추천 시스템Recommendation System
지난 기록을 보고 좋아할 것을 골라 주는 장치
- 추천 시스템은 지난 기록을 보고 다음에 좋아할 만한 것을 순서대로 골라 주는 장치예요.
- 방법은 크게 두 갈래예요. 물건끼리 닮은 점을 보는 쪽과 취향이 닮은 사람을 보는 쪽이에요.
- 별점과 좋아요만 쓰지 않아요. 끝까지 봤는지, 몇 초 만에 넘겼는지 같은 행동이 훨씬 큰 재료예요.
- 기록이 없는 새 이용자와 새 상품에는 추천이 잘 안 돼요. 이걸 콜드 스타트 문제라고 불러요.
- 잘 맞히기만 하면 되는 게 아니에요. 비슷한 것만 계속 나오면 좁은 울타리 안에 갇혀요.
목차
1비유로 이해하기
동네 카페에 몇 달을 드나들면 주문이 짧아져요. 늘 마시던 것을 기억해 두었다가 먼저 꺼내 주고, 새로 들어온 원두가 취향에 맞을 것 같으면 슬쩍 권해요. 지난 기록을 보고 다음에 좋아할 것을 골라 주는 이 일이 추천 시스템이에요.
권하는 방식은 두 갈래예요. 하나는 마신 것끼리 닮은 점을 보는 쪽이에요. 늘 고소한 원두를 고르던 손님에게 비슷한 맛의 새 원두를 권하는 식이에요. 다른 하나는 손님끼리 닮은 점을 보는 쪽이에요. 취향이 겹치는 단골 몇 명이 새 메뉴를 마음에 들어 했다면, 아직 안 마셔 본 손님에게도 권해 보는 거예요.
처음 온 손님 앞에서는 두 방법 다 막혀요. 남은 기록이 없으니 짐작할 거리도 없거든요.
2자세히 알아보기
재료는 별점이 아니라 행동이에요
별점을 꼬박꼬박 매기는 사람은 아주 적어요. 그래서 요즘 추천은 사람들이 남기려고 남긴 것이 아니라, 그냥 하다 보니 남은 흔적을 주로 씁니다. 무엇을 눌렀는지, 얼마나 머물렀는지, 끝까지 봤는지 3초 만에 넘겼는지, 장바구니에 넣고 사지 않았는지 같은 것들이에요.
이런 흔적은 양이 엄청나게 많다는 게 장점이고, 뜻이 애매하다는 게 단점이에요. 오래 머문 것이 재미있어서인지 어려워서인지 기록만으로는 알 수 없고, 잘못 누른 것도 관심으로 세어져요. 그래서 신호마다 무게를 다르게 두고, 여러 흔적을 겹쳐 봐요.
물건끼리 닮은 점을 보는 방법
책의 장르와 저자, 음악의 빠르기와 악기, 상품 설명에 쓰인 말을 숫자 묶음으로 바꿔 두면, 물건과 물건 사이의 거리를 잴 수 있어요. 내가 좋아한 것 근처에 있는 것을 꺼내 주는 방식이에요.
이 방식은 새로 들어온 상품에도 바로 쓸 수 있어요. 아무도 아직 사지 않았어도 설명만 있으면 자리를 정할 수 있으니까요. 대신 늘 비슷한 것만 돌아온다는 게 약점이에요. 한번 무서운 영화를 보면 무서운 영화만 이어지는 식이에요.
취향이 닮은 사람을 보는 방법
다른 길도 있어요. 나와 고른 것이 많이 겹치는 사람들을 찾아, 그 사람들이 좋아했는데 나는 아직 안 본 것을 권하는 방식이에요. 물건의 내용을 전혀 몰라도 되고, 기록만 있으면 돌아가요.
이쪽은 뜻밖의 발견이 나온다는 게 강점이에요. 장르도 설명도 전혀 안 겹치는데 이상하게 잘 맞는 것들이 이 방식에서 나와요. 대신 기록이 어느 정도 쌓여야 하고, 사람이 몰리는 인기 상품이 계속 위로 올라오는 쏠림이 생겨요.
실제 서비스는 두 단계로 걸러요
상품이 수백만 개인 곳에서 하나하나 점수를 매길 수는 없어요. 그래서 먼저 거칠고 빠른 방법으로 후보를 수백 개까지 추려요. 그다음 이 후보들만 놓고 정교한 모델이 순서를 매겨요.
마지막에는 규칙이 한 번 더 손을 봐요. 같은 종류가 연속으로 나오지 않게 섞고, 새로 올라온 것을 일부러 끼워 넣고, 이미 산 물건은 빼요. 화면에 보이는 목록은 이렇게 여러 겹을 지나온 결과예요.
잘 맞혔는지 어떻게 아나요
지난 기록을 반으로 갈라, 앞쪽만 보여 주고 뒤쪽을 맞히게 해 보는 방법을 먼저 써요. 그다음 실제 이용자를 두 무리로 나눠 다른 추천을 보여 주고 결과를 비교해요.
그런데 여기에 함정이 있어요. 누르는 비율만 목표로 삼으면 자극적인 제목만 위로 올라와요. 그래서 잘 맞혔는지 말고도 얼마나 다양한지, 새로운 것을 얼마나 만나게 했는지, 오래 두고 봐도 만족했는지를 함께 재요.
3조금 더 정확하게
추천 시스템은 이용자와 항목을 각각 숫자 묶음으로 바꾼 뒤, 둘이 얼마나 잘 맞는지를 점수로 계산하는 문제로 다뤄요. 취향이 닮은 사람을 찾는 방식을 협업 필터링(Collaborative Filtering, 협업 거르기)이라고 부르고, 물건의 내용을 쓰는 방식은 내용 기반 추천이라고 해요. 실제 서비스는 둘을 섞어 쓰고, 여기에 시간대나 기기 같은 상황 정보를 더 얹어요.
비유가 어긋나는 지점이 있어요. 카페 주인은 손님을 알아보고 좋은 것을 권하지만, 추천 시스템은 취향을 이해하지 않아요. 함께 일어난 일을 세어 확률을 매길 뿐이라 실수로 한 번 누른 것도 관심으로 셈해요. 그리고 카페 주인의 목표는 손님의 만족이지만, 서비스의 추천은 대개 그 서비스가 정한 목표를 높이는 쪽으로 맞춰져 있어요. 무엇을 목표로 두느냐가 화면에 뜨는 목록을 통째로 바꿔요.
4직접 해보기
5흔한 오해
추천이 내 마음을 읽는다고 생각하기 쉽지만, 실제로는 나와 비슷하게 행동한 사람들의 기록을 세어 확률을 매기는 것뿐이에요.
추천이 잘 맞는 건 대화를 엿들었기 때문이라고 여기기 쉽지만, 실제로는 검색과 클릭 기록만으로도 놀랄 만큼 잘 맞아요.
잘 맞힐수록 좋은 추천이라고 생각하기 쉽지만, 실제로는 이미 좋아하는 것만 계속 보여 주면 새로운 것을 만날 기회가 사라져요.
7한 줄 요약
그러니까추천 시스템은 지난 행동 기록에서 닮은 물건과 닮은 사람을 찾아 다음에 좋아할 것을 순서대로 내놓는 장치예요.
잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정2026-09-02