개인화 서비스 설계를 위한 기획적 고려 사항에 대한 의견

2015년 이전에 개인적으로 개인화 서비스 플랫폼 사업을 하면서 생각했던 기획적 개인화 설계 고려 사항을 몇 가지 정리해 보려 합니다. 그 당시 저는 행동 벡터라는 개념으로 서비스 플랫폼 내에서 발생되는 개인의 행동 데이터를 벡터 해석을 통해 개인화 추천 하는 방식의 개념을 설계했었습니다.

 

 

    

사용자가 추천을 원하는 이유

 

그 당시 저는 먼저 사용자가 왜 추천을 원하는지 고민을 했습니다.

 

일단은 사용자가 어느 정도 해당 분야 지식이 있고, 무엇을 원하는지 알고 있다는 가정하에서는,

• 검색 시간과 효율성 때문일 것입니다.

 

그런데 때로는 사용자가 해당 분야에 대하여 잘 모르기 때문에, 또 정확히는 자신이 무엇을 원하는지 모르기 때문에 검색을 하는 것일 수 있습니다. 이 경우 추천을 원하는 것은

• 해당 분야를 잘 아는 누군가 내가 알아야 하는 것을 알려주기를 윈 하기 때문입니다. 

 

그런데 정보가 많아지고, 알아야 할 새로운 지식도 많아지는 현대의 경우 두 번째 추천 니즈의 경우가 더 많아지고 있습니다.

 

과거 쇼핑몰은 의류, 식품, 전자제품 등 카테고리 검색만 잘해도 원하는 구매 제품을 쉽게 찾을 수 있었습니다. 그러나 지금은 의류도 남성, 여성 외에 브랜드와 스타일 등 구분이 많아졌고, 식품은 과일, 채소, 고기 등 재료뿐 아니라 밀키트 등 과거에 비해 더 다양해졌고, 전자제품의 경우는 그 분야가 더 많아졌습니다.

 

게다가 판매 상품이 수십만 개 되는 쇼핑몰도 있어서 카테고리 검색만으로는 쇼핑몰 제품마 보기에도 1시간이 넘게 걸리고는 합니다. 제품이 많아지다 보니 더 심각한 것은 쇼핑몰마다 배치 및 노출 방식이 다 제각각이 되었다는 점입니다.

 

그래서 이제는 효율적인 인터넷 쇼핑을 위해서는 지금 검색을 하고 있는 인터넷 쇼핑몰의 특성을 알고 있어야 한다는 점입니다.

 

그래서 사용자는 더 추천 서비스를 원하게 되고 있습니다.

 

 

 

추천을 원하는 이유 두 번째

 

이러한 온라인 서비스 시장의 변화는 사용자 인지 처리의 부하를 가져오게 되었습니다.

 

사용자 인지 부하가 어떤 현상을 야기하는 가는 책에서, 인터넷 검색, 커뮤니티, 유튜브(동영상)로 이어지는 지식 검색의 변화를 통해 잘 알 수 있습니다.

 

정보가 많아질수록 사람은 누군가 쉽게 이해할 수 있도록 찾아서 정리해 주는 것을 원하고 있습니다. 책으로 스스로 공부하면서 찾는 것에서 인터넷을 해당 부분만 찾는 것으로, 또 검색도 힘들어서 그런 지식이 모여 있는 커뮤니티를 애용하다가, 읽는 것도 귀찮아서 누군가 다 정리해 말해주어 듣기만 하는 것으로 변화해 가고 있습니다.

 

이는 능동 학습에서 수동적 학습으로 인지 처리가 작아지는 방향으로 변화하고 있다는 것을 의미합니다.

 

 

 

사용자 추천의 조건

 

그렇다고 아무것이나 추천해 주어도 된다는 말은 아닐 것입니다.

 

추천은 사용자 니즈에 적합해야 한다는 조건이 붙게 됩니다. 이는 사용자의 선택이라는 행위를 통해 표출됩니다. 사용자는 추천되는 여러 정보 중에서 선택이라는 행위를 통해 자신의 니즈를 나타내는 것입니다.

 

그러나 이러한 니즈는 추천 전에 사용자가 표현하지는 않습니다. 단지 추천 정보라는 자극에 대한 반응으로 사용자 잠재된 인지 속에서 표출되는 것입니다.

 

바로 이러한 사용자의 추천에 대한 인지 반응이 행동 벡터(데이터)를 구축하는 제1 조건이 됩니다. 

    

 

 

사용자의 추천에 대한 반응 환경

 

이때 기획적으로 고려해야 하는 것이 바로 서비스 플랫폼의 이용이라는 조건입니다.

 

몰입에 의한 인지/사고 주위의 변화를 고려해야 한다는 것입니다.

 

이것과 비슷한 예는 재밌는 영화를 볼 때 옆에 누가 무슨 말을 해도 못 듣는 것, 좋아하는 사람을 볼 때 주변의 누구도 보이지 않는 것 같은 현상을 들 수 있습니다.

 

즉, 서비스 플랫폼에 로그인해서 이용을 하게 될수록, 사용자 친화적 서비스일수록 사용자는 해당 서비스 내용에 몰입이 진행되고 이는 이후 진행되는 추천의 결과에 대한 반응에 영향을 준다는 것입니다.

 

이를 이용한 마케팅 방식이 바로 기사 홍보, 전문가 광고, 과거 한때 세상을 떠들게 했던 후기/구매수 조작, 음원 콘텐츠 플랫폼에서 순위 조작 등이 있습니다.

 

결국 서비스 플랫폼 구조/정책 자체가 사용자의 행위에 영향을 준다는 것입니다. 이는 서비스 플랫폼 이용 반복 행동의 횟수에 비례하는 특성이 가지고 있습니다. 이 또한 일종의 사람이 가지는 인지적, 심리적 특징 중 하나입니다.

 

이런 이유로 저는 과거 추천 알고리즘을 설계할 때 다음의 두 가지를 기획적으로 고려하였습니다.

•  
• 서비스 플랫폼이 가지는 데이터 구조 특징
• 반복 행동에서 나타나는 사용자 로그인 이유 

 

이를 통해 제가 설계한 행동 벡터 방식 개인화 추천은 사용자가 로그인 후 3번 정도 클릭이 발생한 이후 높은 정확도를 가진다고 가설을 세웠습니다.

 

 

 

행동 벡터 개인화 추천

 

그래서 행동 벡터(데이터) 개인화 추천은 기존 추천과 다음과 같은 차이를 보이게 되었습니다.

 

• 같은 데이터라도 이전 연결 데이터에 따라 다르다. (벡터성)
• 같은 데이터라도 측정 계에 따라 데이터는 다르다. (벡터계) 

 

저는 기획자이지 개발자도, 특히 데이터 개발자나 AI 개발자는 더욱 아닙니다.

 

단지 공을 던질 때 공이 날아가는 것이 날씨에 따라 다른 것을 보고, 지구와 달에서 그 공이 날아가는 것이 다르다는 사실을 책에서 보고 행동 벡터 개인화 추천을 기획/설계한 것일 뿐입니다.