인터넷 플랫폼을 이용하거나 서비스 제공을 하려고 할 때 예전에는 리뷰를 활용했다면(물론 현재도 리뷰가 해당 당사자 모두에게 중요한 역할을 하긴 하지만) 이제는 선호도를 확인하거나 유도하게 하기 위해 알고리즘을 활용한다. 그러다 보니 이 책 소개에도 있는 것처럼 이제는 있으면 좋은 기능이 아니라 없으면 안되는 기능이 되었다.

그러다 보니 주위에서도 이와 관련된 이야기를 하는 것을 종 종 들을 수 있다. 예를 들면 이런식이다. 한 번은 버스에서 대학생으로 보이는 여학생 두명이 유튜브 이야기를 하고 있었다. 어떤 한 주제를 보면 그와 연관된 주제가 연 이어 리스트로 보여지는 걸 보면서 어떻게 그렇게 되냐는 것이다. 그렇게 되도록 알고리즘이 설계되어 있기 때문이다. 이 것 또한 추천 시스템 중 하나일 것이다. 최근 다양한 플랫폼을 이용해 본 사람들은 대부분 저 대학생들과 같은 의문을 모두 가져보았을 것이다. 이 책은 바로 그러한 궁금증을 풀 수 있는 동시에 그것을 활용할 수 있도록 프로젝트 구성 단계부터 온라인 배포 전 해야할 일까지를 다루고 있다.

[사진] (본책, p.9) 책의 구성을 간략하게 설명하고 있다.

이 책의 좋은 점 중 하나는 기술 적인 이야기로 바로 시작하는 것이 아니라 '입문용' 답게 추천시스템의 역사부터 다루고 있다는 점이다. 각 알고리즘 별 설명 중간 중간에도 도움이 되는 정보들이 있지만, 책 말미에서 또 (인지)편향이나 추론 등으로 인해 영향 받을 수 있는 부분까지 다루고 있어서 기술에 대한 이해가 어렵지만, 추천 시스템에 대해 알고 싶은 독자들이 있다면 기술적인 부분들은 스킵하고 해당 부분만 선별해서 읽어도 도움이 된다는 점이다.

[사진] (본책, p.72, 82, 204) 단계별 활용법에 대해 그림과 도표를 제시하여 설명하고 있다.

저자가 일본인이라 일본 사례가 그림으로 제시된 경우도 많지만, 국내 사례도 함께 실려 있어 이해하는 데 많은 도움이 된다. 추천하는 이유를 제시하는 방법, 필터링 방식, 이용자의 로그 패턴 등을 분석, 활용해 어떻게 추천 알고리즘을 만들어야 되는지 가이드 해주고 있다. 알고리즘과 관련해서는 왕초보 수준이다 보니 입문용이라고 해도 쉽지는 않았지만, 구석 구석 알게 모르게 도움이 되는 정보들이 많았다. 꼭 알고리즘을 이용해야 되는 분들이 아니라도 추천 시스템이 궁금하다면 앞서 말했든 필요 부분만 선별해 읽어보는 것도 좋을 것 같다.

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

  직접 검색하던 능동적인 행위는 이제 시스템이 추천해 주는 행위로 바뀌고 있다. 웹상에서 하는 행위는 수집되어 무심코 화면 앞에 앉아 있는 나에게 뭔가를 보여준다. 정보의 양이 많아질수록 검색하는 행위는 품이 많은 행위가 되었고 알아서 찾아주는 시스템은 반드시 필요한 것이 되었다. 많은 플랫폼 기반 산업은 추천 시스템을 반드시 탑재해야 하게 되었다.

  막연히 AI로 학습하면 되겠지라고 생각하고 있었지만 막상 그것이 어떻게 시스템 속으로 들어가 작동하는지는 알 수 없었다. 이것을 알려면 기초부터 차근차근 알아가야 했다. 추천 시스템 관련 도서 자체가 많이 없기 때문일까. 이 책은 기초부터 활용까지 설명하고 있다. 뒤로 갈수록 어려워져 시간이 많이 소요되는 것도 사실이다.

  처음 4장은 추천 시스템과 그것의 중요성에 대해 얘기한다. 어떤 이유로 추천 시스템이 필요하고 어떻게 구현할 것인지에 관한 것들이다. 그리고 취급하는 정보에 따라서 다른 추천 아이템이 필요하며 상대에 따라서도 변화가 필요하다. 단순히 관심사와 비슷한 것들을 보여줄 수도 있고 관련된 상품을 추천할 수도 있다. 막연히 둘러보러 온 고객에 대해서는 다양한 정보를 보여줘야 한다. 다른 사람들의 정보를 이용한 랭킹을 이용하는 것도 방법이다. 자주 들리지 않는 고객에는 맞춤형 정보를 적당한 간격을 두고 발송하는 것 또한 추천시스템이 몫이다.

  추천 시스템은 그야말로 '없으면 안 되는 기능'이 되어 버렸다. 추천의 정확도가 높아지고 있기도 하며 데이터 또한 점점 쌓이고 있기 때문이다. 추천 시스템에 대해서는 여러 가지 주의할 점도 있다. 바로 편향 데이터를 추천하게 되는 부분인데 이것은 편향의 문제를 넘어 차별의 문제로 번질 수 있기 때문에 주의가 필요하다.

  5장부터는 파이썬을 이용한 알고리즘을 실습해 볼 수 있다. 마지막 부근에서는 AI에 대한 설명도 잠깐 해주기도 한다. 간단한 실습이 끝나면 실제 운영에 대해 설명한다. 시스템 속에 추천 시스템을 어떻게 운용할 것인지에 대해서도 설명한다. 이 부분은 다소 어려워서 이해하기 힘든 부분이 있었다. 어느 정도 지식이 쌓이면 활용하기 좋을 듯했다.

  책은 입문자가 천천히 익혀나갈 수 있도록 해두었지만 분명 추가적인 학습도 필요할 듯했다. 책 내에서는 또 다른 책을 추천하기도 하는데 아무래도 초반과 후반의 난도 차이가 심해서 그런 듯하다. 그럼에도 추천 시스템 전반을 이해하기에는 괜찮은 책이 아닌가 싶다.

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

조금 다른 추천이지만 저도 몸담고 있는 시스템의 핵심이 추천시스템 이긴합니다.

학생들이 공부하면서 풀어야 하는 문항을 실력과 이해도 기반으로 추천을 해주는 시스템인데

항상 문제가 되는 것이 콜드 스타트인데

즉, 기존의 문제 풀이 데이터가 하나도 없는 학생이 서비스를 시작했을 때 어떤 문제를 어떻게 구성해서 주어야 하는 것입니다.

요런 부분에 대해서 조금 색다른 아이디어나 발상의 전환을 해 볼 만한 포인트가 있을 까 해서 열심히 탐독해본 추천 시스템 입문입니다!

제목에서도 알 수 있듯이 '입문'입니다.

추천 시스템에 대한 전반적인 개론과 함께 사용 되는 지식을 폭 넓게 다뤄줍니다.

어느정도 폭 넓냐면 독자 대상이 개발자나 기획자에 그치지 않고 공부하는 학생이나 UI UX 디자인을 하는 사람까지도 포함합니다.

다만 읽어본 뒤에 느낀 바로는 학생들이 가장 재미있게 읽어보지 않을까 합니다.

추천 시스템의 종류가 무엇이고

종류에 따라 필요한 데이터는 무엇이고

그 데이터를 활용하는 알고리즘의 종류와 핵심 수식 그리고 주의해야할 점 등이 무엇인지 배울 수 있습니다.

물론 개론적 내용'만' 다루는 것은 아닙니다.

책의 40% 정도의 분량은 실제 데이터와 코드를 통해서 실습해 볼 수 있는 코너도 마련되어 있습니다.

이 부분을 잘 살펴본 뒤에는 캐글등에 있는 데이터를 기반으로 다양한 실습을 해 볼 수 있을 것이라 생각합니다.

추천 시스템이라는 것이 서비스하는 솔루션이나 플랫폼의 사이즈가 작을 때에는

극단적으로는 추천 시스템 자체가 필요 없을 수도 있고

적용한다고 해도 모집단의 사이즈가 작으면 제대로 잘 구동 되는지 그리고 더 나은 추천 시스템으로 나아가는지 확인이 힘들 때가 많습니다.

따라서 아이디어는 필드가 다른 데이터라고 해도 규모가 조금 있는 데이터셋으로 테스트를 진행해보고 현재 서비스하는 곳에 벤치를 돌려보면 좋은데 이런 면에서 추천 시스템이라는 것의 첫 단추를 채워주는 역할로는 상당히 훌륭하다 볼 수 있습니다.

추천시스템에 대한 문서나 책이 없는 것은 아니지만 너무 특정 영역에 국한되거나 특정 알고리즘에 매몰되어 좁은 영역을 소개하는 것에 그치는 책이 많은데 첫 입문용 개론서로는 상당히 잘 짜여진 구성을 보여줍니다!

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

과거와 다르게 현재는 물밀듯이 들어오는 정보로 인하여 자신이 원하는 정보를 직접적으로 찾기가 매우 어렵습니다. 하지만 구글 광고나 유튜브를 보면 신기하게도 관심 있을 만한 정보들을 속속 골라서 다양하게 제공해 줍니다. 어떻게 이러한 과정이 가능한 걸까요?

이 책은 그러한 시스템의 역사부터 시작하여 전반적인 디자인, 설계 방법 그리고 실제 적용하여 직접 서비스를 제공하는 방법까지 다루고 있습니다.

1장에서는 추천 시스템의 역사를 설명하며 우리 주변에서도 흔하게 볼 수 있었던 경우를 예시로 들어줍니다. 이처럼 추천 시스템의 발달은 정보 수준의 증가와 밀접하게 연관이 있음을 어필합니다.

2장에서는 개발 스킬에 필요한 과정과 어떤 프로젝트를 정의할 수 있는지 설명한 뒤, 3장에서는 사용자인터페이스에 대한 중요성을 주장하며 이러한 디자인이 사용자에게 어떤 경험과 만족감을 줄 수 있는지 설명합니다.

4장과 5장에서는 추천 알고리즘에 관한 전반적인 내용을 다룹니다. 이 부분에서 추천 알고리즘에 대한 다양한 지식을 얻을 수 있어서 좋았습니다. 특히 5장의 알고리즘 비교를 통해 정확도, 계산 속도, 콜드 스타트 문제 대응(처음 정보가 없으면 사용자에게 부정확한 추천 정보를 제공할 수 있는 문제) 등 다양한 수치에 대해 비교해 놓은 부분을 한눈에 볼 수 있었고, 이를 어떤 경우에서 사용하면 되는지 감을 익힐 수 있었습니다.

이후 6장과 7장에서는 직접 클론 코딩을 통해 추천시스템을 설계하고 이를 얼마나 정확하게 출력하는지 평가하는 과정을 거치면서 무엇이 문제이고 이를 어떻게 개선할 수 있는지 전방적인 방향을 제시하고 있습니다.

단점이라면 약간의 시스템적 용어나 공식 등이 존재하기 때문에, 비전문가가 바로 읽기에는 어려움이 따르나, 추천 시스템 관련 웹, 앱 개발 공부를 하시는 개발자들에게는 필수 입문 도서라고 할 수 있으리라 생각됩니다.

＜＜ 이 글은 한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다. ＞＞

음원사이트 멜론에서는 오늘 날씨와 지금 시간대에 어울리는 음악을 추천해주고 넷플릭스에서는 그동안 내가 봐온 영화, 드라마들을 바탕으로 괜찮은 컨텐츠를 추천해주고 있다.

또한 인스타그램에서는 나의 팔로잉 목록, 좋아요 기록 등을 기반으로 적절한 게시물을 피드에 띄워주고, 오늘도 나는 알 수 없는 유튜브 알고리즘을 타고 여러 맞춤 동영상들을 시청하였다.

이렇게 우리는 알게 모르게 추천 시스템이 제안한 컨텐츠들을 이용하고있다.

그럼 추천 시스템이 무엇이고 무슨 역할을 하며 왜 생겨난 것일까?

또한 추천 시스템을 구현하고자하면 어떻게 해야하는 것일까?

이런 질문의 해답은 이 책 "추천 시스템 입문"에서 찾을 수 있었다.

# 좋았던 부분

- 추천 시스템 프로젝트를 진행 시 필요한 역량 3가지와 진행 과정을 상세히 알려준다.

처음 프로젝트를 시작하고자할 때 막막한 적이 많았던 나에게는 길잡이 같은 느낌이었다.

- 추천 시스템 개발자들의 성공, 실패 사례들을 통해

어떤 서비스에 어떤 추천 시스템을 적용하면 좋은 지를 상세히 알려준다.

- 자세한 코드설명

추천 시스템에 관심이 있거나 도입하고자한다면

꼭 읽어야하는 책이다!

한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서

책을 제공받아 작성된 서평입니다.

• #추천시스템입문 #한빛미디어 #책리뷰

개인화된 콘텐츠 제공을 위한 추천 시스템 설계부터 UI/UX 구현 기법과 평가까지 한번에 알고 싶다면 이 책이다. 

 이 책은 총 8개 장으로 이루어져 있고 장별 내용은 아래와 같이 구성되어 있다.

서비스에 다양한 추천 알고리즘을 적용해보자

1장 : 추천 시스템의 개요와 역사에 대해서 몇 가지 사례를 통해 설명하고 있습니다. 이 장은 추천 시스템의 종류와 검색 시스템과의 차이점도 설명하고 있습니다.

2장 : 추천 시스템 개발을 위해서 필요한 팀원을 구성하는 방법과 함께 프로젝트를 어떻게 진행하면 좋을지에 대해 상세 하게 설명하고 있습니다. 이 부분은 실무에서 상당히 도움이 될만한 조언을 해준다고 생각이 됩니다.

3장 : 추천 시스템에서 사용할 수 있는 UI / UX에 관해 설명합니다. 추천 아이템을 제시하는 방법이나 클릭 횟수나 구입 횟수를 늘릴 수 있도록 하는 사용자 경험 설계가 중요하다는 것은 이 책을 읽는 독자라면 분명히 알고 있을 내용입니다. 

4장/5장/6장 : 대표적인 추천 알고리즘에 대해 상세하고 쉽게 설명해줍니다. 특히 협조 필터링과 내용 기반 추천 알고리즘에 대한 설명은 초보자가 봐도 이해 하도록 충분하게 설명해 주고 있습니다. 그리고 인기도 추천, 행렬 분석 알고리즘에 대해서도 각각 실제 서비스에 사용에 필요한 다양한 시각에서 접근하도록 설명합니다. 그리고 시스템 설계를 위한 추천 시스템 아키텍처 부분은 꼭 읽어 보시라고 추천합니다.

7장 : 이 장에서는 시스템 평가 지표에 대해서 이야기 합니다. 추천한 아이템의 지표에 대해서 자세하게 다루고 있습니다.

8장 : 마지막으로 다루지 못한 추천 시스템 국제회의, 편향 제거, 인과 추론 등에 대해서 이야기 하며 마무리가 됩니다.

이 책의 대상 독자는 시스템 개발이나 추천 알고리즘에 관심이 있다면 누구나 볼 만 하도록 구성되어 있습니다. 추천 알고리즘을 적용할 때 만나게 되는 여러 문제를 폭 넓게 다루고 있어서 아주 도움이 됩니다. 

이 책을 통해 추천 알고리즘을 이용한 다양한 방법으로 실무에 활용할 수 있다고 느낄 수 있었습니다. 

AI에 의한 초개인화는 지난 2020년부터 일정한 트렌드로 자리잡고 있다. ‘개인화’가 애플리케이션에 의해 데이터를 기반으로 알고리즘을 만드는 것이라면, ‘초개인화’는 개인의 취향이나 관심사를 반영해 맞춤형 서비스를 제공한다는 점에서 다르다.

따라서 ‘초개인화’ 시대에 걸맞은 추천 알고리즘을 기업의 필수적인 마케팅 요소로 꼽고 있다. 대표적인 추천 알고리즘에는 콘텐츠 기반 필터링과 협업 필터링이 있다. 이 책에서는 더불어 회귀, 행렬 분해, LDA, Word2Vec, 딥러닝을 활용한 방법 등을 실습을 통해 소개하고 있다.

하지만 조심해야 할 부분도 있다. 필요 이상 고도의 알고리즘을 선택하지 않도록 의식하는 것이 중요하며, 과도한 개인화는 사용자가 스스로 인식한 것 이상으로 서비스에 정보를 빼앗기고 있다는 생각에 공포를 느끼고 불신감을 갖거나 추천 기술을 쉽게 이해할 수 없고 기분 나쁜 것이라고 생각해 불쾌함을 느낄 수 있다.

추천 시스템을 실제로 서비스에 적용하려고 하면 다양한 문제에 직면하게 된다. 프로젝트 구성원은 어떻게 꾸려야 좋은가, 어떤 추천 시스템을 조합해야 하는가, 어떤 데이터를 사용해야 하는가, 배포 전 온라인에서 추천 시스템을 평가하기 위해서는 어떻게 해야 하는가 등의 문제이다. 또한 사용자의 나이나 성별 또는 애플리케이션을 다루는 능력과 같은 요소에 따라 추천 시스템의 UI/UX가 달라질 수 있다.

그래서 저자들은 추천 시스템 도입 성공 사례와 실패 사례를 보여주면서 데이터와 인터랙션 등을 바탕으로 어떤 서비스에 어떤 추천 시스템을 조합하고 적용할 것인가에 중점을 두고 설명하고 있다.

이 책은 총 8개 장으로 이루어져 있으며 전체적인 내용은 다음과 같다.

• 1-3장 : 추천 시스템 개요를 설명한다.
• 4-5장 : 추천 시스템 알고리즘 개요 및 상세를 설명한다.
• 6장 : 추천 시스템을 서비스에 적용할 때 DB, API 등의 시스템을 어떻게 설계하는지 설명한다.
• 7-8장 : 추천 시스템의 평가 지표 및 편향 제거, 인과 추론 등을 설명한다.

이 책은 추천 시스템을 처음 접하는 사람도 이해하기 쉽게 설명한 A-Z 입문서이다. 개인화된 콘텐츠 제공을 위한 추천 시스템 설계부터 UI/UX, 구현 기법, 평가까지 소개해준다는 장점이 있다. 하지만 현업에서 자주 사용되는 용어인 "컨텐츠 기반 필터링"과 "협업 필터링" 등의 표현을 사용하는 것이 내용 기반 추천, 협조 필터링보다 더욱 명확할 것 같다.

정확한 추천 알고리즘 개발은 많은 기업들의 핵심적인 마케팅 전략 중 하나이다. 추천 시스템 도입을 고민하고 있는 기획자, 개발자, UI/UX 디자이너들에게 추천하고 싶다. 추천 시스템을 다룬 몇 안 되는 시중에 나와 있는 책이니 만큼, 한 번쯤 꼭 읽어보길 권하고 싶다.

"한빛미디어 ＜ 나는 리뷰어다 ＞ 활동을 위해서 책을 제공받아 작성된 서평입니다.”

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

추천 시스템이란 무엇인가?라는 물음에 대한 답은
추천이란 무엇인가? 부터 시작되어야 하는 것이 맞다고 본다.

추천의 정의는 아래와 같다.
추천(推薦): 적합한 특정 대상을 책임지고 소개하는 일.

이 엄밀한 정의를 만족시킬 만한 추천시스템을 찾기는 쉽지 않은 것이 현실이다.
그렇기 때문에 추천 시스템 구축에는 많은 비용과 역할이 세분화 되어 있고, 이를 유기적으로 관리하고
원활하게 유지할 수 있게 하려고 도입되는 것이 바로 시스템이라고 생각한다.

이 책은 처음 추천시스템을 접하는 사람들에게 적합한 책이다.

기존의 지식이 없더라도 쉽게 읽고 활용해 볼 수 있으며, 가볍게 읽을 수 있도록 구성된 책이다.

추천에서 가장 중요한 부분은 Scope에 대한 정의이고,
어떤 시스템에 적용해야 하는지에 대한 Domain Adaptation이라고 생각한다.

그렇기 때문에 기초가 중요하고 데이터의 수집과 전처리 그리고 이를 유기적으로 구성할 수 있는 아키텍처의 수립이 무엇보다 중요하다.

하지만 시스템은 노후화 되고 기술은 발전한다.

이런 것들을 염두해 두고 유기적으로 변경되고 Switching될 수 있도록 모듈화하여 구성해야 하고Dependency를 최소화 하는 데이터 구성이 무엇보다 선행하여 생각할 부분이라고 본다.

하지만 현실에서는 담당부서가 다르고 유관부서가 다양하고
부서별 Needs 또한 파편화되어 흩어져 있기 때문에 이를 통합하여 관리하고 활용 체계를 점검할
콘트롤 타워가 부재한 것이 사실이다.

이 책을 읽으면서 본질적인 부분에 대하여 다시금 살펴볼 수 있게 되었고,

다시 초심으로 돌아가 생각할 수 있게 되었다.

추천의 정의와 추천 시스템의 당위성 무엇을 위하여 우리는 추천을 하는가?를 다시금 돌아볼 수 있게 해준 책이다.

[책 리뷰] 추천 시스템 입문 - 가자마 마사히로, 이즈카 고지로, 마쓰무라 유야 저/김모세 역.한빛미디어.2023

[목차 정리]

- CHAPTER 1 추천 시스템

- CHAPTER 2 추천 시스템 프로젝트

- CHAPTER 3 추천 시스템의 UI/UX

- CHAPTER 4 추천 알고리즘 개요

- CHAPTER 5 추천 알고리즘 상세

- CHAPTER 6 실제 시스템과의 조합

- CHAPTER 7 추천 시스템 평가

- CHAPTER 8 발전적 주제

- APPENDIX A 넷플릭스 프라이즈

- APPENDIX B 사용자-사용자 메모리 기반 방법

추천이란 무엇일까.

경험에 의하면 실제로 이용해보거나 사용해본 제품 혹은 서비스에 대해

나의 경험을 기반으로 타인에게 권하는 행위이다.

실제 사전적 의미도 크게 다르지 않다.

"어떤 조건에 적합한 대상을 책임지고 소개함."

추천하는 주체가 "나"이기에 내가 타인에게 소개한다는 말이다.

그럼 온라인 혹은 시스템에서의 추천 기능은 어떻게 구현하는 것일까.

현재 거의 대부분의 시스템에서 활용되는 추천 시스템 기능을 

구성하는 방법에 대해 정리한 내용이 이 책이다.

온라인의 추천 시스템은 나의 기록을 토대로 이루어 진다.

일반적으로 조회수나, 구매수, 인기수 등의 기준 뿐만 아니라

사용자의 선호도를 파악하기 위한 각종 데이터와 누적된 경험의 기록을

사용자에게 정리하여 보여누느것이 추천시스템이다.

있으면 좋고 없으면 마는 것이 추천시스템이 아니다.

이제는 거의 모든 서비스에서 필수적으로 활용되는 것이 추천시스템이다.

사용자가 원하는 것을 가장 가깝게 권하는 시스템이

결국 회사의 이익으로 돌아오는 수레바퀴의 시작점이 되는 셈이다.

반드시 사용자에 기호에 맞는 아이템을 추천할 수 있는건 아니다.

사용자가 만족하는 무언가에 대해 가깝게 추천하기 위한 시스템이

바로 추천 시스템이 추구하는 방향성이다.

이 책은 추천 시스템이라는 내용에 대해 파이썬 언어를 활용하여

알고리즘과 시스템 구축, 비교등에 대해 전반적으로 다루고 있는 책이다.

혹시나 해당 분야에 관계 없는 사람이 읽더라도 나쁘지 않은 책이다.

추천 시스템이 어떻게 구성되어 있으며

나의 데이터를 어떻게 활용하여 나에게 적절한 것을 추천하는지에 대해

고민의 답도 어느정도는 들어있는 책이기 때문이다.

YES24 구매 바로가기 (http://www.yes24.com/Product/Goods/118625987)

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

책 리뷰,리뷰,서평단,(주)한빛미디어,서평단,나는 리뷰어다 2023, 비소설, 추천 시스템 입문, 가마자 마사히로, 이즈카 고지로, 김모세, 추천 알고리즘, 

추천이라는 도메인은 여러 회사, 특히 IT 회사에서 굉장히 중요한 핵심 도메인이다. 온라인 쇼핑몰 등의 이커머스 서비스는 당연하고 대부분의 IT 서비스 기업의 주 비즈니스 모델인 광고 사업의 핵심이기도 하기 때문이다. 사용자에게 유효한 추천이 매출로 직결되는 만큼 거대한 블랙박스 안에 굉장히 많은 기술, 알고리즘, 시스템이 숨어있다.

이 책은 적절한 예시와 깔끔한 번역으로 추천 시스템에 대한 도메인 지식을 설명하는데 많은 지면을 사용했다. 기억에 남는 키워드를 몇 가지 정리해 보면...

콜드 스타트 문제

신규 사용자나 신규 아이템 데이터가 적어 추천이 어려워지는 문제.

신규 사용자는 인터렉션 데이터, 즉 서비스 안에서 행동한 데이터가 없기 때문에 협조 필터링을 사용하기 어렵다.

그래서 사용자 자체에서 제공받는 콘텐츠 데이터를 이용한 내용 기반 필터링이 주가 된다.

협조 필터링이 사용자의 기호를 더 반영하여 클릭, 구입을 유도할 수 있는 추천 방법이 되는 경향이 일반적이다.

추천 시스템 프로젝트 진행 단계

1. 과제 정의

2. 가설 수립

3. 데이터 설계, 수집, 가공

4. 알고리즘 선정

5. 학습/파라미터 튜닝

6. 시스템 구현

7. 평가 및 개선

추천 시스템과 UI/UX

적절한 UI/UX를 제공하지 못하면 아무리 고도의 추천 알고리즘을 개발해도 사용자에게 가치를 전달할 수 없다.

서비스 도메인, 목적, 사용자의 종류 등에 따라 적합한 UI/UX는 서비스마다 다르기 때문에 이를 반드시 고려해야 한다.

특히 제공하는 정보량이 너무 적거나 적절한 정보를 표시하지 않으면 사용자가 해당 아이템의 좋고 나쁨을 알 수 없으므로 자신의 기호에 맞더라도 흥미를 가지지 못하게 된다. 반대로 필요 이상 많은 정보를 표시하면 다른 정보에 묻혀서 정말로 사용자에게 전달되어야 할 정보가 전달되지 않거나 복잡한 서비스라는 인상을 심어주어 사용자가 서비스에서 이탈할 수 있다.

추천 시스템의 UI/UX 분류

1. 적합 아이템 발견

사용자가 자신의 목적을 달성하는 데 적합한 아이템을 서비스상에서 최소 1개 이상 발견하게 하는 것을 의도하는 방법

일본의 음식점 검색 서비스 타베로그는 사용자의 기호에 맞을 가능성이 높은 아이템부터 차례대로 정렬한 리스트를 사용자에게 제시한다.

2. 적합 아이템 나열

사용자가 자신의 목적을 달성하는 데 적합한 아이템을 가능한 모든 서비스에서 발견하는 경우

주택 계약, 물건 찾기, 여행 계획 등 사용 빈도는 낮지만 비용이 많이 드는 아이템을 다루는 서비스에서는 이 방식을 선택한다.

3. 아이템 계열 소비

열람, 소비하는 동안 추천된 아이템 계열 전체에서 가치를 누리는 것을 목적으로 하는 경우

음악 스트리밍 서비스에서 주제에 대한 추천 노래 리스트 제안이 이에 해당한다.

4. 서비스 내 체류

사용자가 사용하는 서비스 본래의 목적을 달성하는 것이 아니라 그저 아이템을 열람하는 것 자체를 목적으로 서비스 안을 돌아다니게 하는 방법

사용자에게 너무 강요하면 만족도가 떨어져 재방문하지 않게 될 우려가 있다.

에어비엔비는 많은 사용자가 흥미를 가질 만큼 인기 있는 관광지를 몇 가지 선정해서 주변의 숙박 시설을 간단하게 열람할 수 있도록 하는데 당장 구매로 이어지진 않지만 서비스 안을 돌아다니는 사용자의 만족도 향상을 노리고 적용한다.

개인적으로 개발자뿐만 아니라 기획, 사업 등 추천 도메인 관련 업무에 새로 합류하는 팀원이 반드시 읽으면 좋을 것 같다는 생각이 들었다. 추천 도메인에 경험이 없지만 이 책만 읽어도 추천 시스템이 무엇인지, 우리가 사용하고 있는 서비스에 어떤 식으로 적용되어 있는지 굉장히 디테일한 부분까지 다루고 있다. 개인적으로 3장 추천 시스템의 UI/UX은 파트에서 인사이트를 많이 얻었는데 이런 UI/UX를 고려해 개발단에서도 이를 좀 더 편리하고 변경에 용이하게 설계하는 것이 가능할 것 같다.

건축학에 건축학개론이 있다면 추천 도메인엔 이 책이 그 역할을 충분히 할 것이라고 생각한다.

한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다.