알고리즘 추천 피드
손님이 무얼 먹고 어떤 표정을 짓는지 뒤에서 조용히 관찰했다가, 입맛에 딱 맞는 다음 음식을 계속 내오는 전담 뷔페 요리사예요.
정의 알고리즘 추천 피드는 소셜 미디어나 동영상 앱에서 사용자가 좋아할 만한 글과 영상을 컴퓨터 프로그램(알고리즘)이 자동으로 계산해 끝없이 골라 보여주는 화면이에요. 모든 사람에게 똑같은 화면을 보여주는 대신, 각자의 행동 기록을 분석해 맞춤형으로 콘텐츠를 배열해요.
내가 누른 '좋아요' 하나도 허투루 넘기지 않아요
새로운 앱을 켜면 화면에 수많은 영상과 사진이 떠요. 이 목록은 우연히 정해진 것이 아니에요. 내가 어떤 영상을 끝까지 보았는지, 어떤 사진에 '좋아요'를 눌렀는지, 심지어 몇 초 동안 멈춰 서서 읽었는지까지 실시간으로 기록돼요.
이러한 기록을 행동 데이터라고 불러요. 추천 시스템은 사용자가 남긴 수많은 흔적을 모아 관심사를 점수로 매겨요. 고양이 영상을 3초 만에 넘긴 사람과 1분 동안 두 번 돌려본 사람에게 추천되는 다음 화면은 완전히 달라져요.
앱을 오래 쓸수록 나와 비슷한 취향을 가진 다른 사람들의 데이터까지 함께 엮여요. 내가 요리 영상을 즐겨 보았다면, 나와 비슷한 요리 영상을 본 다른 사람들이 좋아했던 디저트 영상까지 연쇄적으로 추천해 주는 방식이에요.
조금 더 정확히 말하면: 두 가지 추천 기술의 결합
추천 피드가 작동하는 원리는 크게 두 갈래로 나뉘어요. 첫 번째는 '콘텐츠 기반 필터링'이에요. 사용자가 공룡 관련 글을 읽었다면 글의 제목이나 태그에 적힌 공룡이라는 특징을 찾아 비슷한 글을 더 보여주는 방식이에요.
두 번째는 '협업 필터링'이에요. 콘텐츠의 내용 자체보다는 사람들의 행동 패턴에 집중해요. A 사용자와 B 사용자가 지금까지 좋아한 영화 목록이 90% 일치한다면, A가 재미있게 본 새로운 영화를 아직 안 본 B에게 권하는 원리예요.
오늘날의 소셜 미디어는 이 두 방식을 섞고 인공지능 신경망까지 더해 작동해요. 덕분에 사용자가 검색창에 단어를 직접 치지 않아도, 마치 내 마음을 읽은 것처럼 다음 볼거리를 쉼 없이 대령할 수 있어요.
편리함 뒤에 숨은 '필터 버블'을 조심해야 해요
알고리즘 추천 피드는 취향에 딱 맞는 정보만 골라주어 편리하지만 뜻밖의 부작용도 낳아요. 내가 좋아하는 종류의 생각과 의견만 화면에 계속 나타나다 보니, 세상 모든 사람이 나와 비슷하게 생각한다는 착각에 빠지기 쉬워요.
자신만의 거품 안에 갇혀 다른 시각을 보지 못하게 되는 현상을 필터 버블(Filter Bubble)이라고 불러요. 알고리즘은 사용자가 화면에 더 오래 머무르게 만드는 자극적인 콘텐츠를 우선 추천하는 경향이 있기 때문에 갈등이나 편견이 더 심해지기도 해요.
결국 알고리즘이 차려준 밥상만 수동적으로 받아먹기보다는, 가끔은 평소에 보지 않던 주제를 검색해 보거나 관심 없는 채널을 둘러보며 시야를 넓히는 능동적인 미디어 습관이 필요해요.
🤔 흔한 오해
알고리즘은 스마트폰 마이크로 내 목소리를 몰래 엿듣고 맞춤 영상을 띄운다.
음성을 도청하지 않아도 화면을 스크롤하는 속도, 머문 시간, 나와 행동 패턴이 비슷한 다른 사용자들의 데이터만으로 취향을 소름 돋을 만큼 정확하게 예측해 낼 수 있어요.
🧺 일상에서 만나요
내가 남긴 사소한 행동 흔적을 분석해 좋아할 만한 콘텐츠를 끊임없이 골라 보여주는 맞춤형 추천 시스템이에요.