딥러닝과 인공지능 기술 발전으로 추천 서비스가 더 똑똑해지고 있다. 기존 추천 서비스는 사람이 설정한 기준에 맞춰 정보를 모으고 아이템을 선택해 추천했다. 딥러닝 활용 추천서비스는 소비자가 구매한 내역, 비슷한 이용자가 보거나 구매한 상품, 쇼핑을 위해 들인 시간, 쇼핑한 시간대 등을 분석해 예전보다 훨씬 개인화된 추천 서비스를 제공한다.

간단해 보이지만 광대한 데이터 분석과 정확한 예측 기법이 필요하다. 딥러닝은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술이다. 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망을 기반으로 한다.

구글, 아마존, 페이스북, 링크드인, IBM, 넷플릭스등 미국 기업들과 국내에서 네이버 등 기술 기업들은 딥러닝 기술을 활용해 이용자 행태, 습관 등을 분석하고 있다. 이들은 이용자에 대한 수천개 데이터를 모으고 분석한다. 분석 데이터를 기반으로 개인 취향에 맞는 콘텐츠를 추천한다.

◇네이버, 딥러닝 기반 추천 엔진 ‘에어스’(AiRS)로 뉴스 소비 증가

네이버는 지난 2016년 딥러닝 기반 추천 시스템 에어스(AiRS)를 마이(MY)피드, 네이버TV에 적용하기 시작했다. 마이피드는 유저 생성 콘텐츠, 블로그, 지식인 등 이용자가 설정한 기준에 맞춰 콘텐츠를 추천하는 서비스다. 에어스는 올해 웹툰, 음악추천, 여행지추천 등에 도입됐다. 올들어 2월에는 일부 사용자를 대상으로 뉴스 추천 서비스에 적용됐으며 3월부터 전체 사용자에게 서비스됐다.

한 네이버 관계자는 “에어스 뉴스 추천 영역에서 에어스 추천을 하지 않는 뉴스 영역보다 1인당 뉴스소비가 30~40% 높다”고 말했다.

네이버는 에어스에 딥러닝과 함께 협력필터 기술도 활용했다. 협력필터는 관심사를 가진 사용자 그룹이 구독한 콘텐츠를 추천하는 협력 필터 기술을 이용한다. 협력필터는 사용자들이 콘텐츠를 소비하는 패턴을 분석한다. 그 후 비슷한 관심 분야를 가진 사용자를 묶는다. 해당 사용자들이 많이 본 콘텐츠 중 관련도 높은 콘텐츠를 우선 추천한다.

네이버는 “딥러닝 기술을 통해 콘텐츠 추천 수준을 더 끌어올릴 것”이라며 “딥러닝은 사용자가 콘텐츠를 구독한 순서까지 기억해 시간이 지날수록 더욱 정교하게 콘텐츠를 분석할 수 있다”고 설명했다. 딥러닝 덕분에 에어스는 최신 콘텐츠까지 적합하게 추천할 수 있도록 스스로 학습하는 능력을 갖추고 있다고 덧붙였다.

◇넷플릭스, 이용자 시청 콘텐츠 75% 추천엔진 이용 동영상

넷플릭스는 인공지능 및 딥러닝을 기반으로 개인 취향에 맞는 콘텐츠를 추천하고 있다. 미국 비즈니스인사이더는 데이터 분석 기술과 딥러닝으로 “넷플릭스는 곧 소비자가 원하는 모든 것을 알 수 있을 것”이라고 전했다. 넷플릭스 말을 인용해 시청자 콘텐츠 75%가 추천 알고리즘에서 나왔다고 보도했다.

추천 시스템은 개인화를 위한 가장 중요한 도구다. 데이터 과학과 딥러닝 기술을 적용하면 고객 경험을 개인에 최대한 맞추는 것이 가능하다. 추천 알고리즘은 이용자를 딥러닝 등 분석 데이터를 통해 이용자 선호에 맞는 아이템을 적절한 때 제시한다. 어느 페이지 위치에 콘텐츠를 등장시킬 것인지 등도 인공지능 알고리즘에 따라 결정된다.

개별화된 고객 경험과 추천 시스템은 시청자가 넷플릭스 콘테츠를 보는 시간을 늘린다. 카를로스 고메즈-유리베(Carlos Gomez-Uribe) 넷플릭스 혁신부서 부사장은 인공지능과 딥러닝이 더해진 추천 시스템 덕분에 고객이 콘텐츠를 보는 시간이 늘어났다고 설명했다. 넷플릭스는 1년에 약 60억달러(약 6조8500억원) 새로운 콘텐츠에 투자한다. 시청자가 충분히 시청할 거라는 생각으로 새 콘텐츠에 막대한 투자를 진행한다는 설명이다.

◇아마존, 매출 35% 추천 시스템 덕분에 발생

아마존은 딥러닝을 통한 추천 엔진이 얼마나 강력한지 잘 보여주고 있는 기업 중 하나다. ‘자주 함께 구매한 제품’(Frequently Bought Together)을 통해 상품 추천을 제공한다. 야후 파이낸스는 딥러닝 기술이 광대한 데이터에서 유의미한 데이터를 뽑아낸다고 설명했다. 데이터를 분석해 추천 기능 등의 성능을 향상하고 개인 성향에 맞는 콘텐츠를 제공하도록 돕는다고 부연했다.

아마존은 온라인 커머스로 발생한 방대한 데이터를 기계학습·딥러닝 등으로 분석해 특정 패턴을 찾는다. 이를 토대로 고객에게 추천 서비스를 제공한다. 소비자 구매 기록, 쇼핑카트에 담은 물건, 물품에 매긴 점수, 다른 고객이 보거나 구매한 물건 정보, 구매 습관 등을 분석한다.

또한 개인 데이터를 분석해 대중적이지 않은 물건을 원하는 사람에게 보여준다. 아마존 매출 35%가 추천 엔진 덕분에 발생했다. 적합한 아이템을 적절한 이용자에게 보여주기 때문에 좋은 성과를 냈다는 설명이다.

아마존은 딥러닝 중요성을 인지, 막대한 인력과 자본을 딥러닝에 투자중이다. 지난 2016년에는 오픈소스 딥러닝 프레임워크 ‘DSSTNE’(Deep Scalable Sparse Tensor Network Engine)를 공개했다. DSSTNE는 딥러닝 애플리케이션에 사용하기 위한 도구다. 당시 아마존은 DSSTNE을 공개하며 “추천 서비스와 검색 등에 사용되도록 DSSTNE를 오픈 소스 소프트웨어로 공개한다”고 밝혔다.