추천 알고리즘(algorithm) 시대: 취향의 소비

 

빅데이터 시대가 되면서, 수많은 데이터 활용 방안들이 모색되고 있습니다. 그 중에 추천 알고리즘이라는 것을 통해 우리는 온라인 커머스, 컨텐츠 플렛폼 등을 통해 폭넓게 활용되고 있습니다. 

 

 

어떤 추천 알고리즘이 있을까?

많이 알려진 것처럼 추천 알고리즘에는 컨텐츠 기반 필터링(content based filtering)과 협업 필터링(collaborative filtering)으로 크게 분류된다고 합니다. 컨텐츠 기반 필러링은 말 그대로 컨텐츠 자체를 분석해서 추천하는 방식입니다. 컨텐츠 기반 필터링은 추천하는 항목에 따라, 유사한 기사나 유사한 음악 등으로 컨텐츠 자체를 분석하여 유사성을 추출하고 이를 기반으로 사용자가 선호할만한 컨텐츠를 제공하는 방식이라고 합니다. 그래서 사용자 데이터가 필요하지 않지만, 다양한 형식으로 컨텐츠를 분류하고 추천하기 어려운 단점도 있다고 알려져 있습니다. 

 

 

협업 필터링은 사용자의 행동 정보를 분석하는 방식입니다. 그렇게 해서 비슷한 성향의 사용자들을 그룹핑하고 사용자들이 좋아하는 항목을 추천하는 기술로 사용자의 수가 많은 경우 계산이 오래 걸리는 단점이 있기도 하고, 소수의 인기가 많은 컨텐츠가 추천되는 비율이 높아지기도 하는 것으로 알려져 있습니다. 그리고 여기서 좀 더 발전한 것이 모델 기반 협업 필터링(Model-based collaborative filtering)입니다. 사용자가 특정 항목을 선호하는 이유를 알고리즘적으로 알아내는 기법이라고 합니다. 예를 들어 특정 영화를 좋아하는 사용자가 좋아하는 이유를 알아내고 이를 기반으로 추천하는 방식입니다. 결국은 모델 기반 협업 필터링을 하기 위해서는 좀 더 세분화된 컨텐츠 기반 필터링이 적용되기 때문에 협업 필터링과 컨텐츠 기반 필터링이 복합적으로 사용된다고 할 수 있습니다.

 

출처: 방송트렌드&인사이트, 콘텐츠 추천 알고리즘의 진화, 서봉원

 

반응형

 

 

이러한 추천 알고리즘은 왜 개발되고 있을까?

추천 알고리즘이 대중적으로 알려지게 된 배경에는 넷플릭스가 있습니다. 넷플릭스 발표에 따르면 전체 영화 시청의 75%가 추천을 통해 이루어진다고 밝혔는데요. 그 만큼 추천 알고리즘이 고도화되어 넷플릭스 사용자들의 체류시간을 늘리게 되고, DAU(Daily Active Users) 등을 확대할 수 있기 때문에 추천 알고리즘은 플렛폼의 경쟁력이 될 수 있는 것입니다. 이것은 유튜브, 애플뮤직 등 다양한 플렛폼과 마찬가지일 것입니다. 또한 아마존, 쿠팡 같은 온라인 커머스의 경우 매출 증대를 위한 방법이기도 할 것입니다.

 

 

 

추천 알고리즘이 만들어내고 있는 현상

추천 알고리즘이 디지털 영역에서 확대가 되고, 고도화되면서 만들어지고 있는 현상이 자신이 가지고 있는 취향의 편향성 문제일 것입니다. 개인의 취향이 더욱 강화된다고 말할 수 있을 것입니다. 추천 알고리즘을 적용하는 플렛폼들은 사용자에게 다양한 컨텐츠를 제안하는 방식보다는 사용자들이 좋아할만한 것들을 추천하다보니, 사용자의 취향이 편식을 하게 만든다는 부작용을 가지고 있을 수 있다는 것입니다. 물론 우리는 개인의 취향을 개성이라는 다른 단어로 사용하기도 하고, 개인의 가치관, 사고방식이라고 존중할 수도 있습니다. 하지만 프랑스의 똘레랑스(tolérence)라는 의미처럼, 열린 자세를 가지고 다양한 관점을 수용하고 이해하면서 폭넓은 관점을 가지는 것도 중요하지 않을까라는 생각이 갖게 합니다. 추천 알고리즘의 목적은 사용자가 좋아할만 것을 추천하는 것보다는 다양한 취향을 발견하게 해줄 수 있는 제안(proposal)의 목적으로 발전되면 더욱 의미있지 않을까 생각됩니다.