[서울=뉴스핌] 김지완 정윤영 기자 = #. 아마존 전체 매출 중 약 35%가 협업 필터링(collaborative filtering) 알고리즘에 의해 발생하는 것으로 조사됐다. 아마존 추천 알고리즘은 텍스트 매칭, 재고 히스토리, 가격, 판매 속도 등의 요소에 따라 검색 결과 순위가 결정된다.

#. 닐 모한(Neal Mohan) 유튜브 최고상품담당자(Chief Product Officer, CPO)는 최근 뉴욕타임스와의 인터뷰에서 "유튜브 이용자 시청 시간의 70%가 추천 알고리즘에 의한 것"이라고 밝혔다.

인간의 선택권이 인공지능(AI) 알고리즘 추천에 지배받고 있다. 인간 스스로 선택하기보단 인공지능이 추천하는 대로 사람이 결제 버튼을 누르는 추세로 바뀌었다.

소비자들은 입소문을 탄 콘텐츠를 좋아하나 그보다는 인공지능이 추천하는 콘텐츠에 더 높은 만족감을 표시하는 것. 온라인쇼핑에선 인공지능 추천 제품에 높은 신뢰를 보낸다. 불과 몇 년 전만 해도 홈쇼핑 쇼호스트가 지갑을 열게 만들었지만 이젠 인공지능이 대신한다. '셀링파워(Selling Power)'로 명성이 높았던 MD가 인공지능에 밀려가는 건 거스를 수 없는 흐름이 됐다.

인공지능 알고리즘 추천이 온라인쇼핑, 콘텐츠 소비 등 우리 삶과 생활방식을 송두리째 바꿔놓고 있다. 우리 일상을 바꿔버린 인공지능은 다시 한 번 추천 알고리즘을 업그레이드할 태세다.

◆ 개인성향 미반영→유사성향 분류...영향력 ↑

초창기 인공지능은 개인 성향을 반영하지 못하고 '룰(Rule)'에 의해 추천했다. 김정호 카이스트 교수는 "과거 인공지능은 모델 베이스(Model Based) 인공지능으로서 ''어떤 사람이 이 음악을 들으면 이런 음식을 좋아할 거다'라는 연관성, 즉 룰(Rule)을 사람이 직접 만들어냈다. 이를 프로그램으로 입력해 작동했다"고 설명했다.

이 단계 알고리즘에선 상품 묶음 정보를 규칙적으로 표시하는 등 개인별 성향을 반영하지 못한다. 때문에 추천 시스템이 비효율적인 확장성을 갖고 있었고, 유지 관리에도 어려움이 있었다.

그러던 것이 유사한 성향의 사람을 따로 묶는 '협업필터링' 추천으로 진화했다. 협업필터링은 사용자 클릭, 좋아요 또는 싫어요, 별점 또는 평점 등의 기호 데이터를 사용해 추천해 준다. 콘텐츠 사용 패턴이 비슷한 사람들이 서로 비슷한 선호를 갖고 있다고 가정하고 추천한다. 개인의 선호가 부분적으로 반영되기 시작한 것이다. 이때부터 인공지능 추천 알고리즘의 파괴력이 커졌다.

협업필터링 추천 알고리즘을 보여주는 대표적인 사례가 NHN의 광고(AD) 프로그램 'more'다. 'more'는 온라인 쇼핑몰 방문자 100명 가운데 98명은 구매 없이 그냥 떠난다는 현상에 주목해 2018년 4월 출시됐다.

'more'는 사이트 유입 경로부터 탐색, 이탈 조짐까지 이용자 행동을 추적해 데이터를 수집한다. 수집된 행동 데이터와 관심상품 데이터를 인공지능 추천 알고리즘이 분석하고, 이용자 간 취향 유사도 및 상품 유사도를 산출한다. 여기에 웹사이트 내에서 실시간 발생하는 구매 데이터 분석을 더해 타깃 이용자 구매 가능성이 가장 높은 추천 상품을 찾아낸다.

이 같은 과정을 통해 방문자의 이탈 조짐이 감지되는 순간이나 구매 확률이 높은 시점에 추천 상품을 패널 형식의 콘텐츠로 보여준다. 'more 패널' 클릭률은 평균 10~15%다. 이는 기존 검색광고 클릭률에 비해 최대 7.5배 높으며, 전 고객사 기준 2000% 이상의 광고비 대비 매출 비율(ROAS)을 기록했다. (2020년 8월 기준 국내 온라인광고 평균 ROAS는 442% 수준)

◆ 비슷한 분위기 콘텐츠 찾아주는 기술로 지배력 ↑

협업필터링은 다시 한 번 음악, 영화, 웹툰 등을 위한 '콘텐츠 기반 필터링(Contents Based Filtering)' 기술로 진화했다. 이는 특정 가수 음악을 좋아하는 사람에게 그 가수와 비슷한 분위기를 가진 가수를 추천해 주거나 축구 뉴스를 좋아하는 사람에게 월드컵 소식을 추천해 주는 기술이다.

카카오 관계자는 "협업필터링은 서비스의 목적에 따라 적절한 것을 선택해야 한다"며 "예를 들어 픽코마에서는 추천을 통한 첫 에피소드 열람과 지속 열람 비율을, 카카오미니나 멜론 같은 음악 도메인은 곡을 스킵하는 비율이나 추천을 통해 소비하는 콘텐츠 수를 확인한다. 카카오톡과 다음 모바일의 콘텐츠 추천은 체류시간 등 다양한 지표가 사용된다"고 설명했다.

실제 지난 2월 다음 모바일 'MY피드'에 적용된 체류시간 기반 콘텐츠 추천은 클릭 기반 추천 방식보다 인당 체류시간은 29초(+12%), 콘텐츠당 체류시간은 6.5초(+16%) 각각 높았다. 웹툰 사이트 '픽코마'는 2017년 말 이 방식의 추천 도입 이후 사용이 계속 증가해 현재 첫 열람의 50% 이상이 추천에 따른다. 지난 8월 다음 앱과 카카오톡은 쇼핑탭의 대부분 상품 컬렉션에 추천을 적용하도록 개편했다. 추천 적용 직후 상품 클릭은 50% 이상 상승했고, 매출도 꾸준히 늘었다.

네이버는 지난 2017년 4월 뉴스를 시작으로 개인별 콘텐츠 추천 서비스인 AiRS(AI Recommendation System)를 도입했다. 라인을 통해 해외에서 뉴스 서비스를 제공하는 '라인 투데이'의 경우, AiRS를 통한 추천 서비스를 시작한 이후 뉴스 페이지뷰가 1년 만에 69%, 일일 이용자 수는 176% 증가했다.

◆ 딥러닝 통한 개인맞춤형, 기존 시장 질서 '파괴'

최근엔 기계학습·딥러닝(심화학습)을 통해 개인 맞춤형 추천 알고리즘으로 발전하고 있다. 이 분야에선 네이버가 선두주자다. 검색시장에서 방대한 고객 행동 및 상품 관련 빅데이터를 보유하고 있어서다. 네이버는 이 빅데이터 기반으로 자체 개발한 인공지능을 활용한 추천 알고리즘을 고도화했다. 이를 뉴스, 쇼핑, 장소 검색에 적용했다. 바로 'AiTEMS(에이아이템즈)'다.

2017년 9월 오픈 이후 에이아이템즈 일일 클릭량이 4개월 만에 7배 이상 증가했다. 동시에 이용자 취향에 따라 인지도 낮은 상품 등도 골고루 노출되는 기회를 얻으면서 판매자 만족도 역시 상승했다. 네이버쇼핑은 후발주자임에도 불구하고 지난해 쿠팡 거래액을 넘어섰다.

AI 기반 장소 추천 시스템인 에어스페이스(AiRSPACE)를 적용해 이용자와 자영업자·소호(SME, Small Medium Enterprise)를 더 긴밀하게 연결하는 '스마트어라운드'도 최근 주목받고 있다. AI가 사용자 개인 컨텍스트(위치, 시간대, 성별, 연령 등)에 맞춰 맛집, 카페 등 다양한 곳을 알아서 추천한다. 이용자에게는 최적의 장소를 추천하고, 소상공인들에는 더 많은 이용자에게 노출될 수 있는 기회를 제공하는 위치 기반 탐색 도구로 자리 잡았다.

황승택 하나금융투자 연구원은 "네이버는 딥러닝 기술을 활용해 텍스트, 이미지, 동영상 등에서 사용자의 기호에 최적화된 검색 결과를 노출하고 있다"며 "쇼핑 부문에서도 인공지능 기반 추천 기술 '에이아이템즈'를 활용해 개인 선호도에 따른 차별화된 상품추천 서비스를 제공하고 있다"고 진단했다.

◆ "맞춤형 AI, 개인별 아바타로 발전할 것"

개인 맞춤형 인공지능은 개인별 아바타로 발전할 것이란 관측이다. 김정호 교수는 "음악을 듣거나 영화를 보면 계속 데이터가 쌓인다"며 "이걸 계속 데이터로 학습하다 보면 나와 똑같은 인간이 구글 인공지능망에도 존재하게 될 것"이라고 내다봤다. 이어 "인공지능망이 광고, 구매, 접속 등 내 성향을 완전 파악하고 추천할 것"이라며 "그 모델을 갖고 사업을 하는 서비스는 광고효율이 높아지기 때문에 매출이 극대화될 것으로 보인다. 배달의민족, 온라인쇼핑 등이 여기에 해당된다"고 분석했다.

카카오는 개인 맞춤형 인공지능 추천 알고리즘 투자를 성장 핵심 전략으로 설정했다. 카카오 인공지능 관계자는 "정교한 추천 기술을 위해서는 딥러닝을 비롯해 많은 기술이 접목되고 있다"며 "앞으로 사용자 경험과 매출 극대화를 달성하기 위해 개인 맞춤형 인공지능 알고리즘 추천 기술에 투자할 계획이다. 개인화와 맥락의 다양화·이해를 핵심 기술 영역으로 보고 있다"고 강조했다.

다만 국내 개인 맞춤형 인공지능 추천 알고리즘이 글로벌 시장에 맞설 경쟁력을 확보할 수 있을지에 대해선 의구심이 있다. 향후 구글 쇼핑, 아마존 쇼핑 등의 국내시장 진출 본격화를 염두에 둔 분석이다.

swiss2pac@newspim.com