추천 알고리즘이란?
추천 알고리즘은 방대한 데이터 중에서 일정한 규칙에 따라 사용자가 좋아할 만한 콘텐츠를 추천해 사용자의 만족도를 높여준다. 더불어 기업에는 사용자의 플랫폼 체류시간 및 콘텐츠 운영의 효율성을 높여 구독자 이탈을 막는 데 효과적인 전략이다.
추천 알고리즘에는 2가지 종류가 있다.
-콘텐츠 기반 필터링(content-based filtering)
-협업 필터링(collaborative filtering)
콘텐츠 기반 필터링(content-based filtering)
콘텐츠 기반 필터링은 콘텐츠 정보를 기반으로 다른 콘텐츠를 추천하는 방식이다.
영화 콘텐츠의 경우라면 영화의 줄거리, 등장 배우와 장르 등을 데이터화 하고, 상품이라면 상품의 상세정보를 분석하여 추천하는 방법이다. 콘텐츠 기반 필터링의 장점은 콘텐츠 자체를 분석하는 것이기 때문에 초기에 사용자의 행동 데이터가 적더라도 추천할 수 있다.
다만 콘텐츠 기반 필터링 역시 한계점을 갖는다. 콘텐츠의 정보를 모두 함축하는 것에 어려움이 따른다. 예를 들어, K-POP 그룹 EXO의 멤버들 중 수호의 팬은 멤버 수호만이 등장하는 추천 콘텐츠를 바라지만 겹치는 콘텐츠 정보가 많아 원하지 않는 그룹 전체 혹은 그룹 내 다른 멤버의 활동 모습이 담긴 콘텐츠를 추천받기도 한다. 이렇듯 알고리즘의 입장에서 이용자의 성향을 세부적으로 파악하기가 어렵다는 문제가 발생한다.
협업 필터링(collaborative filtering)
협업 필터링은 많은 사용자로부터 얻은 기호 정보에 따라 사용자들의 관심사를 자동으로 예측하게 해주는 방법이다. 같은 행동을 한 사람들을 하나의 프로파일링 그룹으로 묶어서 그룹 내의 사람들이 공통으로 봤던 콘텐츠를 추천하는 방식이다. 예를 들어 쇼핑몰에서 상품을 구매하면 해당 상품을 구매한 사람들이 구매한 다른 상품들을 추천상품으로 보여주거나 SNS에서 나와 친구를 맺고 있는 사람들의 친구들을 자동으로 추천해주는 개념이다.
하지만 협업 필터링의 경우, (1) 기존 데이터가 없는 신규 사용자의 경우 추천이 힘들다는 점 (2) 사용자가 많아질수록 추천에 계산시간이 오래 걸린다는 점 (3) 다수의 사용자가 관심을 보이는 소수의 콘텐츠가 전체 추천 콘텐츠로 보이는 비율이 높아져 소외되는 콘텐츠가 생긴다는 점 등의 한계를 갖는다.
