추천 시스템(recommender system)은 「사용자의 과거 행동을 분석해 좋아할 만한 콘텐츠를 자동으로 골라 보여 주는」 AI 시스템입니다.
넷플릭스의 「당신을 위한 추천」, 유튜브의 「다음 동영상」, 아마존의 「이 상품을 산 사람들이 함께 산」, 카카오톡의 「알 수도 있는 사람」이 모두 추천 시스템입니다.
추천 시스템의 매출 영향력은 엄청납니다.
넷플릭스는 「시청 시간의 80%가 추천에서 비롯된다」고 밝힌 바 있고, 아마존은 추천이 매출의 35%를 만들어 낸다고 알려져 있습니다.
추천을 1% 개선하면 수억 달러의 매출 차이가 납니다.
기술적으로는 두 큰 갈래가 있습니다.
첫째, 「협업 필터링(Collaborative Filtering)」 — 「당신과 비슷한 취향의 사람들이 좋아한 것」을 추천.
둘째, 「콘텐츠 기반(Content-based)」 — 「당신이 과거에 좋아한 것과 비슷한 특성을 가진 것」을 추천.
현대 시스템은 두 가지를 결합한 「하이브리드」가 표준입니다.
딥러닝 시대에는 더 정교해졌습니다.
신경망 기반 협업 필터링(NCF), 그래프 신경망(GNN, 사용자-아이템 관계를 그래프로), Transformer 기반 시퀀스 추천(BERT4Rec — 사용자의 시청 순서까지 고려) 같은 모델이 표준이 됐습니다.
페이스북 피드, 인스타그램 릴스가 이런 모델로 운영됩니다.
최근 흐름은 「LLM 기반 추천」입니다.
사용자가 「올해 본 액션 영화 중 가장 좋았던 것과 비슷한 신작 추천해 줘」 같은 자연어로 추천을 요청할 수 있게 되고 있습니다.
단순한 클릭 패턴이 아니라 사용자의 의도와 맥락을 깊이 이해하는 단계로 진화 중입니다.
한 줄 요약
추천 시스템은 협업 필터링과 콘텐츠 기반의 결합으로 시작해 딥러닝(NCF·GNN·Transformer)을 거쳐 LLM 기반 자연어 추천으로 진화 중입니다.
넷플릭스·유튜브 매출의 핵심입니다.
더 알아볼 것
- 넷플릭스 프라이즈 — 추천 알고리즘 대회
- Cold Start 문제 — 새 사용자·새 아이템
- Filter Bubble — 추천이 만드는 인지적 편향
