장혜림 (메이)

테크 비즈 라이터

팔로우

넷플릭스의 '개인화' 히스토리를 타임라인으로 대략 정리한 미디엄 글입니다. 1998년부터 지금까지요. 지금의 추천 시스템이 완벽하다고는 생각지 않지만 십수년에 걸쳐서 기술을 개선하고, 개발하고 실험을 거듭하는 것을 보니 꾸준함과 성실함의 힘을 다시금 느낍니다. 콘텐츠와 기술의 합을 통해 retention이라는 목적을 달성하는 모습도 인상깊어요. 1998년, 1999년 DVD 발송 서비스 시작, DVD 개수(라이브러리) 크게 확장 --> 구독모델 2000년 Cinematch라는 알고리즘 개발해 추천 시스템 도입. 크라우드 평점 매칭 알고리즘. 예를 들어 A와 B가 브루클린 나인나인과 굿플레이스를 좋아하는데 A가 소울을 좋아하면 알고리즘은 B도 좋아할 거로 예상하고 추천. 2001년 별점 시스템 도입 2002년 다양한 알고리즘을 개발 및 출시. 1) 특정 매장에서 어떤 DVD를 빌릴 수 있을지 확인하는 알고리즘, 2) 영화 데이터(시놉, 감독, 배우, 언어 등) 통합 알고리즘, 3) 검색 알고리즘 2006년 넷플릭스 개인화 전략 발표. 전략, 지표, 전술 발표. 데이터 종류와 알고리즘, 평가 점수 개선안. 1) 영화, TV 평가 점수, 장르, 인구분포 데이터 2) 회원이 리스트에 추가한 DVD 종류 3) 여러 데이터를 합쳐서 특정 회원과 타이틀을 매치하는 UI 개편 4) 회원들이 평가 점수를 더 많이 매기도록 유도 이후 인구 데이터 적극 수집. 나이, 젠더 등. 그러나 이 요인들이 취향 예측에 도움이 되지 않음을 확인 2007년 스트리밍 서비스 출시, 자체 알고리즘 경진대회 개최. 2등과 3등한 팀의 알고리즘을 결합해서 써보니 더 나은 취향 예측 가능. 2010년 경진대회에서 수상한 알고리즘으로 여러 가능성을 고민하며 실험을 거듭. 목표는 retention이라는 것을 늘 염두에 두고. 2011년 Movie genome project. 2000년의 cinematch 알고리즘을 개선해 카테고리 구분 가능케 됨. 그리고 '개인화가 retention을 향상시킨다'는 명제를 증명! 2013년 하오카 시리즈 론칭. 이후 오렌지이즈더뉴블랙, 기묘한 이야기, 보잭호스먼, 최근 브리저튼까지. 콘텐츠를, 그중에서도 히트작을 많이 생산해내는 것은 개인화와도 밀접한 연관이 있음. 뒤이어 Emmy award에서 '개인화 추천 엔진' 부문 수상. 2015년~2021년 해외 진출 가속화 2016년 사람마다 섬네일을 달리하는 UI 실험 실시. 2017년 별점에서 따봉으로. 그리고 '나와 이 콘텐츠가 얼마나 잘 맞는지 퍼센트 매칭' 시작 2021년 TV로 연결해서 볼 때 자동으로 무엇을 볼지 추천해주고 플레이하는 실험 시작 (일부 지역에서 하는 거로 보임)

A Brief History of Netflix Personalization

Medium