[테크월드=김지윤 기자] 넷플릭스를 이용하는 많은 사람들은 끊임없이 추천되는 자신의 취향을 저격하는 영상들에 몇 시간 넘게 푹 빠져버린 경험이 있을 것이다. 넷플릭스는 어떻게 각각의 취향을 파악해 콘텐츠를 추천해줄 수 있을까?

그것을 바로 알고리즘 덕분!

독일의 과학 저널리스트 크리스토프 드뢰서는 책 <알고리즘이 당신에게 이것을 추천합니다>을 통해 넷플렉스의 추천 서비스가 모두 '알고리즘' 덕분이라고 말한다. 그는 오늘날 대부분의 추천 시스템이 '협업 필터링(collaborative filtering)' 알고리즘과 '내용 기반 필터링(content-based filtering)' 알고리즘을 조합한 형태라고 한다.

출처: NETHRU

협업 필터링

협업 필터링 알고리즘은 기존 사용자의 행동 정보를 분석해 해당 사용자와 비슷한 성향의 사용자들이 기존에 좋아했던 항목을 추천하는 기술이다. 예를 들어 영화 A를 본 사람들이 영화 B를 시청한 경우가 많으면 영화 A를 보는 사람에게 영화 B를 추천해 주는 방식이다. 이 알고리즘은 결과가 직관적이며 항목의 구체적인 내용을 분석할 필요가 없다는 장점이 있다.

협업 필터링은 사용자들이 자 연스럽게 사이트를 사용하면서 검색을 하고, 항목을 보고, 구매한 내역을 사용할 수 있는 장점이 있다. 세계 최대의 온라인 소매 업체인 아마존은 이러한 전략을 사용한 바 있으며  페 이스북도 링크드인도 사용자와 친구들의 유사성을 바탕으로 새로운 친구나 그룹을 추천한다.

내용 기반 필터링

내용 기반 필터링 알고리즘은 말 그대로 내용에 대한 분석을 기반으로 추천을 구현한다. 콘텐츠를 분석한 프로파일(item profile)과 사용자의 선호도(user profile)를 추출하고 유사성 분석을 통해 추천을 수행한다. 가령 슈퍼맨이라는 영화에 대한 사전 분석을 통해 SF, 영웅 등의 특징을 기록하고 슈퍼맨을 본 사람에게 배트맨이라는 비슷한 종류의 영화를 추천해주는 방식이다.

넷플릭스의 알고리즘 '모델 기반 협업 필터링'

현재 넷플릭스에서 사용하는 알고리즘은 협업 필터링을 기반으로 이를 고도화한 '모델 기반 협업 필터링'이다. 모델 기반 협력 필터링은 기존 항목 간 유사성을 단순하게 비교하는 것에서 벗어나 자료 안에 내재한 패턴을 이용한다.

첫 번째로 연관되는 자료의 크기를 동적으로 변화시키는 방법이 있다. 만일 ‘해리 포터’ 시리즈 2편을 추천하기 위해서는 ‘해리 포터’ 시리즈 1편, 단 한 편을 좋아했는가가 다른 무엇보다 중요한 요소이다. 하지만 '주토피아'를 추천하기 위해서는 많은 수의 유사한 영화를 고려해야 한다. 추천을 위해 자료의 크기를 변화시켜야 하는 방법이다.

두 번쨰는 잠재 모델에 기반을 둔 방법이다. 잠재 모델이란 사용자가 특정 항목을 선호 하는 이유를 알고리즘적으로 알아내는 기법이다. 예를 들어 어느 사용자가 '태양의 후예'라는 드라마를 좋아하는 경우, 이 정보를 단순하게 그대로 사용하는 것이 아니라, 주위의 정보를 이용해 선호 이유를 유추하는 것이다. 그 사용자는 주연배우 때문에 좋아할 수도 있고, 드라마 OST가 좋아서 선호할 수도 있으며, 액션 멜로 장르를 선호해서 선택할 수도 있다. 많은 양의 정보를 분석함으로써 이러한 이유를 알아내고, 이를 추천에 이용하는 것이다.

모든 사람의 취향을 저격할 수 있는 완벽한 추천 알고리즘은 없다. 하지만 넷플릭스가 전체 영화 시청의 75%를 추천을 통해 만들어냈듯 연구를 통해 이용자들의 만족도를 조금 더 높일 수 있도록 노력하면 좋은 추천 알고리즘이 될 수 있을 것이다.

이 기사를 공유합니다
Tag

키워드

#생활TECH #넷플릭스
저작권자 © 테크월드뉴스 무단전재 및 재배포 금지