한국경제

[ 박병종 기자 ]

최근 각종 모바일 서비스에 공통적으로 나타나는 현상이 있다. 빅데이터에 기반한 추천 알고리즘의 적용이다. 상거래는 물론 콘텐츠 부문으로 급속히 확산하고 있다. 과거 15인치 정도의 넓은 PC 화면에서는 수많은 정보를 한 화면에 띄워놓고 훑어보기를 통해 원하는 정보를 능동적으로 선택할 수 있었다. 구글 네이버 등 검색엔진이 한 시대를 풍미할 수 있었던 이유다. 문제는 5인치 정도의 작은 모바일 기기에서는 이게 불가능하다는 것. 사용자가 원하는 정보를 떠먹여 줘야 하는 시대가 왔다. 추천 알고리즘 기술이 주목받는 이유다.

◆모바일 점령하는 추천 알고리즘

최근 CJ E&M이 선보인 영화·드라마 서비스 '빙고'는 대표적인 추천 서비스다. 이미 본 영화에 별점을 매기면 이를 기반으로 취향을 분석해 사용자가 좋아할 만한 영화를 추천한다. 스타트업 기업인 프로그램스가 내놓은 원조 영화 추천 서비스 '왓챠'도 사용자가 100만명을 넘어서며 인기를 끌고 있다.

영화 외에도 추천 서비스는 다양한 분야로 확산하고 있다. 다음카카오의 '카카오토픽'과 열정팩토리가 내놓은 '똑똑한뉴스'는 추천 알고리즘 기반 뉴스 서비스다. 페이스북도 뉴스 서비스에 취향 기반 추천 알고리즘을 도입할 계획인 것으로 알려졌다.

레진코믹스는 알고리즘에 기반한 웹툰 추천 서비스를 하고 있다. 영화 추천 서비스를 성공시킨 프로그램스도 웹툰 추천으로 영역을 확장할 계획이다.

음악에도 추천이 필요한 것은 마찬가지. 삼성전자가 내놓은 음악 스트리밍 서비스 '밀크'와 비트패킹컴퍼니의 '비트'도 추천 서비스 도입을 검토하고 있다.

전자상거래에도 추천 알고리즘은 빠르게 확산 중이다. 소셜커머스 업체 티몬과 11번가, 신세계면세점 온라인쇼핑몰 등이 추천 알고리즘을 채택했다.

◆협업과 빅데이터에 기반한 추천

이들 추천 서비스에 공통으로 적용된 기술은 '협업 필터링 알고리즘'이다. 같은 콘텐츠를 좋아하는 사람은 취향이 비슷할 것이라는 가정에 기반했다. '갑'이 A·B 콘텐츠를 좋아하고 '을'이 B·C 콘텐츠를 좋아한다면 갑에게는 C를, 을에게는 A를 추천하는 식이다. 콘텐츠 평가에 참여하는 사람이 많아지고 데이터가 쌓일수록 추천 정확도가 높아지는 머신러닝 기술이 적용됐다. '협업 필터링'이라는 이름이 붙은 이유다. 마침 빅데이터 시대로 접어들면서 개인화된 추천 서비스는 더 힘을 받고 있다.

협업 필터링은 1992년 미국 제록스의 팰러앨토 리서치센터가 구축한 정보 검색 시스템을 시초로 본다. 콘텐츠 서비스에 적용된 것은 같은해 폴 레즈닉 미시간대 교수가 미네소타대 연구팀과 함께 유즈넷 넷뉴스(USENET Net news)의 뉴스 추천 시스템을 개발하면서다. 이후 이 알고리즘은 아마존이 도서 추천 시스템에 적용하면서 유명해졌다.

◆추천 솔루션 기업의 대두

추천의 중요성이 부각되면서 협업 필터링 알고리즘은 독자적인 상품으로 자리잡고 있다. '레코픽'은 2012년 11월 SK플래닛의 사내벤처로 시작해 기업들에 추천 알고리즘 솔루션을 제공하고 있다. 레진코믹스 11번가 신세계면세점 한겨레신문 등이 주요 고객사다. 50여개 스타트업을 인수하며 벤처연합군을 자청하는 옐로모바일의 자회사 '레코벨'도 대표적인 추천 알고리즘 솔루션 기업이다. 옐로모바일은 레코벨의 추천 알고리즘을 자회사 서비스에 적용해 시너지를 낼 것으로 예상된다.

다음카카오도 추천검색팀을 따로 만들어 다양한 서비스에 추천 알고리즘을 적용하고 있다.

■ 알고리즘

컴퓨터가 문제를 해결할 수 있게 해주는 논리적 절차. 알고리즘에 따라 컴퓨터가 움직여 최적의 답을 찾는다. 검색엔진이 원하는 검색 결과를 찾고, 내비게이션이 최단 경로를 찾는 것도 모두 알고리즘으로 가능한 일이다.

박병종 기자 ddak@hankyung.com

[ 한경+ 구독신청] [ 기사구매] [ 모바일앱] ⓒ '성공을 부르는 습관' 한국경제신문, 무단 전재 및 재배포 금지