본 논문은 전자상거래 검색 시스템을 위한 다목적 초매개변수 최적화 프레임워크인 MOHPER를 제시합니다. 기존의 CTR(클릭률) 중심 접근 방식의 한계를 극복하고, 사용자 참여와 전환율을 모두 고려하여 검색 결과를 최적화하는 것을 목표로 합니다. MOHPER는 베이지안 최적화와 샘플링을 활용하여 CTR, CTCVR(클릭-전환률) 및 기타 관련 목표를 공동으로 최적화합니다. 또한, 다목적 최적화에서 최적 구성을 선택하기 위한 메타 구성 투표 전략 및 누적 학습 접근 방식과 같은 고급 방법을 제안하여 학습 속도와 효율성을 향상시킵니다. 실제 환경에 배포되어 사용자 만족도와 수익 목표 모두를 충족하는 균형 잡힌 최적화의 실효성을 입증했습니다.