[생활Tech] 음원 플랫폼 ‘추천 알고리즘’ 어떻게 작동할까

디지털 전환 가속은 우리 생활에도 많은 영향을 미치고 있습니다. 지금까지 익숙했던 환경의 변화도 무시할 수 없습니다. [생활Tech]에서는 대수롭지 않게 지나치던, 쉽게 접할 수 있는 IT 기술을 소개하고 어떤 원리로 동작하는지, 그리고 개선할 부분은 없는지를 살펴보고자 합니다. [편집자주]

[테크월드뉴스=양승갑 기자] 플로, 네이버바이브, 애플뮤직, 카카오뮤직, 스포티파이 등 다양한 음원 스트리밍 서비스의 등장으로 선택의 폭이 넓어진 반면, 나에게 맞는 곡을 찾기는 쉽지 않는 일이 됐습니다. 하루에도 수천 개의 곡의 발표되면서 나만의 선곡 리스트를 만들기도, 출시 곡을 모두 듣기도 어렵기만 합니다.

한국음반산업협회에 따르면 올해에만 9만여 곡이 등록됐습니다. 일 평균으로 따지면 300곡이 넘습니다. 그러다 보니 서비스에서 제시하는 ‘금주의 차트’ 등 이미 선곡된 리스트를 이용하면서, 선호하지 않는 곡만 골라내는 경우도 있습니다.

한국콘텐츠진흥원에서 발표한 ‘2021 음악 산업백서’에 따르면 ‘주 1회 이상’ 음악 스트리밍을 이용하는 비율은 81.6%입니다. ‘거의 매일’ 음악 스트리밍 서비스를 이용하는 비율은 39.5%, ‘일주일에 3~4번’ 이용하는 비율은 23.3%로 음악 스트리밍 서비스에 대한 높은 관심도를 보여줬습니다.

음원 이용 형태가, 과거 MP3 등 재생매체에서 스트리밍 서비스로 전환됐습니다. 이용이 많아진 만큼 차별화된 서비스는 스트리밍 플랫폼의 이용자 수와 밀접하게 연관됩니다. 특히 예전에는 많은 곡을 보유한 것이 강점이었다면 이제는 내가 원하는 곡을 딱 맞게 골라주는 플랫폼이 강조되고 있습니다.

시장조사업체 오픈서베이에 따르면 유튜브뮤직 이용자는 ‘음악이 많아서’, ‘음악 추천을 잘해서’ 등을 선택의 이유로 꼽았습니다. 국내 음원 플랫폼 역시 이용자 유치를 위한 추천 알고리즘 도입으로 차별화를 꾀하고 있습니다. 대표적인 알고리즘으로 협업 필터링과 콘텐츠 기반 필터링이 있습니다.

협업 필터링 알고리즘은 이용자로부터 수집한 특정 음악에 대한 피드백 데이터와 다른 이용자의 이용 경험을 바탕으로 추천을 해줍니다. 두 가지 전제를 갖고 있습니다.

첫 번째는 나와 다른 사람이 동일한 음악을 듣거나, 멜로디와 템포 등이 유사한 곡을 들으면 이 두 사람의 음악 취향은 비슷하다는 전제입니다. 두 번째는 나이대와 성별 등 같은 그룹으로 분류된 이용자가 다른 음악을 들으면 이 두 음악은 비슷할 수도 있다고 봅니다.

협업 필터링 알고리즘은 수많은 데이터에서 쉽게 정보를 제공할 수 있다는 장점이 있습니다. 다만 이용자의 음악 취향이 모든 음악을 소비할 수는 없을뿐더러 새롭게 발매된 음원의 경우, 분석할 데이터가 없는 콜드 스타트 문제가 발생합니다. 인기 차트 위주로 음악을 듣는 경우에는 추천 알고리즘에 문제가 발생할 수도 있습니다.

콘텐츠 기반 알고리즘은 음악의 특성을 고려해 이용자에게 음악을 추천하는 방식입니다. ▲리듬 ▲템포 ▲장르 ▲음색 등의 다양한 음향적 요소를 바탕으로 기존 곡과 유사성을 평가한 뒤 가장 비슷한 노래를 추천합니다. 이용자가 특정 곡을 선호하고 들으면, 앞으로도 비슷한 멜로디, 템포 등을 좋아할 것이라는 가정입니다.

콘텐츠 기반 필터링 알고리즘은 곡 자체에서 정보를 가져오기 때문에 음악의 정보만 있으면 새로운 음원 같은 경험 데이터가 적은 음원에 대해 빠르게 추천을 받을 수 있다는 장점이 있습니다. 그러나 많은 양의 데이터가 확보되면 협업 필터링 알고리즘에 비해 추천 성능이 떨어집니다.

음원 추천 알고리즘으로 주목을 받는 플랫폼은 스포티파이가 대표적입니다. 국내에서는 아직 이용자 수가 54만 명 밖에 안 되지만, 전 세계적으로는 30%의 점유율을 차지할 정도로 많은 이용자가 사용하고 있습니다.

스포티파이가 채택한 알고리즘은 BaRT로 음악 탐색 후 정보를 활용하고 재탐색을 통해 최적의 결과를 찾아냅니다. 이용자의 감상 기록, 건너뛴 노래, 유사한 노래를 들었던 다른 이용자의 음악 선호도까지 더해 정확도 높은 정보를 만들어 이용자에게 제공합니다.

한편, 음악 추천 알고리즘에 아쉬움을 표현하는 이용자도 있습니다. 커뮤니티에서는 “내가 아는 노래만 추천한다면 알고리즘이 왜 있는가”, “가끔 마음에 드는 게 있지만 그럴 시간에 그냥 찾아 듣겠다” 등의 반응을 보이기도 했씁니다.

사람마다 만족도가 다르기 때문에 음악 추천 알고리즘이 모든 이용자를 만족시키기는 어렵습니다. 다만 추천 알고리즘의 활용은 서비스 만족도를 높이고, 다른 음원 플랫폼과 차별화도 꾀할 수 있다고 예상됩니다.