마케팅과 역학 이론을 바탕으로 한 개인화 추천 알고리즘

2013년 중소 공연 서포터즈 플랫폼 서비스 개발에 있어 사용자 공연 취향에 따라 개인화 공연 추천을 위해 기획된 알고리즘입니다. 마케팅의 소비자 행동 이론과 물리학의 고전 역학 이론을 바탕으로 확률적 가능성을 추정/보정하여 정확도를 높이는 알고리즘으로 설계되었습니다. 

 

 

개요

이 개인화 알고리즘은 저는 행동 벡터라 이름 붙였습니다. 서비스 사용자의 행동의 벡터 힘으로 가정하여 추천을 진행하기에 이렇게 이름 붙인 것입니다.

 

행동 벡터 추천 알고리즘은 큐레이션 된 공연 정보의 검색/저장/구매 등의 현재의 행동을 바탕으로 추가 제시되는 공연 정보의 반응을 통해 사용자의 공연 욕구와 정보/구매 가능성을 확률적으로 추정합니다. 이 또한 마치 벡터의 머리와 꼬리와 같습니다.

 

행동 벡터 개인화의 장점은 작은 데이터로 추정이 가능하다는 점입니다. 개인 정보가 거의 필요 없고 행동을 통해 발생하는 방향성과 힘에 의해 개인적 특성을 추정합니다.

 

이는 공연과 같은 상품이 감성 데이터 기반 상품이기 때문입니다. 그러므로 상품의 절대적 기존이 없고, 같은 상품이라도 동일한 사용자가 그때그때 다른 데이터 발생시킬 수 있습니다. 그러므로 개인화 알고리즘에 개인 정보가 중요한 게 아니고 현재 그 사용자가 나타내는 상태가 중요합니다.

 

동일 사용자라도 행동 벡터를 구성하는 데이터에 따라 여러 취향으로 구분될 수 있습니다. 이는 마치 회사, 친구 모임, 집 등에서의 역할 행동을 구분하는 것과 비슷하다 할 수 있습니다.

 

그러므로 행동에서 나타나는 힘과 방향성에 따라 데이터를 보정하는 것이 중요합니다. 이를 위해 행동 벡터를 발생시키는 주체와 행동 벡터가 측정되는 계를 통해 보정합니다.

 

  

기본 측정 계

플랫폼 내에서 충분한 사용자 행동 데이터가 모여지기 전까지는 정확한 정보 구성을 만들기 어렵습니다. 물론 개인화 추천도 불가능합니다. 

 

이는 충분한 개인 데이터를 의미하는 것이 아닙니다. 기본적으로 개인 정보를 최소화하고, 가입을 쉽게 했으므로 개인을 핵심 키로 하는 데이터 집합을 구성한다는 것은 의미가 없습니다.

 

여기서 충분한 데이터의 의미는 집합적 데이터를 의미합니다. 일종의 구분되는 특성을 지닌 데이터 세트라 할 수 있습니다. 그리고 이러한 데이터 세트가 충분기 커지면 이는 독립된 하나의 측정 계가 됩니다.

 

이렇게 되기 전에도 공연 정보는 제공되어야 하므로 기본 측정 계를 구성해야 합니다.

 

기본 측정계는 사용자의 현재 공연 시장의 정보 체계를 기반으로 구성됩니다. 주요 커뮤니티 또는 티켓 판매처의 공연 카테고리 구성과 인기 있는 공연들의 특징, 무대에 올려지는 공연들의 내용을 기반으로 측정계는 구성됩니다.

 

이는 공연 정보에 대한 사용자 학습과 강화, 반복 등이 나타나는 현상을 통해 공연 플랫폼 사용자의 스키마 같은 형성된 인지 관성에 기반합니다.

 

 

결과 확률의 보정

행동 벡터 알고리즘의 정확도는 결과 확률의 보정을 통해 이루어집니다. 감성 데이터 기반 행동 벡터 개인화 추천 알고리즘이 실제 벡터와 다른 점은 결과 값이 추정이 확률적으로 이루어진다는 데 있습니다. 그러므로 행동 벡터에서 화살표의 위치는 점이 아니라 영역입니다.

 

행동 벡터 화살표의 영역을 의미하는 확률은 크게 행동 벡터를 만드는 주체 보정과 행동 벡터가 측정되는 측정 계의 보정으로 구분됩니다.

 

주체 보정은 사용자 스스로 감성의 상태 값을 오인했을 때 나타납니다. 감성 상품이 패션, 명품, 화장품 등과 공연의 데이터는 정확하지 않는 특성이 있습니다. 사용자 스스로 자신의 감성 상태를 정확히 표현하지 못할 뿐 아니라 주위 상태에 따라 감성 상태도 영향을 받게 됩니다. 

 

그러므로 행동 벡터의 주체 보정은 스스로 자신의 선호나 원하는 바를 사용자가 정확히 알지 못한다는 가정에 기반한 것이라 할 수 있습니다. 예를 들면 이는 마치 45도 각도로 80% 힘으로 공을 던진다고 할 때, 이것이 던지는 사람이 실제 던지는 각도와 80%의 힘의 크기가 정확하지 않는다는 점과 비슷하기에 공의 낙하지점을 보정하는 것과 비슷합니다. 

 

측정 계의 보정은 감성 데이터가 발생하는 행동 벡터 측정에 어떤 계를 적용할 것인지에 대한 것이라 할 수 있습니다. 사람에 따라 다를 수 있지만, 광고 노출, 주변 사람들의 반응, 모임 등에 따라 공연 정보에 대한 반응이 달라질 수 있다는 점입니다. 이는 사용자의 상황으로 인식하여 행동 벡터 주체 보정이라 이해할 수도 있습니다. 그러나 이는 그 사용자가 감성 데이터의 상황에 의한 변화라고도 판단할 수 있습니다.

 

이는 다시 위의 예에서 공을 45도 각도로 80% 힘으로 던진다는 가정에서 생각하면 이렇게 예를 들 수 있을 것입니다. 북동쪽으로 5m/s 바람이 불 때와 황사가 심할 때 던질 때 공의 낙하 위치를 보정하는 것과 같습니다. 또한 동네 운동장에서 던질 때와 한라산 백록담에서 던질 때 공이 날아가 떨어지는 위치를 보정하는 것과 비슷합니다.

 

 

스몰 데이터, 스마트 데이터

행동 벡터를 통해 개인화를 진행하는 데는 매우 적은 개인 정보를 기반으로 하기에 이를 스몰 데이터라 저는 불렀습니다. 정확히는 스몰 데이터 분석 알고리즘으로 빅데이터 알고리즘과 다른 개념으로 규정했습니다. 그러면서도 정확도는 빅데이터 분석의 정확도를 넘을 수 있다 보았습니다. 빅데이터에 있는 오염 데이터, 혼돈 데이터가 작기 때문입니다.

 

행동 벡터의 스마트 데이터는 데이터 하나가 발생할 시 수많은 맥락 정보를 내포하고 있어서 사용자에 대한 많은 인사이트를 제공해 주기에 이름 붙였습니다. 여기서 데이터가 스마트해지기 위해서는 최소 3번의 선택 행동이 있어야 합니다. 3번 이상의 연속적 행동 데이터가 모여 스마트 데이터로 변하게 되는 것입니다. 이것은 행동 벡터 알고리즘의 주요 특성이기도 합니다. 

 

그러므로 사용자가 공연 서포터즈 플랫폼에 로그인 후 공연을 바로 검색해 구매한 후 바로 나간다면 데이터는 스마트해지지 않습니다. 여기에는 검색 프로세스가 없고, 강력한 해당 공연 구매라는 목적성에 서비스를 이용한 것이기 때문입니다.

 

 

결론

감성 데이터 기반 행동 벡터의 독창성과 가능성은 일부 투자자로부터 인정을 받았습니다. 국내 중소 창작 공연 시장 활성화를 위해서는 공연 서포터즈 플랫폼이 필요하다는 것도 여러 공연 단체와 인터뷰한 관객들에게 공감을 얻었습니다.

 

그러나 작은 공연 시장과 중소 공연 관람에 대한 전통적 선입견, 행동 벡터 추천 알고리즘이 기존 유명 기업이 출시한 솔루션에 없는 방식이라는 점 등으로 투자 유치에 실패했습니다.

 

기본적으로 행동 벡터 알고리즘을 고도화하기 위해서는 다양한 데이터 세트와 측정 계의 구성이 필요합니다. 이 또한 투자가 필요한 부분입니다.

 

아마 지금이라면 달랐을 수도 있습니다. 지금은 AI에도 통계 물리학이 적용되고 있기 때문입니다. 그러나 아직 기계 학습과 텐서플로우도 베타 버전이었던 2013년~2015년에는 행동 벡터 아이디어로 투자는 불가능했습니다.  

 

지금은 공연 서포터즈 플랫폼 사업을 접었습니다. 그리고 일반적으로 시장이 형성되어 있는 앱과 웹 기획 외주를 주로 진행하고 있습니다.

 

여기에 그동안 자체 온라인 서비스 신규 사업을 진행했던 경험을 살려 앱/웹 개발의 실패를 줄이는 기획 방법론을 만들고 있습니다.

 

대부분의 외주 개발이 화면 그리고 바로 코딩하고, 유행에 따라 화면 디자인과 UI를 만들고 있습니다. 이로 인해 실패하는 앱/웹 개발이 많아지고 있음을 목격합니다.

 

그래서 서비스 기획에서 앱/웹 개발을 위한 기획, 설계, 관리를 효과적으로 할 수 있는 방법론을 이론적으로 어느 정도는 완성한 상황입니다. 이를 기반으로 기획 부분의 전문적인 외주 작업을 진행하려 합니다.

 

안타깝지만 행동 벡터 개인화 추천 알고리즘은 놓아주었습니다.