'개인화 추천'에 해당하는 글 2건

얼마전 페이스북모임인 플랫폼전문가그룹의 저녁 토론회에 참석하였다. 주제는 <빅데이터 한국에도 필요한가> 토론회에는 기술, 사업, 전략 등 다양한 분야의 현업 전문가들이 함께 하였다. 

 

모 기업의 데이터플랫폼 전문가의 강의 이후 토론회가 전개 되었다. 필자는 미디어 분야에서의 빅데이터 필요성과 향후 활용 가치를 고민하면서 다양한 분야의 시각을 이해하고자 참여하였다
2012/01/15 - [TV 2.0 & 미디어2.0] - 방송의 미래 : TV3.0은 빅데이터 기반?

 

이용자의 정형, 비정형 데이터가 페타급 이상 증가하면서 빅데이터의 저장과 가공, 분석의 중요성이 대두되었다.  1952large scale 데이터라고 부를 수 있는 크기가 8백만 digit 수준이었으니 페타급 데이터는 가히 폭발적 크기이다.

 

빅데이터의 속성은크게 볼륨, 속도(near time, real time) , 다양성등인데 이러한 속성은 어떤 관점에서 출발하느냐에 따라 빅데이터의 활용성이 틀려진다고 한다.   가장 중요한 것은 3가지속성의 공통 분모인 고객의 가치(value) 기반에 접근 방식이 상위에 있다고 강사는 역설한다.

 


그런데 빅데이터의기술적 이해를 설명한 뒤
, 강사는 과연 한국에 페타급 데이터를 보유한 기업이 얼마나 되는지  묻는다.   현실적으로 페타급 데이터가 쌓이고 있는 서비스는 네이버 정도 (UV 25백만)  인데 페타급 데이터를 가지고 있느냐과이를 활용하고 있느냐는 다른 의미라는것.

 

통한  TELCO들이 다루고 있는 고객의 빌링데이터나 금융계의 데이터들도 크기는 크지만 이용자들의 이용 로그(usage log)를 개발 DB에 쌓는 수준이며 진정한 의미에서 빅 데이터의 활용은 부족하다고 분석한다.

                      

빅데이터의 진정한 가치는 사용자 프로파일링에 기초하여 개인화, 검색, 상품 추천등으로 나타나야 한다고 설명한다.

 

이런 의미에서 국내에 과연 빅데이터는 있는가? 라는 물음에 빅데이터의 활용 관점에서 보자면 "없다"는 주장을 펼친다.
 

 

사실 빅데이터는 을빼고 나면  CRM 과 같은 데이터마이닝에 기반한 마케팅 분석 툴과 비슷해 보인다.  이런의미에서 보자면 빅데이터가 그리 특별하지 않다는 참석자들의 토론이 이어졌다.   많은 인터넷 기업들이 구글 애널리스틱을 활용하여 고객의 흐름을 분석하고있고 대기업, 금융계는 전용 DW 솔루션을 활용하고 있는데현실적으로 이정도 수준으로도 충분하다는 것이다. 

 

대용량의 정보가 증가하면서 데이터의 기준이 테라를 넘어, 페타에서엑사, 제타급으로 늘어갈것은 자명한 사실이다.  웹과 모바일 사이트의 방문, 모바일앱 간의 이동과 검색 결과 값과 각종 미디어 서비스의 이용 통계,  커머스 정보 그리고 소셜네트워킹의 정보들이 축적되면서 데이터의 관리와분석은 핵심 경쟁력이 될것이다. 

 

그러나 빅데이터는 데이터를 축적하는 행위와 분석하는 행위로 나누어 볼때 현실적 측면에서 다소 호들갑스러운 측면이 있다는 것이 토론 참석자들의 견해이다.  

 

빅데이터의 활용 결과는 추천, 개인화로 비즈니스 단위가만들어져야 한다.  아마존의 매출중 30%가 추천으로 인해 발생된다는 분석에서 보듯 구조화된 사업으로 이어져야 하지만 국내의 데이터활용 사례는 빅데이터에 걸맞지 않는다는 것이다. 

 

빅데이터의 비즈니스 활용은 우선 데이터의 축적이 중요하다.   그 행위는 기업이나 서비스 마다 중요도가 다르고 방법론도 틀려야 한다.    페이스북은  이용자 프로파일링에 중점을 두고 아마존은상품 거래 행위 간의 추천 정보를 모으는데 주력한다.    구글의 구글플러스는 소셜네트워킹 서비스로의 독자적 행보 라기 보다는페이스북 연동을 통해 페이스북의 연계 정보를 흡수하려는 전술이라는 해석도 빅데이터 관점에서 보면 장기적 데이터 축적 행위라고 토론자들의 의견이이어졌다.   (구글 플러스에 대한의견은 다수의 동의를 받기 어려울수도 있지만)

 

데이터의 축적은 장기적 행위이며 축적과 동시에 활용으로 이어지기 보다는 고객의 경험 데이터가 축적될수록 활용 가치도 커지는 단계적 과정을 거친다. 애플의 음성 인식 인터페이스인 Siri  가 대표적 사례이다.

 

빅데이터가 축적되어 고객에게 제안하는 구조화된 서비스들은 넛지방식으로 나타나야 한다.   필자의 신용카드 거래액은 3월에서10월까지 꾸준히 유지되다 11~12월에 감소한다.   매해1월 이면 어김없이 문자메시지와 전화를 통해 할인을 유도하는 신용카드 회사의 마케팅 제안을 받는다.   이러한 고전적인 CRM  방식에 익숙한 고객들은 나의구매 행위를 활용하는 기업의 마케팅 활동을 긍정적 시각으로 수용하지 않는다. 

 

기계적 방식의 데이터 분석은 개인의 정보를 근간으로 하기 때문에 개인이 알아채는 순간 오히려 역 효과를낼 우려가 있다.  특히 경쟁 서비스들의옵션이 도처에 깔려있는 선택의 무한 시대에는 어설픈빅데이터가 힘을 발휘하기 어렵다. 

 

이런 의미에서 빅데이터와 다른 방향으로 큐레이션개념이 서있다.

 

최근 각광을 받고 있는 큐레이션은  기계적 검색 결과가 제안하는 개인화된 정보가 오히려 개인들에게 혼란을야기할 수 있다는 IT의역설적 상황에 토대를 두고 있다.   

 

정보를 필터링 해주는 것은 기술의 힘이 아니라 인간의 힘이며 인간에 의해 콘텐츠를 수집하고 편집해서보여주는 것이 가장 좋은 필터링과 검색이라는  것이 곧 큐레이션이다.  빅데이터가 Real time을강조하고 있다면 큐레이션은 Right time 을 강조한다. 

 

빅데이터가 기술 지향적 관점과 비즈니스 관점의 간극이 매우 큰 반면 큐레이션은 이미 여러 IT 장르에서 활용되고 있어 다소 실용적이다.   이런 점에서 빅데이터는 아직 개념적이라는 평가를 벗어나기 어렵다.  

 

토론의 참석자들은 빅데이터의 중요성을 인정 하면서도 실제로 국내에는 제대로 활용되지 못하고 있음을 지적한다

 

빅데이터 담론은 기술에서 마케팅 영역까지  매우 광범위한 주제이다.   빅데이터가 과거  CRM  열풍처럼 몇몇 솔루션 회사나 SI 회사들의  돈벌이 대상이 되어서는 안된다.   

 

CRM은 해당 산업 분야에 독립적으로 존재하는 고객들의 정보를 대상으로 한다.  반면 빅데이터의 이용자 경험 정보들은이종 분야를 교차하고 있다.   특히소셜네트워킹의 비정형 데이터를 빼놓을 수 없다.

 

빅데이터는 CRM 과 같이 완성된 형태의 올인 솔루션이 아니다.   기술 측면의 빅데이터 보다 사업적 측면의 빅데이터 가치에 대해 더 깊은고민이 필요하다.

 

신고

WRITTEN BY
jeremy797
제레미는 '업'으로는 미디어로 먹고살며 IT의 미래를 고민한다. '생'으로는 여행, 운동, 걷기, 캠핑, 커피, 독서 등등을 즐긴다. 제레미의 '생각저장소' 는 '업'에 관한 고민과 소소한 일상을 모두 담고있다. jeremy797@gmail.com / twitter : @comi10

받은 트랙백이 없고 , 댓글이 없습니다.
secret

사람들은 나와 다른 타인이 좋아하는 콘텐츠가 무엇인지 얼마나 관심이 있을까?  이런 콘텐츠를 분류하여 보여준다면 타인의 취향을 참고삼아 새로운 콘텐츠를 선택할 수 있을까?

 

이러한 방식의 서비스로는 개인화(Personalization)와 추천(Recommedation) 기능이 대표적이다. 

 

개인의 이용 정보를 가공하여 그 개인이 좋아할만한 콘텐츠를 제안하는 것이 개인화, 또는 맞춤형(Customzing) 이라고 부른다.   단순히 개인의 정보만을 가공하여 사업자가 특정 콘텐츠를 제안하는 단순한 방식에서 타인의 정보를 매칭하여 제공하는 방식등으로 다양화되고 있다.    

 

사업자들에게 추천이나 개인화 기능은 더 많은 콘텐츠 소비를 자극하거나 사이트의 방문 빈도를 높이는 역할을 한다. 

 

온라인 미디어의 대표적인 추천 서비스는 넷플릭스를 꼽는다.  앞서 설명한 쇼핑몰의 추천 기능이 공급자가 마케팅 측면에서 도입한 서비스라면 넷플릭스의 추천 서비스는 이용자들의 시청 이력을 추천 알고리즘으로 만들어 시청량이 증가할수록 추천 콘텐츠도 다양해진다. 

 


그런데 넷플릭스의 추천 서비스가 인기를 얻고 있는 이유는 알고리즘의 독특성도 있지만 또 다른 문화적 배경이 있다.  영화 콘텐츠를 구작에서 신작까지 다양하게 시청하는 소위 롱테일(longtail) 소비 문화가 그것이다.  만일 한국에서 추천한 영화가 60년대 출시한 돌아온 해병이었다면 시청할 이용자들이 얼마나 될까? 

 

특정 서비스에 가입된 이용자들의 데이터를 개인화나 추천에 활용하던 방식이 이전 방식이라면 최근에는 외부의 소셜 네트워킹 서비스를 링크하는 방식으로 변화하고 있다.

 

미국에서는 최근 몇가지 주목할만한 움직임이 있다. 

 

구글은 최근 영화 추천 서비스인 Fflick 1천만달러에 인수했다.  Fflick는 이용자들의 트위터 피드를 활용하여 영화를 추천하고 극장 티켓 예약이나 넷플릭스의 링크를 제공한다.  구글은 Fflick 를 유투브와 구글TV등 영상 서비스와 결합할 것이다.

 

 

또하나는 영상 검색 서비스와 소셜TV 서비스를 제공하는 Clicker.com은 페이스북 ID를 자사 페이지에 전면적으로 결합하고 페이스북 이용자들의 영상 선호 데이터(Like) 를 바탕으로 <Cliker Predict> 서비스를 제공한다.

 

넷플릭스는 최근 페이스북을 추천 서비스와 결합하여 제공할 준비를 마쳤다.  넷플릭스는 DVD 대여가 핵심 서비스로 가정(home) 을 서비스 단위로 한다.  페이스북을 결합한다는 것은 가정 안에 다양한 가족 구성원의 페이스북 계정을 끌어내어 넷플릭스 이용을 개인화 시키는 계기가 될것이다.  넷플릭스의 스트리밍 서비스가 더욱 활발하게 이용될 수 있을 것으로 보인다.

 

트위터에는 영상에 대한 의견(선호와 비선호)들이 실시간으로 흘러다닌다.  현재적 정보가 개인화에 가치있는 정보로 활용될 수 있다.  반면 페이스북은 영상 추천과 관련된 어플리케이션이 결합되어 이용자들의 소셜 그래프를 영상 콘텐츠의 다양한 기호도로 전환시킨다.  페이스북이 만들어낸 소셜 그래프 안에는 트위터와는 달리 다양한 콘텐츠 장르가 포함되어 있다.  

 

소셜을 결합한 영상 미디어는 이용자들의 콘텐츠 시청 정보(나는 지금 시크릿 가든을 보고 있다! 나는 평양성을 좋아한다)를 소셜 네트워킹 안으로 밀어넣어 그것이 다시 자사 사이트로 회귀하는 선순환을 만들어 낼 수 있다.  

 

이렇게 트위터와 페이스북을 개인화에 활용하려는 시도는 영상 소비를 소셜화 시키는데 일조할 수있다.  영상 서비스간의 치열한 경쟁 속에서 개인화와 추천 기능은 일종의 넛지 역할을 할것이다.  나도 모르는 사이에 이 서비스를 지속적으로 방문하게 되는..

 

그러나 문제가 없는 것은 아니다.  트위터와 페이스북에서 오고가는 스트림 중에서 영상과 관련된 이슈가 얼마나 될까?  트위터는 점차 뉴스 플랫폼화 되어가고 있고 페이스북은 개인간의 네트워킹과 다양한 어플리케이션, 기업의 팬페이지가 어울어져 메시지가 너무 산만하게 흩어지고 있다.

 

국내에는 트위터, 페이스북 이외에도 미투데이, 요즘, 아임인 등 다양한 소셜네트워킹 서비스들이 치열하게 경쟁하고 있다.  이 모든 서비스를 영상 미디어 안에 섞어 놓으면 완벽한 개인화가 이루어지는 것일까?  

 

결국, 소셜을 영상 미디어에 결합하려는 시도는 트위터나 페이스북을 기계적으로 엮어내려는 방식으로는 성공하기 어려울 것으로 보인다.   

자신의 경험과 타인의 경험을 일체화 시키려는 것이 개인화된 추천
(personalized recommendation) 의 결과물이다.   이용자들은 나와 유사한 생각, 또는 내가 모르는 전문적 의견, 전혀 몰랐던 숨겨진 정보를 발견하고 놀라워 해야 한다.  개인화로 성공하기 위한 해법은 무엇일까?

신고

WRITTEN BY
jeremy797
제레미는 '업'으로는 미디어로 먹고살며 IT의 미래를 고민한다. '생'으로는 여행, 운동, 걷기, 캠핑, 커피, 독서 등등을 즐긴다. 제레미의 '생각저장소' 는 '업'에 관한 고민과 소소한 일상을 모두 담고있다. jeremy797@gmail.com / twitter : @comi10

받은 트랙백이 없고 , 댓글이 없습니다.
secret