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

​

반갑습니다! 이번 포스팅에서는 지난번 포스팅에 이어 넷플릭스 시스템과 알고리즘에 대해 알아보도록 하겠습니다. 넷플릭스의 성공은 사실 경제적 성공뿐 아니라 구글, 아마존, 안본과 같은 인터넷을 기반으로 한 회사와 함께 기술적 성장을 의미하기도 한다.이걸보고넷플릭스효과라고도이야기인데요.넷플릭스 효과는 기술과 엔터테인먼트가 빠르게 합쳐져 매스미디어의 경영과 경제에 큰 영향을 미친다는 것을 이스토리한다.

우리는 넷플릭스에서 어떻게 콘텐츠를 선택합니까? 넷플릭스 빅데이터를 통해서요.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 정말 거의 측정이 불가능했습니다.

>

그리고 넷플릭스는 개별 구독자와 상호작용하여 구독자에게 개개인의 데이터를 만들어냅니다. 넷플릭스는 매우 과한 것이 많은 사람의 취향, 선호도를 파악할 수 있으며, 이를 통해 개별 구독자에게 콘텐츠를 추천하는 추천 시스템을 도입했습니다.

왜 추천 알고리즘이 인터넷 TV에서 성패를 가를 정도로 중요했을까요? 콘텐츠를 보거나 이 생각을 정하는데 걸리는 순간은 아주 짧은 순간이다.​, 자는 60초에서 90초 사이에 콘텐츠의 성패가 갈릴 것으로 말했습니다.이만큼 콘텐츠의 홍수 속에서 구독자 선호도와 개인 개인 취향에 맞는 콘텐츠를 추천하여 이들의 이목을 짧은 시간에 이끌어내는 것은 매우 중요합니다. 넷플릭스 상에는 수많은 콘텐츠가 있으며, 수많은 구독자가 있습니다.수많은 구독자들이 무엇을 보고 몇 명이 콘텐츠를 봤는지, 언제 어디서 어떤 기기를 통해서 어떤 집중력을 가지고 영상을 봤는지도 파악할 수 있습니다.이를 통해 각 구독자는 자신만의 콘텐츠 추천 알고리즘을 갖게 됩니다.넷플릭스도 이러한 알고리즘을 통해 구독자가 무엇을 원하는지 파악하고 콘텐츠를 기획하고 제작합니다.​

>

넷플릭스의 첫 작품인 '하우스 오브 카드'는 100%성공하면 고장 전부 sound하고 제작을 했다고 하더라구요. 왜냐하면 알고리즘상, 넷플릭스가 이미 모든 것을 알고 있었기 때문입니다.시청자가 어느 이야기를 나쁘게 하지 않는지, 어느 배우를 나쁘게 하지 않는지, 어느 편집을 나쁘게 하지 않는지 등을 예기합니다.

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

>

1. 개인화된 비디오 랭킹(Personalized video ranke, PVR)데이터를 통한 개인적 추천을 이 이야기 하자. 예를 들어 내가 본 장르와 유사하게 추천하는 액션&어드벤처 행입니다.제가 어드벤처와 액션이 많은 드라마 영화를 괜찮다는 걸 아시잖아요.​

>

2.Top N video ranker​ PVR과 달리 현재 콘텐츠 조회 순위에 그것에서 추천을 하고 줍니다.저에게는 브루클린 와인과 베티콜 사울, 버드 박스를 추천해 주었습니다.​

>

3.Trending ranker​ 현재 트랜드가 무엇인지를 판단하고 추천을 하고 줍니다.예를 들어 발렌타인데이가 가까워져서 로맨틱 무비를 추천하고, 허리케인이 발생하면 다큐멘터리를 추천합니다.

>

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

>

5.video-video similarity algoritm=Because you watched(BYW)​ BYW로도 불리는 이 알고리즘 또 비게잉화되고 있습니다.보동 대등한 동영상의 속음을 저장해 놓고 그걸 추천해 주니까요.​

>

6.the page generation algorith​ 다양한 알고리즘이 그 추천 페이지를 구성하고 각 행( 준다)와 해당 페이지의 관계와 다양성을 고려하기를 기대한다.복수의 알고리즘이 겹치지 않도록 다양하고 관련성을 가지고 하나의 페이지 안에서 배열되어 있는 것을 의견하시면 됩니다.​

>

7. 검색 알고리즘 이런 알고리즘이 사람들에 얼마나 자신의 영향을 걸지 않다고 의견만 ​ 넷플릭스에 따르면 구독자는 콘텐츠를 선택할 때 80%는 알고리즘의 추천을 받아 선택을 하고, 20%만이 검색을 하고, 콘텐츠를 소비한다고 합니다.

넷플릭스는 기존 시청률 측정의 많은 위험성을 극복하였습니다.샘플의 크기 문제와 지역성, 가끔성의 문제를 모두 극복했습니다.모든 구독자를 어느 정부에서나 가끔 관리할 수 있게 되었습니다.컨텐츠의 스크롤, 선택, 정지, 다시, 인터페이스로 돌아가는 등의 측정에 의해, 각각의 유저가 어느 정도 컨텐츠에 집중하는지, "인간의 컨텐츠 집중도"도 파악할 수 있게 되었습니다.

>

예를 들어서 제가 영화를 보고 재미없어서 중간에 나오거나 보다가 잠드는 것, 또 측정이 가능해진 거죠.과거에는 시청률 연구를 할 때 TV를 켜고 자는 것을 이 사람이 프로그램을 집중해서 봤다고 판단했습니다.얼마 전까지 넷플릭스의 빅데이터, 알고리즘에 대해 조사해 보았습니다.또한 때때로 넷플릭스의 위험성과 이대로 괜찮은지에 대해 알아보도록 하겠습니다.감사 드립니다