구글(google) 뉴스의 추천 페이지 서비스

추천 서비스가 서서히 하나의 트렌드가 되는 것일까요?

아마존(Amazon) 같은 쇼핑 사이트뿐만 아니라, 구글(Goole) 뉴스도 추천 서비스를 제공하는군요.
마침 저희 회사(넷스루, Nethru)에서도 추천 솔루션에 많은 관심을 기울이고 있는 참에, 쇼핑 몰의 대명사 아마존뿐만 아니라 포털 서비스의 대명사이면서 인터넷 서비스의 절대 강자나 다름 없는 구글에서도 추천 서비스를 제공한다는 사실에 무척 고무가 되는군요.

그럼... 간략히 구글의 뉴스 추천 서비스를 살펴보도록 하겠습니다.

www.google.co.kr로 들어가면 매우 심플한 검색 페이지가 나옵니다.
하지만, 잘 아시는 바와 같이 검색이 구글의 전부가 아닙니다.
검색 입력란 위에 보면 '뉴스'라는 링크가 있고, 이걸 클릭하면 구글 뉴스 페이지로 들어갑니다. ('더보기' 링크를 눌러보면... 구글이 제공하는 서비스가 정말 많죠? 정말 이놈들이 인터넷 세상을 지배할 작정인지...^^)

그럼, 구글 뉴스 페이지로!
다시, 구글 뉴스 페이지에서 왼쪽 메뉴의 '추천 페이지' 클릭!

흥미롭게도 위의 추천 페이지에 나온 뉴스들은 제가 조금 전에 관심을 가지고 클릭했던 뉴스들이 배치되어 있습니다. 위의 그림을 보시면 IT 관련 뉴스들이 대부분이지요.
(사실은 제가 구글의 뉴스 추천 기능을 살펴보기 위해서 일부러 왼쪽 메뉴 중에서 '정보과학' 분야의 뉴스들만 주로 클릭을 했기 때문입니다.)

최근에 많이 클릭한 분야의 뉴스

그럼, 장난질을 좀 쳐 볼까요?
이번에는 왼쪽 메뉴에서 '정치' 분야의 뉴스들만 클릭을 해 보았습니다.
꾸준히 정치 뉴스 몇 개를 계속해서 읽었더니, 추천 페이지가 다음과 같이 정치 뉴스 위주로 바뀌는군요.

내친 김에... 이번에는 다시 스포츠쪽 뉴스들을 다시 집중공략 해 보았습니다.
앞서서 '정보과학'과 '정치' 분야 뉴스를 집중적으로 클릭했기 때문에 스포츠 뉴스 몇 개를 클릭했다고 금새 스포츠 뉴스를 추천하지는 않더군요.
그래도... 좀 더 꾸준히 몇 번 더 스포츠 뉴스를 클릭했더니, 다음과 같이 스포츠 뉴스 위주로 추천 페이지 내용이 바뀝니다.

음...
여기까지 놀아 본 결과, 제가 최근에 많이 클릭한 기사가 추천과 관련이 있다는 것을 대강 짐작할 수 있으며, 특히 내가 최근에 많이 클릭한 기사의 '카테고리'가 중요한 역할을 하는 것이 아닐까 짐작을 해 봅니다.
(예를 들어, 제가 '스포츠' 분야의 뉴스를 많이 클릭했다면 '스포츠' 뉴스 중에서 최신 뉴스나 인기 뉴스를 추천할 수가 있겠지요. 물론... 실제 내부적으로 어떻게 되는지는 구글에 물어 봐야 알겠죠?)

흠... 그렇다면, '스포츠' 중에서도 '축구'나 '야구' 같은 세부 분류까지 추천에 반영을 하는지 궁금해집니다.
그래서... 이번에는 야구 기사만 집중적으로 클릭을 해 보았습니다.
한 참을 클릭했지만... 큰 차이는 없었습니다.
아마도, '스포츠'라는 상위분류까지만 반영을 하는 모양입니다.

구글 하면 검색!

그러면 검색 결과도 영향을 많이 미칠것 같습니다.
그래서, 이번에는 열나게 검색을 많이 해 보았으나, 단순히 검색을 많이 한다고 해서 반영되는 것은 아니고, 검색 결과를 클릭 했을 때에만 저의 관심사가 반영되는 것으로 보입니다.

하지만, 검색어가 그냥 반영되는 것 같지는 않습니다.
제가 '박지성'으로 검색해서 열나게 기사들을 클릭했건만...
추천 페이지에는 '박지성' 뉴스가 추천되는 것이 아니라, 해당 뉴스가 속하는 '스포츠' 분야의 뉴스들이 계속해서 추천되더군요.

제가 좀 더 진득하게 박지성 뉴스를 클릭하지 않았을 수도 있지만, '뉴스'라는 컨텐츠의 속성상 이미 날짜가 지난 박지성 뉴스를 노출하는 것 보다는 해당 분야의 최신/인기 뉴스를 추천하는 것이 더 나을 것 같다는 생각이 듭니다.

즉, 정확한 검색과 최신성/인기성과의 차이랄까?
일반적인 검색은 검색어와 최대한 매치가 되는, 최대한 유용할 것으로 생각되는 '정보'를 찾아주는 것이지만, 뉴스의 경우에는 시기라든가 사람들의 관심정도 같은 것들이 중요한 요소일테니, '박지성'에 관한 지나간 뉴스 보다는 최신 인기 스포츠 뉴스가 더 나은 추천이 될 수도 있을 것 같습니다.

구글 추천 vs. 아마존 추천

공통적으로 고객의 성향을 파악하기 보다는 '현재 고객이 관심을 가지는' 것을 바탕으로 추천한다는 점입니다.

고객의 이용 내역을 분석해서 홍길동이라는사람이 주로 스포츠 뉴스에 관심을 가지며, 그 다음은 정치 관련 뉴스를 주로 이용한다는 것을 파악하기 보다는,
지금 홍길동이라는 사람이 어떤 토픽에 관심이 있는가에 주목한다는 것이죠.

고객의 과거 이용 내역을 분석해서 고객들의 성향을 파악하는 것은 추천뿐만 아니라 마케팅 활용 가치가 매우 높은 자료가 되지만, 분석을 위한 시간과 노력이 만만치가 않으며, 실제 추천을 하는 과정에서도 스포츠 뉴스를 좋아하는 사람에게 무턱대고 스포츠 뉴스만 추천하는 것이 좋은 추천도 아니니까요.

그것보다는 적은 노력으로 쉽게 추천을 하면서, 또한 어느정도의 효과까지 기대할 수 있는 추천 방식으로 택할 수 있는 것이 바로 '고객의 현재 관심사와 관계된' 것을 추천해 주는 방법이 아닌가 생각되네요.

고객의 현재 관심사와 관계된....

'현재 관심사'라고 하면, 지금 또는 조금 전에 고객이 클릭한 기사들이 될겁니다. (아마존의 경우라면 방금 고객이 클릭한 상품, 검색한 상품, Wish List 에 담은 상품 등등)

그렇다면, '관계된' 것은?

아마존의 경우에는 시스템 아래에 각 상품간의 유사성(similarity) 정도를 나타내는 데이터가 구축되어 있을 것입니다. ('유사성'이라는 것을 어떻게 판단하는지는 아마존만의 방식일테고요.)
고객들이 상품을 구매하거나 브라우징한 내역을 분석해서 서로 연관성을 찾아 내는 작업을 따로 처리할테고요.

구글의 경우에는 같은 분류에 속한 기사들을 서로 관련성이 있는 것들로 판단하는 것 같습니다. 왠지... 단순한 분류기준 외에 해당 뉴스를 표현하는 다른 것들, 예를 들어서 해당 뉴스의 주요 키워드 같은 것들을 이용할 것 같은 기대감(?)이 들지만... 직접 클릭을 하면서 테스트해 본 바로는 '분류'에 따른 기준 외에는 짐작 가는 것이 없네요.
좀 더 이용을 해 보면 다른 요소들이 나타나겠지요.

어떻게 만들었을까?

어떻게 만들면 좋을지... 자세한 것은 저희 회사(넷스루, Nethru)에 문의하시고요. ㅋㅋ^^

접근 방법은 여러가지가 가능할 것 같습니다만, 원리는 모두 단순하죠.
예를 들어, 제가 뉴스 기사를 클릭 할때마다 그 뉴스가 속한 분야의 스코어를 높여줍니다.
무작정 높이기만 해서는 안되고, 최근에 클릭한 것이 좀 더 많이 반영되도록 조정할 수 있으며, 그냥 클릭한 것과 검색한 것을 클릭한 것에 서로 다른 가중치를 줄 수도 있습니다.
검색을 해서 기사를 찾았다는 행동을 '보다 적극적인' 것으로 보겠다는 것이죠.

이렇게 해서...
예를 들어, 홍길동이라는 사람의 현재(최근) 관심사는
정치 0.3, 정보과학 0.4, 스포츠 0.7, 생활문화 0.1, .... 이런식으로 스코어링이 되었습니다.

그러면, 스포츠 뉴스 7개, 정보과학 뉴스 4개, 정치 뉴스 3개...
이런식으로 제시해 줄 수 있겠죠. (7개, 4개, 3개는 그냥 임의로 예시한 것입니다. 고객의 현재 관심사가 높은 것을 더 많이, 더 상위에 노출시킨다는 의도를 말하기 위함입니다.)

물론, 이 과정에서 뉴스의 최신성과 다른 사람들의 관심도(인기도) 등을 함께 고려하고, 또한
고객의 관심 분야는 아니지만 다른 사람들에게 워낙 인기가 많은 기사라면 고객의 관심사와 관계 없이 노출시킬 수도 있습니다. (예를 들어, 대통령 탄핵 기사 같은 ^^)

이처럼 원리는 단순하지만, 실제로 구현할 때 고려할 사항들은 상당히 많습니다.
데이터의 양, 처리 속도, 고객 관심사의 파악과 관리, 최신성과 인기도의 반영 등등...

어쨌든!

인터넷 서비스의 최강자인 구글의 서비스에서 '추천' 기능이 제공된다는 것은 무척 고무적입니다. 많은 컨텐츠 서비스 사이트들이 구글의 앞서가는 서비스들을 계속 참조하고 있는 것이 현실인만큼, 보다 많은 사이트들이 '추천' 서비스에 관심을 가질 것으로 보입니다.

그리고... 꾸준히 개인화 추천과 관련된 기술을 축적해 가고 있는 저희 회사로서도 상당히 반가운 상황이고요.

아마존의 경우, 베스트 셀러 상품을 제외한 나머지 하위 상품들의 매출 비중이 상당하다고 하는데... 제 짐작으로는 아마존의 추천 기능도 거기에 한 몫을 하고 있지 않을까 생각됩니다.

아마존도 추천 서비스를 제공하고, 구글도 추천 서비스를 제공합니다.
많은 사람들이 추천이 뭘까, 과연 효과는 있을까, 제대로 되긴 되는걸까.... 등등의 고민을 하고 있을겁니다.
이에 대해서 명쾌한 해답과 투자 대비 효과가 정량적으로 제시되지도 못하고 있습니다.

그러나, 앞서가는 서비스들은 어쨌든 간에 한 발 먼저 이런 시도를 하고 있다는 점, 실제로 해당 서비스를 사용해 보면 볼수록 그 유용성을 느낄 수 있다는 점을 눈여겨 보았으면 합니다.