콘텐츠 추천 엔진Content Recommendation Engine
한마디로
사용자의 행동, 취향 데이터로 '다음에 볼만한' 콘텐츠를 자동으로 골라 보여주는 시스템이에요. 유튜브 추천 영상, 넷플릭스 추천작, 쇼핑몰의 '이 상품 어때요'가 다 이거죠
작동 원리는 크게 세 갈래예요. '나와 비슷한 사람들이 본 것'을 미는 협업 필터링, 콘텐츠 자체의 속성(주제, 태그, 임베딩)이 비슷한 것을 미는 콘텐츠 기반 필터링, 그리고 둘을 섞은 하이브리드죠. 요즘은 임베딩과 LLM으로 '의미가 비슷한 것'까지 잡아내는 쪽으로 넓어지고 있어요.
추천이 얼마나 큰 비중을 차지하는지는 넷플릭스가 직접 밝힌 적이 있어요. 2015년 논문에서 넷플릭스는 추천 시스템이 홈 화면을 넘어 대부분의 화면에 쓰이며, 전체 시청 시간의 약 80%에 영향을 준다고 썼습니다. 무엇을 보여 주느냐가 곧 소비를 정한다는 뜻이에요.
마케팅 관점에선 체류시간, 재방문, 전환을 끌어올리는 개인화의 핵심 부품입니다. 미디어(유튜브, 넷플릭스), 커머스(아마존의 '함께 구매한 상품'), 뉴스 피드가 대표 무대고, 언론사 기사 하단의 추천 광고는 Taboola, Teads(Outbrain이 2025년 Teads를 인수한 뒤 회사명을 Teads로 바꿈) 같은 콘텐츠 추천 네트워크가, 자사몰 개인화는 Dynamic Yield, Amazon Personalize 같은 솔루션이 맡아요.
실무에서 조심할 건 두 가지예요. 추천이 과거 행동만 강화하면 사용자가 새 관심사를 못 만나는 '필터 버블' 문제, 그리고 개인화에 쓰는 행동 데이터의 프라이버시와 동의 관리 문제죠. 추천의 실제 기여는 클릭률만으로는 알기 어려워, 추천을 끈 집단과 비교하는 홀드아웃 실험으로 재는 게 더 정확합니다.
참고: Gomez-Uribe, Hunt, The Netflix Recommender System(ACM TMIS, 2015)