 계산 함수

3.1 키 점수 계산 (기존 유지)

3.2 나이 점수 계산 (기존 유지)

3.3 패션 점수 계산 (v2: 비율 조정)

패션 스타일 점수

패션 브랜드 점수

3.4 직업 분야 점수 (v2: 유사 그룹 포함)

3.5 주말 장소 점수 (v2: 신규)

3.6 색상 팔레트 점수 (v2: 신규)

4. 메인 매칭 점수 계산 함수 v2

5. 점수 계산 예시

예시 시나리오

점수 계산

6. 일일 추천 생성 함수

7. 인덱스

8. 마이그레이션 파일

9. 삭제된 요소 (v1 → v2)

10. 일일 추천 제한 (✅ 구현 완료 - 2026-02-01)

10.1 하루 5명 제한

10.2 중복 방지 (이미 본 추천 제외)

10.3 테스트 모드

11. 참고 파일 경로

FilesExpand file tree

matching-algorithm.md

Latest commit

History

matching-algorithm.md

File metadata and controls

매칭 알고리즘 v2 설계 문서

1. 개요

v2 변경 사항

점수 계산 공식

가중치 비교

2. 데이터베이스 구조

2.1 ER 다이어그램 (v2)

2.2 테이블 상세

profiles (사용자 프로필)

user_matching_preferences (매칭 선호도 설정) - v2

user_profile_answers (프로필 Q&A) - v2 신규

occupation_categories (직업 카테고리)

occupation_similarity_groups (직업 유사성 그룹) - v2 신규

weekend_spot_activity_groups (주말 장소 활동성 그룹) - v2 신규

3. 점수 계산 함수

3.1 키 점수 계산 (기존 유지)

3.2 나이 점수 계산 (기존 유지)

3.3 패션 점수 계산 (v2: 비율 조정)

패션 스타일 점수

패션 브랜드 점수

3.4 직업 분야 점수 (v2: 유사 그룹 포함)

3.5 주말 장소 점수 (v2: 신규)

3.6 색상 팔레트 점수 (v2: 신규)

4. 메인 매칭 점수 계산 함수 v2

5. 점수 계산 예시

예시 시나리오

점수 계산

6. 일일 추천 생성 함수

7. 인덱스

8. 마이그레이션 파일

9. 삭제된 요소 (v1 → v2)

10. 일일 추천 제한 (✅ 구현 완료 - 2026-02-01)

10.1 하루 5명 제한

10.2 중복 방지 (이미 본 추천 제외)

10.3 테스트 모드

11. 참고 파일 경로