OTT 넷플릭스가 촉발한 취향저격 '추천 알고리즘'

어떻게 발전했나

추천 알고리즘의 아이디어는 1979년까지 거슬러 올라간다. 일레인 리치 미국 텍사스대 교수는 ‘고정관념을 통한 사용자 모델링’이란 제목으로 낸 논문에서 도서 추천 시스템 ‘그런디’를 구상했다. 도서관을 찾은 이에게 몇 가지 질문을 던진 뒤 답변 유형에 따라 적합한 책을 추천하는 방식이다. 이런 알고리즘은 1990년대 본격적으로 활용되기 시작했다. 초창기 모델은 ‘콘텐츠 기반 필터링’과 ‘협업 필터링’이 주류를 이뤘다. 콘텐츠 기반 필터링은 사용자가 이전에 좋아하던 것과 비슷한 항목을 추천하는 식이다. 협업 필터링은 다른 사용자와의 유사성을 기반으로 추천해준다.

추천 알고리즘의 획기적 발전을 불러온 것은 넷플릭스다. 이 회사는 2006년 ‘넷플릭스 프라이즈’라는 대회를 열어 알고리즘 개선 방법을 공개적으로 모집했다. 이 대회에 3년 동안 186개국에서 4만 팀 이상이 참가하며 업계가 크게 발전했다. 2010년대 머신러닝과 딥러닝 등장은 추천 알고리즘이 한 번 더 도약하는 계기가 됐다. 현재 추천 알고리즘은 인공지능(AI)과 빅데이터 기술을 결합해 정교하고 개인화된 추천을 해주는 게 특징이다.

이승우 기자 leeswoo@hankyung.com