추천 시스템 입문 - 한빛미디어

넷플릭스 홈페이지 중 일부를 캡처해 보았다. 이를 들여다보면 가장 윗줄에는 넷플릭스 로고와 '시리즈', '영화', '최신 등록 콘텐츠', '내가 찜한 콘텐츠'라는 메뉴가 있고, 그 아래로는 '한국 드라마', '새로 올라온 콘텐츠', 'Teki 님의 취향저격 베스트 콘텐츠'와 같은 제목과 제목에 따라 선별된 작품들의 이미지가 나열되어 있다. 여기에는 넷플릭스만의 추천 알고리즘이 녹아있다.

위와 같이 제목과 작품이 함께 나열된 ’프레임‘은 넷플릭스 홈페이지에서 사용자에게 작품 목록을 보여주는 방식으로, 제목을 붙여 구분하고 그 성격에 맞게 선별한 작품을 사용자에게 선택적으로 보여준다. 사용자는 흥미가 생기는 프레임에 주목하여 해당 프레임의 작품만 살펴보면 시청할 작품을 빠르게 선택할 수 있다. 이 구조를 달성하기 위해 프레임 타이틀 선택 방법, 각 프레임에서 중복되는 작품이 있을 때 삭제하는 방법, 알고리즘을 업데이트했을 때 평가하는 방법 등 다양한 알고리즘을 조합했다.
작품의 섬네일을 정하는 것도 추천 시스템의 하나이다. 사용자마다, 또는 시청 시점마다 작품 목록 화면에 보이는 작품의 섬네일 이미지는 달라지는데, 넷플릭스에서는 다양한 섬네일 이미지를 가지고 A/B 테스트를 통해 반응이 좋은 섬네일을 분석하여 개인별로 최적화된 섬네일 이미지를 제시하기 때문이다. 이 개인별 이미지 최적화에는 contextual bandits라는 방법을 사용하는데 이는 사용자가 과거에 열람한 작품들, 사용 국가, 사용 기기 등의 특징량을 조합해 활용한다.

추천 시스템이 적용된 기능들은 넷플릭스 서비스가 사용자들의 시청 시간을 늘리는 데에 큰 역할을 하고 있다. 그 외에도 유튜브나 온라인 쇼핑몰, 광고 등 추천 시스템은 많은 분야에서 거의 필수에 가까운 역할을 하고 있다. 그렇다 보니 추천 시스템에 관심이 갈 수밖에 없다.

추천 시스템 입문
가자마 마사히로, 이즈카 고지로, 마쓰무라 유야 지음 / 한빛미디어

개발자 입장에서 이 책은 추천 시스템에 대해 이해하고, 실제로 사용자 데이터를 기반으로 추천 시스템을 구축해 볼 수 있다는 점에서 유용했다. 그 외에도 프로덕트 매니저나 UI/UX 디자이너라면 추천 시스템 개발자나 데이터 과학자와 원만하게 소통하는 데에 필요한 추천 시스템 기반 지식을 쌓을 수 있을 것이다. 또 추천 시스템에 관해 공부하기 시작하는 단계의 연구자나 학생이라면 이 책을 통해 추천 시스템의 전반을 둘러보고, 추가로 논문이나 책을 통해 더 깊이 이해하고 연구하는 데에 도움이 될 수 있을 것이다.