넷플릭스의 특별한 포스터
넷플릭스는 전 세계인의 일상 속 깊게 자리하고 있는 OTT 플랫폼의 대표 서비스입니다. 2021년 4분기 미국 내 OTT 플랫폼 중 43.6%의 점유율을 가지며 1위의 플랫폼으로 자리를 차지하고 있습니다. 넷플릭스는 어떻게 OTT플랫폼의 홍수 속에서 점유율 1위를 차지할 수 있었을까요?
넷플릭스가 제공하는 다채롭고 흥미로운 콘텐츠뿐만 아니라, 넷플릭스만의 특별한 개인화 맞춤 서비스를 통해 유저를 락인 (Lock-in) 합니다.
[사진 출처 : PARROT ANALYTICS (링크 : https://www.parrotanalytics.com/insights/does-paramount-have-what-it-takes-to-summit-the-streaming-peak/ ]
예를 들어, 넷플릭스는 콘텐츠 추천의 개인화 맞춤 서비스에서 나아가 유저가 보는 콘텐츠의 포스터까지도 맞춤화로 제공합니다.
유저 A와 B의 예시를 통해 알아보겠습니다. 유저 A는 한 배우에 빠지면 그 배우가 출연한 모든 드라마와 영화를 보는 일명, ‘필모그래피 깨기’를 좋아하고, 킹스맨처럼 액션 장르를 주로 시청합니다. 유저 B는 역사적이고 감동적인 드라마와 영화를 주로 시청합니다.
[사진 출처 : 넷플릭스 화면 내 드라마 ‘호텔 델루나’ 포스터]
이때, 유저 A에는 드라마 ‘호텔 델루나’의 왼쪽 포스터처럼 인물이 클로즈업되고, 액션 장면이 강조되는 포스터가, 유저 B에는 오른쪽 포스터처럼 역사적인 분위기 연출되는 포스터가 노출됩니다.
과연 넷플릭스의 포스터 맞춤은 어떻게 이뤄지는 것일까요?
넷플릭스의 Artwork 개인화 포스터 서비스
앞선 예시를 통해 알 수 있듯이, 넷플릭스는 콘텐츠 추천부터 포스터까지 모두 개인화 맞춤 서비스를 통해 제공합니다. Netflix Technology Blog를 보면, 그들의 개인화 맞춤 서비스의 기술과 테스팅 결과들을 찾아볼 수 있습니다. 이 중 Artwork 포스터 서비스의 글을 통해 넷플릭스의 개인화 맞춤 포스터 서비스의 핵심은 ‘Contextual Bandit’ 알고리즘이라는 것을 알 수 있습니다. Contextual Bandit은 ‘맥락에 따른 서비스 이용자의 정보 훔치기’ 정도로 해석할 수 있습니다. 즉, 머신러닝 기반 Contextual Bandit algorithm을 사용하여 넷플릭스 이용자의 시청 이력, 국가 정보, 검색 기록 등을 활용하여 콘텐츠 및 포스터를 추천하는 것입니다. 이때 기존의 머신러닝 학습법처럼 데이터의 양이 증가할 때까지 기다리기보다, 이용자 Context에 따라 즉각적으로 반응하며 최적의 Artwork, 포스터를 선별하여 노출합니다.
[사진 출처 : Netflix technology Blog (링크: https://netflixtechblog.com/artwork-personalization-c589f074ad76 )]
예를 들어, 위의 사진처럼 영화 ‘굿윌헌팅’의 동일한 예시가 있을 때, 로맨스 영화를 주로 시청한 이력이 있는 이용자 A에는 영화 ‘굿윌헌팅’ 중 로맨틱한 장면을 캡처한 섬네일 포스터를 노출하고, 코미디 영화를 주로 시청한 이력이 있는 이용자 B에게는 코미디의 대가인, 배우 ‘로빈 윌리엄스’가 등장하는 장면의 포스터를 노출합니다.
[사진 출처 : Netflix technology Blog (링크: https://netflixtechblog.com/artwork-personalization-c589f074ad76 )]
이러한 실시간 개인화 포스터 맞춤 서비스를 위해 넷플릭스는 위의 사진 처럼 한 작품의 포스터를 여러 개 제작한 후 Contextual bandit 알고리즘에 따라 포스터를 노출합니다.
그렇다면, 넷플릭스는 어떤 이유로 개인화 맞춤 알고리즘에 집중하는 것일까요?
[사진 출처 : Netflix technology Blog (링크: https://netflixtechblog.com/artwork-personalization-c589f074ad76 ) ]
위의 그래프처럼, 기존의 알고리즘보다 Contextual bandit 알고리즘을 사용한 경우에 서로 다른 이용자에게 각기 다양한 포스터 추천이 가능합니다. 이러한 다양한 포스터는 이용자의 취향에 맞는 시각적 자극을 부여해 콘텐츠를 지속해서 소비할 수 있도록 이끕니다. 포스터는 콘텐츠를 소비하고자 하는 이용자에게 첫인상을 주는 중요한 요소입니다. 그렇기에, 포스터를 통해 긍정적인 첫인상을 남기고, 이어서 이용자가 콘텐츠를 소비해야 하는 근거를 부여합니다. 무엇보다도, 컨텐츠의 홍수 속에서 짧은 시간 내에 이용자의 취향에 딱 맞는 콘텐츠로 끌어들여야 이용자 이탈률을 줄일 수 있습니다.
취향을 저격하는 개인화 맞춤 푸드 상품 추천 서비스, 푸드큐
개인화 서비스 시장 속 넷플릭스의 Artwork 서비스처럼 일상에 스며든 개인화 맞춤 서비스들이 속속 등장하고 있습니다. 푸드 커머스에도 바로 이러한 ‘취향을 저격하는 개인화 맞춤 서비스’가 있습니다. 팜킷의 ‘푸드큐(FoodQ)’는 푸드커머스에 제공하는 월 구독방식의 AI 푸드큐레이션 서비스입니다. 푸드큐(FoodQ)는 AI가 분석한 고객의 입맛 취향 및 쇼핑 행동을 바탕으로 고객의 입맛과 취향에 맞는 맞춤 상품을 큐레이션 합니다.
[사진 출처 : 푸드큐 홈페이지 (링크 : www.foodq.ai)]
푸드큐는 세 가지의 기능을 통해 이용자에게 개인화 맞춤 서비스를 제공합니다. 유저의 입맛 취향 분석을 기반으로 한 (1) 홈 화면 맞춤 추천 기능, (2) 연관 상품 추천 기능, (3) 상품 개인화 정렬 기능을 제공합니다.
(1) 푸드큐는 홈 화면 맞춤 추천 기능을 통해 유저의 첫인상이 될 수 있는 메인 페이지 내에서 인공지능 기반 개인화 추천 상품을 노출합니다. 이때 MD가 리스트업한 상품 추천이 아닌, 유저의 상품 구매 이력, 입맛 취향 등 개인의 데이터를 바탕으로 한 취향 기반 개인화 추천 상품을 노출합니다.
[사진 출처 : 푸드큐 홈페이지 (링크: www.foodq.ai )]
(2) 유저가 특정 상품을 클릭하여 상품 상세 페이지에 들어갔을 때, 페이지 측면 또는 하단에 연관 상품을 추천합니다. 이때 유저의 음식 취향 데이터를 학습한 AI가 유저의 입맛 취향에 따라 연관 상품을 추천합니다.
[사진 출처 : 푸드큐 홈페이지 (링크: www.foodq.ai)]
(3) 마지막으로 유저가 푸드커머스 플랫폼을 탐험하며 얻은 데이터와 입맛 취향 데이터 등을 종합하여 유저가 상품을 검색하는 데에 효과적인 도움을 줍니다. 카테고리 또는 검색 결과 페이지에서 조회하게 되는 상품들을 인공지능으로 개인화하여 정렬합니다. 이때 해당 페이지의 기본 정렬 및 필터를 '입맛 선호도 순', '색다른 순' 등으로 대체가 가능합니다. 이러한 기능은 기존의 '인기 순', '신상품 순'의 정렬일 경우에 비해 유저가 약 50% 빠르게 원하는 상품에 도달할 수 있도록 합니다.
[사진 출처 : 푸드큐 홈페이지 (링크: www.foodq.ai )]
유저의 취향을 바탕으로 이뤄지는 일상 속 개인화 맞춤 서비스는 고도화되며 발전하고 있습니다. 넷플릭스의 포스터가 랜덤한 포스터에서 개인의 Context를 고려한 개인화 맞춤 포스터까지 발전한 것처럼, 푸드계의 개인화 서비스도 점차 발전할 것입니다.
이외에도 일상 속에서 발견하지는 못했으나, 자연스럽게 스며든 개인화 서비스도 있을 것입니다.
부모님께서 자녀의 입맛 취향을 알고, 생일에는 자녀가 좋아하는 잡채를 요리해 주시거나, 우울한 때에는 매콤한 떡볶이를 요리해 주시는 것처럼 푸드계의 개인화 서비스가 가상의 AI 부모님이 되는 날도 곧 다가올 것입니다.
영화도, 패션도, 푸드도 유저의 취향에 따라 변화하는 기술의 흐름 속에서 푸드큐 또한 푸드 커머스의 개인화 서비스를 통해 유저의 만족도를 증가시킬 수 있도록 발전하고 있습니다.
넷플릭스의 특별한 포스터
넷플릭스는 전 세계인의 일상 속 깊게 자리하고 있는 OTT 플랫폼의 대표 서비스입니다. 2021년 4분기 미국 내 OTT 플랫폼 중 43.6%의 점유율을 가지며 1위의 플랫폼으로 자리를 차지하고 있습니다. 넷플릭스는 어떻게 OTT플랫폼의 홍수 속에서 점유율 1위를 차지할 수 있었을까요?
넷플릭스가 제공하는 다채롭고 흥미로운 콘텐츠뿐만 아니라, 넷플릭스만의 특별한 개인화 맞춤 서비스를 통해 유저를 락인 (Lock-in) 합니다.
[사진 출처 : PARROT ANALYTICS (링크 : https://www.parrotanalytics.com/insights/does-paramount-have-what-it-takes-to-summit-the-streaming-peak/ ]
예를 들어, 넷플릭스는 콘텐츠 추천의 개인화 맞춤 서비스에서 나아가 유저가 보는 콘텐츠의 포스터까지도 맞춤화로 제공합니다.
유저 A와 B의 예시를 통해 알아보겠습니다. 유저 A는 한 배우에 빠지면 그 배우가 출연한 모든 드라마와 영화를 보는 일명, ‘필모그래피 깨기’를 좋아하고, 킹스맨처럼 액션 장르를 주로 시청합니다. 유저 B는 역사적이고 감동적인 드라마와 영화를 주로 시청합니다.
[사진 출처 : 넷플릭스 화면 내 드라마 ‘호텔 델루나’ 포스터]
이때, 유저 A에는 드라마 ‘호텔 델루나’의 왼쪽 포스터처럼 인물이 클로즈업되고, 액션 장면이 강조되는 포스터가, 유저 B에는 오른쪽 포스터처럼 역사적인 분위기 연출되는 포스터가 노출됩니다.
과연 넷플릭스의 포스터 맞춤은 어떻게 이뤄지는 것일까요?
넷플릭스의 Artwork 개인화 포스터 서비스
앞선 예시를 통해 알 수 있듯이, 넷플릭스는 콘텐츠 추천부터 포스터까지 모두 개인화 맞춤 서비스를 통해 제공합니다. Netflix Technology Blog를 보면, 그들의 개인화 맞춤 서비스의 기술과 테스팅 결과들을 찾아볼 수 있습니다. 이 중 Artwork 포스터 서비스의 글을 통해 넷플릭스의 개인화 맞춤 포스터 서비스의 핵심은 ‘Contextual Bandit’ 알고리즘이라는 것을 알 수 있습니다. Contextual Bandit은 ‘맥락에 따른 서비스 이용자의 정보 훔치기’ 정도로 해석할 수 있습니다. 즉, 머신러닝 기반 Contextual Bandit algorithm을 사용하여 넷플릭스 이용자의 시청 이력, 국가 정보, 검색 기록 등을 활용하여 콘텐츠 및 포스터를 추천하는 것입니다. 이때 기존의 머신러닝 학습법처럼 데이터의 양이 증가할 때까지 기다리기보다, 이용자 Context에 따라 즉각적으로 반응하며 최적의 Artwork, 포스터를 선별하여 노출합니다.
[사진 출처 : Netflix technology Blog (링크: https://netflixtechblog.com/artwork-personalization-c589f074ad76 )]
예를 들어, 위의 사진처럼 영화 ‘굿윌헌팅’의 동일한 예시가 있을 때, 로맨스 영화를 주로 시청한 이력이 있는 이용자 A에는 영화 ‘굿윌헌팅’ 중 로맨틱한 장면을 캡처한 섬네일 포스터를 노출하고, 코미디 영화를 주로 시청한 이력이 있는 이용자 B에게는 코미디의 대가인, 배우 ‘로빈 윌리엄스’가 등장하는 장면의 포스터를 노출합니다.
[사진 출처 : Netflix technology Blog (링크: https://netflixtechblog.com/artwork-personalization-c589f074ad76 )]
이러한 실시간 개인화 포스터 맞춤 서비스를 위해 넷플릭스는 위의 사진 처럼 한 작품의 포스터를 여러 개 제작한 후 Contextual bandit 알고리즘에 따라 포스터를 노출합니다.
그렇다면, 넷플릭스는 어떤 이유로 개인화 맞춤 알고리즘에 집중하는 것일까요?
[사진 출처 : Netflix technology Blog (링크: https://netflixtechblog.com/artwork-personalization-c589f074ad76 ) ]
위의 그래프처럼, 기존의 알고리즘보다 Contextual bandit 알고리즘을 사용한 경우에 서로 다른 이용자에게 각기 다양한 포스터 추천이 가능합니다. 이러한 다양한 포스터는 이용자의 취향에 맞는 시각적 자극을 부여해 콘텐츠를 지속해서 소비할 수 있도록 이끕니다. 포스터는 콘텐츠를 소비하고자 하는 이용자에게 첫인상을 주는 중요한 요소입니다. 그렇기에, 포스터를 통해 긍정적인 첫인상을 남기고, 이어서 이용자가 콘텐츠를 소비해야 하는 근거를 부여합니다. 무엇보다도, 컨텐츠의 홍수 속에서 짧은 시간 내에 이용자의 취향에 딱 맞는 콘텐츠로 끌어들여야 이용자 이탈률을 줄일 수 있습니다.
취향을 저격하는 개인화 맞춤 푸드 상품 추천 서비스, 푸드큐
개인화 서비스 시장 속 넷플릭스의 Artwork 서비스처럼 일상에 스며든 개인화 맞춤 서비스들이 속속 등장하고 있습니다. 푸드 커머스에도 바로 이러한 ‘취향을 저격하는 개인화 맞춤 서비스’가 있습니다. 팜킷의 ‘푸드큐(FoodQ)’는 푸드커머스에 제공하는 월 구독방식의 AI 푸드큐레이션 서비스입니다. 푸드큐(FoodQ)는 AI가 분석한 고객의 입맛 취향 및 쇼핑 행동을 바탕으로 고객의 입맛과 취향에 맞는 맞춤 상품을 큐레이션 합니다.
[사진 출처 : 푸드큐 홈페이지 (링크 : www.foodq.ai)]
푸드큐는 세 가지의 기능을 통해 이용자에게 개인화 맞춤 서비스를 제공합니다. 유저의 입맛 취향 분석을 기반으로 한 (1) 홈 화면 맞춤 추천 기능, (2) 연관 상품 추천 기능, (3) 상품 개인화 정렬 기능을 제공합니다.
(1) 푸드큐는 홈 화면 맞춤 추천 기능을 통해 유저의 첫인상이 될 수 있는 메인 페이지 내에서 인공지능 기반 개인화 추천 상품을 노출합니다. 이때 MD가 리스트업한 상품 추천이 아닌, 유저의 상품 구매 이력, 입맛 취향 등 개인의 데이터를 바탕으로 한 취향 기반 개인화 추천 상품을 노출합니다.
[사진 출처 : 푸드큐 홈페이지 (링크: www.foodq.ai )]
(2) 유저가 특정 상품을 클릭하여 상품 상세 페이지에 들어갔을 때, 페이지 측면 또는 하단에 연관 상품을 추천합니다. 이때 유저의 음식 취향 데이터를 학습한 AI가 유저의 입맛 취향에 따라 연관 상품을 추천합니다.
[사진 출처 : 푸드큐 홈페이지 (링크: www.foodq.ai)]
(3) 마지막으로 유저가 푸드커머스 플랫폼을 탐험하며 얻은 데이터와 입맛 취향 데이터 등을 종합하여 유저가 상품을 검색하는 데에 효과적인 도움을 줍니다. 카테고리 또는 검색 결과 페이지에서 조회하게 되는 상품들을 인공지능으로 개인화하여 정렬합니다. 이때 해당 페이지의 기본 정렬 및 필터를 '입맛 선호도 순', '색다른 순' 등으로 대체가 가능합니다. 이러한 기능은 기존의 '인기 순', '신상품 순'의 정렬일 경우에 비해 유저가 약 50% 빠르게 원하는 상품에 도달할 수 있도록 합니다.
[사진 출처 : 푸드큐 홈페이지 (링크: www.foodq.ai )]
유저의 취향을 바탕으로 이뤄지는 일상 속 개인화 맞춤 서비스는 고도화되며 발전하고 있습니다. 넷플릭스의 포스터가 랜덤한 포스터에서 개인의 Context를 고려한 개인화 맞춤 포스터까지 발전한 것처럼, 푸드계의 개인화 서비스도 점차 발전할 것입니다.
이외에도 일상 속에서 발견하지는 못했으나, 자연스럽게 스며든 개인화 서비스도 있을 것입니다.
부모님께서 자녀의 입맛 취향을 알고, 생일에는 자녀가 좋아하는 잡채를 요리해 주시거나, 우울한 때에는 매콤한 떡볶이를 요리해 주시는 것처럼 푸드계의 개인화 서비스가 가상의 AI 부모님이 되는 날도 곧 다가올 것입니다.
영화도, 패션도, 푸드도 유저의 취향에 따라 변화하는 기술의 흐름 속에서 푸드큐 또한 푸드 커머스의 개인화 서비스를 통해 유저의 만족도를 증가시킬 수 있도록 발전하고 있습니다.