플랫폼 서비스의 이해 : #2 빅데이터, 개인화 추천, 큐레이션

Photo by freestocks.org on Unsplash

 

 

수많은 콘텐츠의 홍수 속에서 단순히 콘텐츠의 '양'을 가지고 하는 경쟁은 더 이상 무의미하다. 수많은 플랫폼이 존재하고 어느 플랫폼이든 유사한 콘텐츠를 찾을 수 있다. 사용자는 언제든 떠날 준비가 되어있다. 그들을 붙잡기 위해서는 개개인들에게 매력적이고 의미 있는 콘텐츠가 필요하다. 플랫폼을 이용하는 사용자에게 UI는 마치 나만을 위해 만들어진 것으로 느낄 수 있어야 한다.

 

 

세계 최대의 OTT 서비스 '넷플릭스'의 사례를 한번 살펴보자. 

 

OTT (Over-the-top)
인터넷을 통해 언제 어디서나 다중 콘텐츠를 공유하고 실행할 수 있으며 끊김 없는 이어 보기가 가능한 사용자 중심적인 서비스. 방송 프로그램·영화·교육 등 각종 미디어 콘텐츠를 제공한다.

 

 

 

 

 

넷플릭스가 성장하게 된 배경에는 강력한 개인 맞춤형 콘텐츠가 있다. 나아가 사용자를 분석하고 데이터를 바탕으로 한 독자적 콘텐츠를 제작해 그 시스템을 반증했다. 현존하는 어느 미디어 기업보다도 넷플릭스가 가치 있다고 평가받는 이유는 데이터에 대한 새로운 접근 방식에 있다.

 

기본적으로 계속해서 사용자에 대한 정보를 수집하고, 그렇게 수집한 정보를 활용하여 연관이 있거나 관심 있어할 만한 콘텐츠를 추천해준다. 이때 수집하는 자료는 일반인의 상상을 초월한다. 수집 영역에 검색 정보와 시청자 평가는 기본이고, 시청자가 어느 부분에서 일시정지를 하고 어떤 부분에서 되감기를 하는지, 심지어 영상의 색감이나 음량까지 집계하는 수준이라고 한다. 

 

그리고 최근 OTT 서비스는 단순히 콘텐츠를 유통하는 것에서 벗어나 프리미엄 동영상 제작업체들과 협력해 실제 콘텐츠 제작에도 참여하고 있다. 넷플릭스가 2013년 방영한 자체 제작 콘텐츠 하우스 오브 카드(House of Cards)는 그해 에미상 9개 부문에 노미네이트 되고, 감독상·촬영상·캐스팅상을 차지할 정도로 인정받았다. 국내에서도 네이버와 다음카카오 등의 업체에서 웹드라마를 제작, 유통하고 있다. 네이버는 TV캐스트라는 동영상 플랫폼을 론칭한 후 40여 편의 웹드라마를 서비스 중이다.

 

특히 넷플릭스는 머신 러닝에 그들이 로깅한 사용자들의 빅데이터를 잘 활용하기로 유명한데, 드라마를 제작할 때 미국 시장의 시청자들의 선호도를 파악해서 연출 스타일, 배우, 기획, 배급 등을 선정했다고 한다. 

 

이렇듯 넷플릭스가 추천 콘텐츠로 우뚝 설 수 있었던 기반은 사람의 손길을 통한 데이터베이스 구축과 이를 활용한 머신러닝 이 두 가지 시스템에 있다.

 

 

머신러닝 
인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야. 
아서 사무엘은 기계 학습을 "기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야"라고 정의하였다.

 

 

 

넷플릭스에 신작이 입고되면 내부의 콘텐츠 팀이 영상을 일일이 감상한다. 그런 다음 엑셀 시트에 해당 영상과 관련이 있다고 생각되는 모든 태그를 입력한다. 태그는 엄청 많이, 그리고 되도록 자세하게 입력한다. 태그는 감독과 출연진부터 해서 장르, 캐릭터, 스토리, 색감 등에 이르기까지 콘텐츠의 모든 부분을 세세히 규정한다. 이렇게 사람의 손길을 거침으로써 보다 정확하고 섬세한 추천 알고리즘의 토대가 만들어진다.

 

토드 옐린은 알고리즘이 곧 회원들의 취향 확장을 불러온다고 말한다. “알고리즘은 넷플릭스 회원들 스스로도 몰랐던 취향까지 파악해, 콘텐츠 장르의 장벽을 허문다.”

 

이렇듯 우리가 알게 모르게 이미 개인화된 서비스를 곳곳에서 이용하고 있는 것이다. 동시에 생각해보아야 할 것은 '정보의 개인화'라는 명목하에 수집된 수많은 데이터들의 행방이다. 더 나은 서비스를 제공한다는 명목 하에 수집된 개인의 정보가 오로지 서비스를 제공하는 기업의 통제권 하에 있는 것이 맞는 것인지, 그렇지 않다면 이러한 구조를 개편하는 새로운 판이 짜일 수도 있지 않을까 기대해본다.

 

 

 

 

 

*참조:

https://ko.wikipedia.org

https://namu.wiki

http://it.donga.com/23942/

http://kisdi.re.kr/imagedata/pdf/14/1420140102.pdf