넷플릭스 하우스오브카드로 살펴본 개인화 시스템의 빛과 그림자 봅시다

하나. 들어가면서

>

2011년 2월 미디어 라이츠 캐피탈(Media Rights Capital, MRC)의 두 창업자'시모토게 우이직(Mordecai Wiczyk)'과 '아시프 사추(Asif Satchu)'는<하우스 오브 카드>의 파하나롯의 기획안을 들고 오메리카의 방송국 관계자를 맨 봉잉로 다녔다.여느 프로그램 제작자와 마찬가지로 TV 방영권을 따내기 위해서였다. 그렇게 본인의 정치 드라마<웨스트 윙>이 끝난 2006년 이후.미국 방송계에선 정치드라마가 성공 가능성을 오전으로 인식하고 있었다. 그래서인지 방송사 경영진은 하우스 오브 카드의 파하날롯을 만드는 데 소극적인 태도를 보였다.

반면 시청자 개별 데이터를 갖고 있던 넷플릭스는 달랐다. 넷플릭스에서 콘텐츠 전략을 계승하던 테드 서랜도스(Ted Sarandos)는 자신들의 가입자가 대부분 데이비드 핀처 감독의 작품과 케빈 스페이시를 좋아한다는 사실을 알고 있었다.하우스 오브 카드는 영국 BBC에서 방영된 동명의 정치 드라마에서 모티브를 얻었는데, 넷플릭스 회원 대부분이 오리지널 BBC 프로그램을 보기 위해 DVD를 빌린다는 사실도 넷플릭스는 알고 있었다. 즉, 넷플릭스는 "하우스·오브·카드"의 찬스를 알고 있고, 다른 방송국은 몰랐던 것이다. 다음 이 이야기는 우리 모두가 잘 알다시피 넷플릭스의 꽃길이 열렸다. 개인화, 데이터 마이닝, 추천 알고리즘 등 기존에 알려지지 않은 개념에 많은 사람들이 관심을 갖기 시작했습니다.

>

넷플릭스의 선구안은 필자가 번역한 플랫폼이 콘텐츠다에 등장하는 대표적인 개인화 관련 성공사례다. 구독자 개개인이 어떤 개인 취향을 가지고 있는지 과학적으로 분석함으로써 기존의 비즈니스와는 전혀 다른 혁신을 이룰 수 있었던 것입니다. 그렇다면 넷플릭스의 콘텐츠 전략은 구체적으로 어떤 원리를 기반으로 하고 있는가?

2. 개인화 시스템의 빛

개인화 시스템은 사용자 개인의 성향에 맞는 정보와 서비스를 공급하는 시스템을 의미한다. 과거의 아날로그 시대의 콘텐츠 비즈니스가 일반 대중을 대상으로 제작자가 원하는 콘텐츠를 한 방향으로 전달하는 형식이었다면, 개인화 시스템은 디지털 데이터를 바탕으로 사용자 개인이 무엇을 원하는지를 파악하고, 이에 맞춰 사용자가 만족할 수 있는 콘텐츠를 쌍방향으로 제안한다는 점에서 차이가 있다. 쉽게 KBS MBC 등 지상파 방송과 유튜브에서의 프로야구 콘텐츠를 비교해 보자. 기존 방송환경에서는 프로야구 뉴스를 알기 위해 시청자가 TV 앞에서 운동뉴스가 나올 때까지 기다린 뒤 방송사에서 정한 이 스토리를 방송국에서 정한 시간에 시청자 전원이 동시에 시청하는 형태다. 시청자 개인이 한화 팬인지 두산 팬인지 방송사가 알기 어렵다.

유튜브는 어떤가. 간단한 설명을 위해 잠실야구장을 자주 찾는 두산 팬 A 씨를 잠시 맞을 생각이다. (이 글의 필자는 두산과 1Percent도 관련이 오프소리울 가장 아프소소 밝혀)두산 팬 A씨가 유튜브의 검색창에 '프로 야구 두산'라고 입력하면 만 개가 넘는 영상이 표시된다.이 중 영상 하나를 클릭하면 관련 비디오가 화면 옆에 본인열되고 유튜브를 방문할 때마다 프로야구 영상이 추천 영상으로 표시된다. 이제 A는 자신이 나쁘지 않을 비디오를 유튜브에서 쉽게 추천받게 된다. 시간댓글도달고재미있는영상은자신의SNS로공유합니다. 자연스럽게 유투브에 머무는 시간이 많아지고, 관심있는 배현 씨의 광고를 보면 클릭도 합니다.

데이터마이닝 학계로 유명한 Bing Liu의 웹 Data Mining이라는 책에는 개인화 시스템의 기본 알고리즘 두 가지가 잘 설명돼 있다. 하자는 Content-based recommendations(콘텐츠 기반 추천)였고, 다른 하자는 Collaborative recommendations(유사 사용자 기반 추천)라는 이름이었다.가장 먼저 Content-based recommendations는 스토리 당신에서 사용자가 과거에 좋아했던, 즉 시청한 적이 있는 컨텐츠와 대등한 컨텐츠를 추천하는 알고리즘이었다. 유튜브가 두산의 야구 경기 비디오를 클릭한 A에게 훨씬 두산 게이입니다. 영상을 추천하는 형태다.

이와 달리 Collaborative recommendations는 '괜찮다'와 비슷한 취향을 가진 다른 사용자가 과거에 선택한 콘텐츠를 '괜찮다'에게도 추천해 주는 알고리즘이다. 유튜브에서 두산 야구 경기를 자주 보는 사용자들이 자주 보는 비디오를 A에게도 추천하는 형태다.  보다 심화된 추천 알고리즘을 이해하고 싶은 분은, Bing Liu의 개인 홈 페이지에 접속하면의 영어판의 전자 서적을 다운로드할 수 있으므로 참고하면 좋다.https://www.cs.uic.edu/~liub/

3. 개인화 시스템의 어둠

그동안 넷플릭스와 유튜브라는 대중적인 개인화 시스템이 우리에게 어떤 편리함을 주는지 알아봤다. 이번부터는 두산 팬 A 씨와 함께 개인화 시스템의 단점에 대해 간단히 알아보자.

>

A 씨는 유튜브에서 두산 경기 영상을 주로 본다. 그 영향으로 A 씨의 추천 영상은 대부분 두산과 관련된 얘기였다. 방송에서 스포츠 뉴스를 볼 때는 자신이 원하지 않아도 다른 팀의 경기 소식을 접하게 되고 다른 스포츠 종목에 대한 뉴스도 보게 된다. 한편 유튜브에서 프로야구 뉴스를 본 뒤에는 SK와 LG, 기아 등 다른 프로야구팀의 뉴스를 예전만큼 접할 기회가 상대적으로 줄어들게 된다. 물론 A 씨가 다른 팀의 경기 영상까지 두루 시청했다면 그만큼 폭넓은 정보를 접하게 되지만, 그게 아니라 유튜브가 추천하는 대로 노인은 자신이 보고 싶은 비디오만 보면 계속 두산이라는 메아리가 울리는 방안에 머무르게 된다. 바로 에코챔버 효과(Echo Chamber Effect)가 일어나는 것이었다.

에코챔버 효과를 가장 잘 설명하는 속 다음에 달면 삼키고 쓰면 뱉는다는 이 스토리가 있다. 즉, 본인이 원하는 정보는 수용하고, 본인이 원하지 않는 정보는 결심을 하든 부작위든 눈을 감아버리는 것이었다 개인화 알고리즘이 발달한 소셜 미디어 본인 컨텐츠 추천 시스템에서 에코챔버 효과는 현저하며, 운동, 영화 등의 문화 영역보다 정치, 사회 영역 등에서 보다 심각한 문제를 낳는다. 그 결과 본인과 의견이 엇갈리는 사람끼리만 정보를 공유하고, 다른 때때로 가진 사람의 정보를 접할 기회가 줄어들고, 본인이 믿고 싶은 것만 믿는 확증 편향이 심화된다. 이 때문에 일부 추천 서비스에서는 에코챔버 효과를 줄이기 위해 일부러 사용자의 취향이나 다른 정보를 추천하기도 한다.

4. 나쁘지 않으면서

서두에 언급한 넷플릭스의 사례로 돌아가 보자. 아니 더 정확히는 2011년 당시<하우스 오브 카드>의 현실성을 무시한 미국 주요 방송사들이 취한 입장이 어떠했는지 소소교은 볼 필요가 있다. AOLTV에서 작가로 활동하던 모린 라이언(Maureen Ryan)은 "넷플릭스가 파일럿 프로그램도 만들지 않고 드라마를 만들려고 한다. 우리는 흔히 방송사 경영진을 비웃지만 적어도 그들은 나쁘지 않고 그들의 말을 잘 안다면서 넷플릭스는 성공하기 어렵다고 말했다.

>

하지만 나쁘지 않고 넷플릭스는 시청자 개별 데이터에 기초한 판정을 내림으로써 데이비드 핀처 감독을 비롯한 제작진에게 기존 방송사들이 재공하기 어려웠던 수준의 자유로운 창의력과 제작 환경을 보장해 준 것이라고 할 수 있다. 숫자와 창의력이 공존한 결과는 하우스오브카드 작품에 고스란히 담겨 있다. (아시다시피 케빈 스페이시는 제외하고) 넷플릭스의 하우스 오브 카드 사례는 앞서 언급한 성공 스토리지만 이들이 만든 개인화 시스템이 어떤 성과를 만들어냈는지는 문화기술이나 콘텐츠 경영에 관심이 있는 사람들에게 여전히 시사하는 바가 크다.

입니다. 제완(IT칼럼니스트) 경영과 기술을 같이하는 IT라이팅을 목표로 한다. 플랫폼이 콘텐츠인 역자이며 테크니들(www.techneedle.com)에서 집필진으로 활동하고 있다. 고려대 신문방송학과를 졸업하고 KAIST 경영대학원에서 정보경영 석사학위를 받았다. 현재 미국 UNCC에서 Software and Information Systems 박사과정을 밟고 있다. jaewan@techneedle.com

>