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."
댓글