[ 🤔 넷플릭스에서 ML로 신규 콘텐츠 관객 수를 예측하는 법 🎥 ] 콘텐츠 제작이나 수급을 결정할 때 중요한 것은 예상 관객 수이죠. 기존에는 비슷한 작품의 박스오피스나 닐슨 시청률과 같은

[ 🤔 넷플릭스에서 ML로 신규 콘텐츠 관객 수를 예측하는 법 🎥 ] 콘텐츠 제작이나 수급을 결정할 때 중요한 것은 예상 관객 수이죠. 기존에는 비슷한 작품의 박스오피스나 닐슨 시청률과 같은 제한적인 지표만을 활용했지만, 넷플릭스는 전세계 콘텐츠에 대한 메타데이터를 학습시킨 모델을 활용해서 문제를 해결한다고 해요. 즉, transfer learning을 기반으로 하는 거죠. 콘텐츠의 기본 단위를 넷플릭스에서는 "타이틀"이라 하는데요, 신규 타이틀의 예상 관객 수를 예측하려면 두 가지 질문에 답해야 합니다. 1️⃣ 기존 타이틀 중 신규 타이틀과 비슷한 것은? 2️⃣ 각 지역 별로 예측되는 관객 수는? 이를 위해서 넷플릭스에서는 전세계 모든 타이틀과 그 메타데이터에 대한 학습을 통해 각 타이틀별 임베딩을 구합니다. 마치 워드 임베딩을 하는 것처럼요! 그리고 요 임베딩을 그 뒤의 질문을 답할 수 있는 모델링에 활용하는 거죠. 1️⃣ 비슷한 타이틀 예측과 같은 경우에는 유사도 거리를 활용해 시각화를 하게 되면 결정을 내려야 하는 현업에서도 바로 활용하기 편하겠죠. 1️⃣의 결과로 나온 유사 타이틀의 관객 수와 각 나라별 임베딩을 활용하면 2️⃣의 새로운 타이틀의 관객 수도 예측할 수 있을 것이고요. 넷플릭스에서는 모델의 학습 결과를 해석할 수 있어 결정할 담당자들에게 인사이트를 줄 수 있고, 예측 정확도도 향상시켜 준다고 설명합니다. 어떤 메타데이터가 학습에 활용되는지도 중요한데요, 메타데이터에는 기본적인 장르, 길이 외에도 넷플릭스에서 자랑스럽게 운영하는 전문가들의 붙인 태그도 들어간다고 해요. 관련해서 참고하실 수 있는 링크를 남겨둘게요. 참고: https://www.linkedin.com/pulse/how-editorial-creative-sparks-joy-discovery-netflix-members-mcilwain/