댁을 위한 미디어 - #23. 넷플릭스의 빅데이터, 추천 알고리즘 : 우리는 어떻게 콘텐츠를 선택할까

​

안녕하세요! 이번 자리에서는 지난 자리에 이어 넷플릭스 시스템과 알고리즘에 대해 알아보도록 하겠습니다. 넷플릭스의 성공은 사실 경제적 성공뿐 아니라 구글, 아마존, 페이스북 같은 인터넷을 기반으로 한 회사들과 함께 기술적 성장을 의미하기도 할 것입니다.이걸보고넷플릭스효과라고도합니다.넷플릭스 효과는 기술과 엔터테인먼트가 빠른 속도로 통합되어 매스미디어의 경영과 경제에 큰 영향을 미치는 것을 이 이야기 합니다.

우리는 넷플릭스에서 어떻게 콘텐츠를 선택합니까? 바로 넷플릭스의 빅데이터를 통해서입니다.우리가 넷플릭스에서 영상을 시청함으로써 넷플릭스의 빅데이터는 모든 사용자의 데이터를 모니터링하고 분석하고 해석할 것이다. 이걸 통해서 우리에게 딱 맞는 콘텐츠를 자동으로 추천해 주는 거죠.바로 빅데이터의 개인화가 된 거죠.과거 기존 방송사들은 시청률을 측정할 때 닐슨 시청률에 의존해 시청자들을 큰 덩어리로 보고 단지 수치로만 판단했습니다.개별 시청자의 집중도, 선호도, 개취는 대부분 많아 측정이 불가능했습니다.

>

그러면 새 넷플릭스는 개별 구독자와 상호 작용해 구독자 개개인의 데이터를 만들어냅니다. 넷플릭스는 매우 자신이 많은 사람들의 취향과 선호도를 파악할 수 있으며, 이를 통해 개별 구독자에게 콘텐츠를 추천하는 추천 시스템을 도입하였습니다.

왜 추천 알고리즘이 인터넷 TV에서 성패를 가를 정도로 중요했을까요? 콘텐츠를 보거나 스토리지를 정하는 데 걸리는 시간은 매우 짧은 순간입니다.​ 있는 사람은 60초에서 90초 사이에 콘텐츠의 성패가 갈릴 것으로 말했습니다.이만큼 콘텐츠의 홍수 속에서 구독자의 선호도와 개성에 맞는 콘텐츠를 추천하고 이들의 이목을 짧은 시간에 이끌어내는 것은 매우 중요합니다. 넷플릭스 상에는 수많은 콘텐츠가 있으며, 수많은 구독자가 있습니다.수많은 구독자들이 어느 프로그램을 보고, 몇 명이 콘텐츠를 봤는지, 언제 어디서 어떤 기기를 통해서 어떤 집중력을 가지고 영상을 봤는지도 파악할 수 있습니다.이에 따라 각 구독자는 과인만의 콘텐츠 추천 알고리즘을 갖게 됩니다.그리고 넷플릭스도 이런 알고리즘을 통해 구독자들이 무엇을 좋아하고 원하는지 파악해 콘텐츠를 기획하고 제작합니다.​

>

넷플릭스의 첫 작품인 '하우스 오브 카드'는 한 00%성공할 것이라고 쟈은다소리와 제작을 했다고 하더라구요. 왜냐하면 알고리즘상, 넷플릭스가 이미 모든 것을 알고 있었기 때문입니다.시청자가 어떤 내용을 괜찮은지, 어떤 배우를 괜찮은지, 어떤 편집을 괜찮은지 등을 예시합니다.

그렇다면 넷플릭스의 추천 시스템은 어떤 형태인 것입니까? 넷플릭스의 추천 시스템은 매트릭스 배열과 같은 것입니다.각각의 줄에는 테마를 가지고 있고, 그 줄에는 테마에 따른 컨텐츠가 정리되어 있습니다.역시, 한 개인에 맞는 알고리즘이 있습니다.어떤 종류의 알고리즘이 있는지 제 넷플릭스를 보면서 확인해 볼까요?​

>

개인화된 비디오 랭킹(Personalized video ranke, PVR) 데이터를 통한 개인적 추천을 예상합니다.예를 들어, 제가 본 장르와 유사하게 추천하는 '액션&어드벤처' 행과 함께요.제가 어드벤처와 액션이 많은 드라마 영화를 좋아한다는 건 알고 계시죠?​

>

2.Top N video ranker​ PVR과 달리 현재 콘텐츠 조회 순위에 그렇게 추천을 하고 줍니다.브루클린 본인, 베티콜 사울, 버드 박스를 나에게 추천해 주었네.​

>

3.Trending ranker​ 현재 트렌드가 무오쯔잉지 판단 하요 추천을 하고 줍니다.예를 들어 발렌타인데이가 다가오면 로맨틱 무비를 추천하고, 허리케인이 발생하면 다큐멘터리를 추천해요.

>

4.continue watching ranker​ 최근에 보거나 본 콘텐츠 목록입니다.이것은 개인화되지 않은 알고리즘입니다.​

>

5.video-video similarity algoritm=Because you watched(BYW)​ BYW로도 불리는 이 알고리즘도비, 개인화된 슴니다.뭔가 비슷한 동영상 꾸러미 소리를 저장하고 그것을 추천하고 주니까요.​

>

6.the page generation algorith​ 다양한 알고리즘이 그 추천 페이지를 구성하고 각 행( 준다)와 해당 페이지의 관계와 다양성을 고려할 것을 이내 사용하고 있다.여러 개의 알고리즘이 겹치지 않도록 다양하고 연관성을 갖고 한 페이지 안에서 배열되는 것을 생각하면 됩니다.​

>

7. 검색 알고리즘 이런 알고리즘이 사람들에 얼마나 자신의 영향을 미치라고 생각하지만, ​ 넷플릭스에 따르면 구독자는 콘텐츠를 선택할 때 80%는 알고리즘의 추천을 받아 선택을 하고, 20%만이 검색을 하고, 콘텐츠를 소비하는 것입니다.

넷플릭스는 기존 시청률 측정의 많은 위험성을 극복하였습니다.샘플의 크기, 육자성, 때때로 성의 사건을 모두 극복했습니다.모든 구독자를 어느 본인이나 때때로 관리할 수 있게 되었습니다.컨텐츠의 스크롤, 선택, 정지, 다시, 인터페이스로 돌아가는 등의 측정에 의해, 각각의 유저가 어느 정도 자신의 컨텐츠에 집중하는지, "인간의 컨텐츠 집중도"도 파악할 수 있게 되었습니다.

>

예를 들어서 제가 영화를 보고 재미없어서 중간에 나가거나 보다가 잠드는 것도 하나의 측정이 가능해진 거죠.과거에는시청률조사를할때 TV를켜고자는것을이사람이프로그램을집중해서봤다고판단했습니다.최근까지 넷플릭스의 빅데이터, 알고리즘에 대해 조사해 보았습니다.이 시간에는 넷플릭스의 위험... 성과 그대로 괜찮은지에 대해 알아보도록 하겠습니다.감사할 것이다.