AI 영상 추천 알고리즘의 진화
“다음에 뭘 볼지”를 맞추는 AI: 영상 추천 알고리즘의 진화
6-1에서 개인화된 영상 소비 경험 얘기했죠.
내가 뭘 좋아하는지, 어떤 순간에 멈췄는지, 어느 정도까지 봤는지… 그런 사소한 흔적들이 모이면 추천은 “그럴듯하게” 바뀌기 시작해요.
그리고 6-2에서는 그 “그럴듯하게”를 가능하게 하는 핵심, AI 영상 추천 알고리즘의 진화를 좀 쉽게 풀어볼게요. (나름 개발자 감성으로, 너무 딱딱하지 않게요!)
추천 알고리즘이 하는 일: 한 줄 요약하면 “미리 보는 취향”
추천 시스템이 뭔지 한 줄로 말하면 이거예요.
- 내 화면에 딱 맞는 영상을 앞으로 나오기 전에 고르는 일
근데 여기서 중요한 건 “맞히기 게임” 같아 보여도, 실제로는 계속 업데이트돼요.
- 방금 본 영상이 뜬금없이 마음에 들면 → 다음 추천이 바뀜
- 반대로 건너뛰거나 바로 나가버리면 → 다음 추천이 조정됨
솔직히 말하면, 예전에 추천 시스템 만들 때(15년 전쯤…!) “이걸 맞추면 되나?” 싶었는데, 생각보다 훨씬 복잡하더라고요.
왜냐면 사용자는 고정된 취향이 아니라, 지금 기분/상황/시간대에 따라 달라지거든요. 어? 이게 또 어렵지…
추천 알고리즘의 진화 1: “비슷한 것 추천”에서 시작했다
처음엔 보통 이렇게 했어요.
- 내가 본 영상과 겉으로 비슷한 것 추천
- 카테고리/태그가 비슷하면 같은 라인으로 밀어주기
이 방식은 설명하기도 쉽고, 구현도 비교적 쉬워요.
근데 문제는…
- “비슷한데 재미는 없을 수도” 있고
- “비슷한데 왜 이걸 추천하지?” 같은 느낌이 나올 수 있어요
그래서 결국 다음 단계로 넘어가요.
추천 알고리즘의 진화 2: “사용자 행동”을 학습하기 시작함
여기서부터 추천이 진짜로 살아나요.
영상 플랫폼에서 사용자는 그냥 소비만 하는 게 아니고, 계속 신호를 보내요.
- 끝까지 봤다
- 중간에 멈췄다
- 좋아요/구독/공유를 했다
- 댓글을 남겼다
- 다음으로 넘어갔다(이건 은근 강한 부정 신호…)
나름 핵심은 이거예요.
- 영상의 내용(콘텐츠 신호) + 사용자의 행동(행동 신호)
이 두 개를 같이 봐야 추천이 정교해져요.
추천 알고리즘의 진화 3: “랭킹”이 핵심이 됨
음… 사실 추천은 “하나 고르기”가 아니라 “여러 개 중에 순서를 정하는” 일에 더 가까워요.
그래서 많이들 이렇게 구성돼요:
- 후보군을 먼저 많이 모으고(대충 추천 리스트 만들기)
- 그다음 점수로 순서를 매겨서(랭킹)
- 최종으로 화면에 노출
이걸 생각보다 자주 쓰는 이유가 있어요.
후보를 줄여야 빨라지거든요. 플랫폼은 사용자 수가 많으니까요. 그냥 “전부 다 계산”하면 서버가 먼저 숨 넘어가요. (나도 이거 한번 했다가… 서버 경고 떠서 멈췄던 기억이 납니다…ㅎㅎ)
추천 알고리즘의 진화 4: 영상 특성에 맞게 ‘모델링’이 바뀜
영상은 텍스트랑 달라요. 한 프레임 한 프레임이 정보라서, 더 복잡하죠.
그래서 요즘은 보통 이런 식으로 접근해요.
- 영상에서 특징을 뽑기(예: 장면 전환 패턴, 얼굴/사물, 스타일 느낌 등)
- 오디오 신호도 같이 반영(말투/배경음/리듬)
- 텍스트(제목/자막/설명)도 섞어서 이해
즉, “영상 하나”를 이해할 때 멀티모달(여러 종류 신호)을 조금씩라도 써요.
솔직히 말하면 이 단계가 제일 어려운데, 잘되면 체감이 확 올라가요.
“그럼 추천이 왜 더 좋아졌냐?” 체감 포인트 3가지
사용자 입장에서 추천이 좋아졌다고 느끼는 건 보통 이런 이유예요.
초반 5초~30초가 더 잘 맞음
- 내가 “이거 괜찮다/아니다” 판단하기 전에, 이미 비슷한 결의 영상이 뜨는 거죠.
취향이 고정이 아니라는 걸 반영함
- 오전엔 공부 영상, 밤엔 가벼운 콘텐츠… 이런 변화에 대응해요.
실패 신호를 빠르게 학습함
- 건너뛴 패턴이나 이탈 타이밍이 누적되면 추천이 덜 엉뚱해져요.
어? 그럼 완전 완벽하냐?
음… 아직은 아니에요. 나름 아직도 “왜 나한테 이런 걸 줘?” 하는 순간은 나오거든요. 다만 예전보다 확실히 줄어드는 느낌!
추천의 현실: 개인정보, 피드백, 그리고 ‘오작동’도 있음
여기서 좀 솔직한 얘기 해볼게요.
- 추천이 잘못되면 사용자는 바로 떠나요.
- 추천이 잘못되는 이유는 단순 실수도 있지만, “데이터가 부족”할 때가 많아요.
특히 초기에 사용자가 뭘 좋아하는지 정보가 없으면, 추천이 흔들려요.
그래서 “콜드 스타트(초기 추천 문제)” 같은 이슈가 늘 따라옵니다.
나도 예전에 테스트하다가, 비슷한 것만 계속 추천돼서 피드가 거의 복붙처럼 보인 적이 있어요.
그때 깨달았죠. 추천은 “정확도”만큼이나 다양성이 중요하다는 걸요.
다음 이야기로 자연스럽게 연결되는 포인트: 광고는 어떻게 같이 들어오나?
여기까지 오면 질문이 생겨요.
- “추천이 잘 되면, 플랫폼은 그 관심을 돈으로 바꾸고 싶겠지?”
- “광고도 결국 추천의 연장선 아닐까?”
맞아요. 그래서 6-3에서는 AI 영상 광고의 새로운 형태로 넘어가요.
추천 알고리즘이 “뭘 보여줄지”를 결정한다면, 광고는 “그 관심을 어떤 방식으로 연결할지”를 결정하거든요.
다음 편에서 그걸 더 구체적으로 볼게요. 준비되셨죠?
