"머신러닝을 이용한 추천 알고리즘을 통해 고객이 몰랐던 취향까지 파악한다."

 개인화 추천 기능의 성공 사례를 얘기할 때 빠지지 않고 등장하는 서비스가 있습니다. 전 세계 약 1억 명 이상의 회원을 보유하고 있는 넷플릭스는 개인화된 콘텐츠 추천을 위해 많은 공을 들이고 있습니다. 넷플릭스는 머신러닝을 이용한 추천 알고리즘을 통해 사용자들이 원하는 콘텐츠 뿐만 아니라 자신이 원하는지조차 몰랐던 콘텐츠 까지 추천하고 있습니다. 예를 들어 특정 영화를 보다가 유령이나 괴물이 나오는 무서운 장면에서 시청을 포기하는 일이 반복되면 이러한 성향을 학습하여 이후 추천 목록에서 유사한 장면이 나오는 콘텐츠 를 제외 합니다. 이와 관련하여 넷플릭스 관계자는 "사용자의 시청 습관에 따라 추천 항목이 다르며, 사용자는 오래 이용하면 할수록 취향에 맞는 능동적인 콘텐츠가 추천되는 것을 경험할 수 있을 것" 이라고 말했습니다.

 "립스틱을 샀다면 손거울도 필요하지 않을까?"

 아마존은 넷플릭스와 함께 훌륭한 추천 시스템들을 가진 것으로 유명합니다. 아마존은 회원들의 소비 패턴을 분석해 구매 가능한 상품을 추천하는데, 아마존 성장의 일등 공신으로 매출의 35%가 추천 상품에서 발생하고 있다고 합니다. 아마존의 추천 시스템들 중 A9은 상품 간의 상관관계를 결정하는 아이템 매트릭스를 만든 후 고객의 최신 입력 데이터를 기반으로 고객의 기호를 유추해서 상품을 추천합니다. 예를 들어 고객이 현재 삼성 TV를 검색하여 살펴보고 있을 경우 추천 시스템은 삼성 TV와 상관관계가 있다고 판단되는 TV 홈시어터, HDMI 케이블 등의 상품을 즉각 추천합니다. 이를 위해선 수백만 가지의 상품별, 수천만 명의 고객별 아이템 매트릭스를 미리 만들어야 하며 이런 분석과 추천이 가능한 배경에는 빅데이터 기술이 발전한 점과 이에 따른 분석 능력이 획기적으로 진화하고 있기 때문입니다.

 "학습과 분석을 통해 클릭할 확률이 높은 뉴스를 예측 한다."

 24시간 뉴스 서비스를 하는 포털 사이트에서 추천은 핵심 기술로 분류됩니다. 이용자 마다 선호도를 판단해 클릭할 확률이 높은 뉴스를 보여줄수록 더 많은 방문자를 확보할 수 있기 때문입니다. 관심 가는 뉴스를 적절하게 추천 받으면 이용자 입장에서도 편리합니다. 카카오의 뉴스 개인화 추천 시스템인 "루빅스"는 2015년 6월 도입 후 머신러닝과 AI 기술을 결합하여 현재의 모습을 갖추게 되었습니다. 해당 시스템은 로그인한 사용자가 클릭한 뉴스들을 바탕으로 비슷한 뉴스를 추천해주거나 성별, 연령대별 선호 뉴스를 노출시키는 방식의 한계를 벗어나 최신 뉴스의 가중치 부여, 이미 클릭한 뉴스의 가중치 조정, 이용자 선호도 반영 등의 학습과 분석을 통해 클릭할 확률이 높은 뉴스를 보다 세밀하게 예측할 수 있다고 카카오는 밝혔습니다.