bar_progress
[AD]

아시아경제 최신 기획이슈

개인화 서비스 확장하는 카카오 "검색이 못하는 것은 '추천'으로"

최종수정 2018.04.04 12:47 기사입력 2018.04.04 12:47

댓글쓰기

다음, 뉴스, AI스피커 등 카카오 서비스 전반에 추천 적용

3분기 모바일 다음에서 추천 영역 신설 예정
멜론 추천 기능을 고도화 위해 국내외 대학 두 곳과 산학협력

개인화 서비스 확장하는 카카오 "검색이 못하는 것은 '추천'으로"


[아시아경제 한진주 기자] 누구에게나 동일한 콘텐츠를 보여주던 시대는 갔다. 무엇을 원하는지 파악해 검색하지 않아도 추천해주는 개인화 서비스가 확산되고 있다. 카카오는 다음, 뉴스, AI스피커 등 서비스 전반에 추천 기능을 확대 적용하고 있다.

4일 용산구 한남동 카카오 한남오피스에서 진행된 '카카오 AI스터디'에서 김광섭 카카오 추천팀장은 "추천 영역을 확대해 3분기 쯤 모바일 다음에서 추천 콘텐츠만 제공하는 공간을 신설해 사용자와 서비스가 만나는 접점을 늘려갈 것"이라며 "첫 화면에서 만날 수 있는 콘텐츠가 다양하지 않은데, '나만의 공간'이 되는 추천 서비스를 선보일 예정"이라고 말했다.

김 팀장은 "검색해야하는 영역을 줄여주는 것이 추천의 역할이고, 검색이 하지 못하는 부분을 추천 시스템으로 풀어볼 수 있다"며 "추천시스템은 새로운 데이터 소비 방식을 제안하고, 무엇을 원하는지 모르거나 설명하기 어려워도 찾기 전에 이용자에게 다가가면 된다"고 말했다.


◆카카오 추천엔진 전방위 확대…"노래 틀어줘" 하면 다르게 재생= 카카오는 이용자가 소비한 콘텐츠와 비슷한 콘텐츠 또는 소비이력을 학습해서 맞춤형 콘텐츠를 제공하는 '추천엔진'을 적용하고 있다. 추천 엔진은 시각 엔진, 음성 엔진 등과 결합해 AI스피커나 스마트홈 서비스에서도 활용될 수 있다. 예를 들어 '음악틀어줘'라고 명령했을 때 이용자의 취향을 분석한 노래를 들려주는 식이다. 현재 카카오미니에 음악 관련 명령(쿼리)에 추천이 적용돼있고, 향후 생활 관련 쿼리 전반으로 확대될 예정이다.
대표적인 추천기술은 ▲협업 필터링(CF) ▲콘텐츠 기반 필터링(CB)이다. 협업필터링은 콘텐츠 사용 패턴을 분석해서 추천해주는 방식을 말한다. 음악 추천을 할 때, CF를 활용하면 이용자가 클릭했거나 좋아요, 별점을 매긴 데이터와 패턴이 비슷한 사람들이 선호하는 콘텐츠를 추천해준다.

콘텐츠 내용을 분석해 유사한 콘텐츠를 찾아주는 '콘텐츠 기반 필터링(CB)'도 자주 쓰이는 기술 중 하나다. 비슷한 분위기의 가수를 추천하거나, 축구 뉴스를 즐겨 보는 이용자에게 월드컵 소식을 추천하는데 쓰인다. 음악 분석·추천의 경우 딥러닝을 적용한 다양한 CB 기술이 활용된다.

김광섭 팀장은 "협업 필터링(CF)은 새로운 콘텐츠를 추천하지 못하고 다양성이 떨어진다는 단점이 있고, 콘텐츠 기반 필터링(CB) 기술은 난이도가 높고 비용이 많이 드는 데다 구현이 어렵다는 단점이 있다"며 "단독으로 사용하지 않고 혼용하거나 다른 추천기술과 함께 이용한다"고 말했다.


◆추천 적용하자 클릭·체류시간 증대= 카카오는 콘텐츠 추천 기능을 여러 서비스 적용해 톡톡한 효과를 봤다. 일본 모바일 만화 서비스 '픽코마'의 콘텐츠 더보기에 추천을 적용한 이후 1인당 클릭수가 150% 증가했다. 이보다 먼저 카카오페이지에서도 추천엔진을 적용한 결과 연관 작품에 대한 열람·구독·구매는 종전 대비 50~70% 향상됐다.

카카오는 2015년 6월 모바일 다음 뉴스에 추천 엔진을 처음 적용했다. 메인 화면에서 이용자마다 다른 뉴스를 추천해주면서 뉴스 소비량도 늘었다. 개인화 뉴스 서비스를 적용한 지 2개월 후에 총 클릭 수는 130%, 체류 시간은 60%, 인당 뉴스 소비는 59% 가량 늘어났다.

김광섭 팁장은 "2분기 중 픽코마 콘텐츠 전반에 개인화 추천 기능을 확대할 예정"이라며 "멜론의 추천 기능을 고도화하기 위해 국내외 대학 2곳과 산학 협력도 진행하고 있고 연내 더 고도화된 개인화 추천을 적용할 것"이라고 말했다.

그는 이어 "클릭수, 방문자수 등 좋은 결과의 기준이 무엇인지 내부에서도 질문을 반복하고 있는데 결국 합의된 내용을 수치화하고, 이용자들의 행동 반응을 살펴서 의사결정을 잘 하는 것이 시스템으로서 의미가 있다"며 "지금 이 순간에도 AB테스트를 통해 데이터를 분석해 모델링에 반영하고 있다"고 설명했다.

콘텐츠 추천을 할 때 이용자가 어떤 콘텐츠를 소비 했는지도 추천의 근간이 된다. 이에 대해 카카오는 이용자의 나이나 연령, 거주지역 같은 정보를 활용해 추천하는 것은 과거의 공식이라고 설명했다.

김 팀장은 "나이나 연령, 지역 같은 그 사람이 누구인지에 대한 정보는 추천에서 의미가 없고 오히려 언제 들어왔고 나갔는 지에 대한 정보가 그 사람을 잘 표현하는 단서"라며 "나이나 지역별로 반응한다고 하는 것이 설명하기가 편리하기 때문에 그런 표현을 이용한 것이지, 내부 시스템과는 전혀 관련이 없다"고 설명했다.

한진주 기자 truepearl@asiae.co.kr

<ⓒ세계를 보는 창 경제를 보는 눈, 아시아경제(www.asiae.co.kr) 무단전재 배포금지>

간격처리를 위한 class 간격처리를 위한 class