넷플릭스 AI 추천 — 시청 시간의 80%를 알고리즘이 결정한다
넷플릭스는 사용자가 시청하는 콘텐츠의 약 80%가 AI 추천 시스템에 의해 선택된다고 공식 발표한 바 있다. 2009년 넷플릭스는 자사 추천 알고리즘의 정확도를 10% 이상 향상시키는 팀에게 100만 달러를 수여하는 'Netflix Prize'를 개최했고, 이 대회는 추천 시스템 연구의 분수령이 됐다.
성공 팩트
넷플릭스는 사용자가 시청하는 콘텐츠의 약 80%가 AI 추천 시스템에 의해 선택된다고 공식 발표한 바 있다. 2009년 넷플릭스는 자사 추천 알고리즘의 정확도를 10% 이상 향상시키는 팀에게 100만 달러를 수여하는 'Netflix Prize'를 개최했고, 이 대회는 추천 시스템 연구의 분수령이 됐다. 현재 넷플릭스의 추천 시스템은 시청 이력뿐 아니라 어떤 장면에서 일시정지했는지, 어떤 시점에서 이탈했는지, 심지어 같은 영화라도 사용자마다 다른 섬네일 이미지를 보여주는 수준까지 개인화되어 있다. 넷플릭스는 이 추천 시스템의 가치를 연간 약 10억 달러(구독 해지 방지 효과)로 추산했다.
시너지의 본질
넷플릭스 추천의 본질은 "좋은 콘텐츠를 찾아주는 것"이 아니라 "선택 과부하(choice overload)를 해결하는 것"이다. 수만 편의 콘텐츠 앞에서 사용자가 30초 이상 고르지 못하면 이탈한다. AI는 "당신이 좋아할 확률이 높은 순서"로 정렬해 선택의 피로를 줄인다. 사용자 만족과 기업 수익이 동일한 방향으로 정렬된 드문 사례다.
모듈 시너지
모듈 G(AI 선택): 추천 알고리즘은 "내가 과거에 본 것과 비슷한 것"을 우선 보여주므로, 시간이 지날수록 콘텐츠 다양성이 줄어들 수 있다. 넷플릭스가 "Top 10"이나 "지금 뜨는 콘텐츠" 같은 비개인화 목록도 함께 제공하는 이유가 여기에 있다. 가끔은 알고리즘이 아닌 자신의 호기심으로 콘텐츠를 선택하라.
코어 1(관계 설정): 알고리즘이 나의 시청 패턴을 "학습"하고 있다는 사실을 의식하라. 내가 보는 것이 알고리즘을 형성하고, 형성된 알고리즘이 다시 내가 볼 것을 결정하는 피드백 루프다. 이 루프에서 주도권을 유지하려면, 가끔 의도적으로 "알고리즘이 예상하지 못할 것"을 시청하라.
방패 연결
방패 편 S-97(알고리즘 넛징) — 넷플릭스 추천은 사용자 만족을 최적화하지만, 다른 플랫폼의 추천은 체류 시간이나 광고 노출을 최적화할 수 있다. 같은 추천 기술이라도 최적화 목표에 따라 사용자에게 이로울 수도, 해로울 수도 있다. "이 추천은 나를 위한 것인가, 플랫폼을 위한 것인가?"를 구분하는 눈이 필요하다.
→ 본편: 2부 4장 (모듈 G — AI 선택), 2부 2장 (코어 1 — 관계 설정)