알고리즘을 활용한 온라인 서비스 기업을 소개합니다!

알고리즘에 대한 가장 간단한 정의는 ‘어떠한 문제를 해결하기 위한 일련의 절차’입니다. 특히 컴퓨터 관련 직종의 경우에는 알고리즘의 중요성이 점차 증가하고 있는데요. 사물인터넷(IoT) 도입 후 더욱 중요해진 알고리즘이 우리 주변에 어떻게 존재하고, 어떤 도움을 주는지 함께 알아보시죠.

---

검색결과에 숨은 알고리즘

예전엔 궁금한 게 있으면 도서관에서 해당 서적을 찾아보거나, 사전을 찾아서 궁금증을 해결했다면, 최근에는 스마트폰으로, 인터넷이 연결된 기계를 통해 검색을 통해 해결할 수 있습니다. 특히 검색엔진에는 내가 궁금한 ‘단어’만 입력해도 논문부터 최신 기사, 블로그를 통해 자세한 내용을 알 수 있는데요. 과연 우리가 검색한 결과는 어떻게 순서대로 결과를 보여줄 수 있을까요? 그 답은 세계에서 가장 많은 국가에서 검색엔진 점유율 1위를 자랑하는 구글에서 찾아볼 수 있습니다.

구글의 창업자인 세르게이 브린과 래리 페이지가 1998년 발표한 논문(‘The Anatomy of a Large-Scale Hypertextual Web Search Engine’)에서 구글 검색엔진의 기초 알고리즘인 페이지 랭크를 설명했습니다. 과학 논문의 공신력은 크게 2가지 방법으로 인정받습니다. ‘네이처’나 ‘사이언스’에 게재되거나, 다른 과학자들의 연구에 인용될 경우 논문의 공신력과 권위가 올라가는데요. 구글의 창업자들은 여기에 주목했습니다.

수많은 웹페이지는 링크를 통해 서로 연결되어 있고, 이런 웹 페이지들의 링크 개수와 웹 페이지의 공신력에 가중치를 부여하여 페이지 랭크를 구분했습니다. 즉, 사람들이 많이 방문하는 유명한 웹 페이지에서 특정 페이지를 링크하면 검색 결과 첫 번재 페이지에 노출 될 수 있다는 것이죠. 여기까지는 매우 기초적인 알고리즘이고 구글은 매년 새로운 내용을 추가하여 알고리즘을 업데이트하고 있습니다.

온라인 마케팅 업계에서는 검색엔진의 알고리즘을 파악하여 대응하려고 하고, 검색엔진은 알고리즘을 보완하여 더욱 객관적이고, 양질의 웹 페이지를 노출하고자 치열한 공방전을 펼치고 있습니다. 

---

내 뉴스피드는 어떻게 구성될까?

일촌, 맞팔을 기억하시나요? 일촌과 도토리로 유명했던 싸이월드는 일촌 파도타기를 통해서 일촌을 맺은 사람의 미니홈피를 방문하는 방식으로 교류를 했었는데요. 스마트폰 도입 직후 트위터가 떠올랐습니다. 팔로잉을 통해 내가 원하는 사람들의 멘션을 받아볼 수 있는데요. 이런 팔로잉을 주고받은 사이를 맞팔이라고 합니다. 그리고 요즘은 페이스북이 구글에 이어서 가장 많은 이용량을 자랑한다고 해서 살펴봤습니다.

페이스북은 뉴스피드의 처음에 노출되는 것에 대해서 큰 의미가 없었습니다. 페이스북은 이름 그대로 창업자인 마크 주커버그가 친목을 다지기 위해 학생들의 얼굴과 프로필을 공유하기 위해 시작되었습니다. 그러다 기업들의 마케팅 수단으로 활용되면서 뉴스피드에 노출되는 것이 중요해지기 시작했습니다. 페이스북이 직접 밝힌 알고리즘에 반영되는 조건들은 ‘좋아요’, ‘댓글’ 등이 있었습니다. 페이스북 이용자들의 관계와 과거에 무엇을 ‘좋아요’했고, ‘댓글’을 달았는지를 반영한다고 합니다.

2013년 공개한 ‘라스트 액터’ 알고리즘은 이용자 1명이 최근 좋아요를 누르거나, 댓글을 달았던 50개의 게시물을 분석해서 상호작용한 횟수가 많은 이용자의 순위를 매기는 알고리즘으로, 이 순위가 높을수록 뉴스피드 상단에 표시되었는데요. 2년인 지난 지금도 페이스북은 다양한 알고리즘 업데이트를 통해서 이용자에게 유용한 정보를 전달하고, 기업 페이지는 더 많은 팬을 확보하기 위해 양질의 콘텐츠와 광고를 집행하는 방향으로 가닥을 잡은 듯합니다.

---

아마존 매출의 30%를 책임지는 협업 필터링

해외 직구족이라면 아마존을 한 번쯤은 이용한 경험이 있겠죠? 아마존은 인터넷을 기반으로 성장한 기업이라서 매출을 올리는 알고리즘의 최신화가 가장 중요한 기업입니다. 웹 서핑을 하면서 만나는 배너 광고에는 내가 검색했던 키워드와 방문한 사이트 관련 광고가 뜨는 추천 알고리즘은 이미 과거의 유물이고, 현재는 협업 필터링 기술을 적용하고 있다고 합니다.

협업 필터링은 특정 고객 A와 비슷한 패턴을 보이는 B, C, D 고객의 데이터를 함께 분석해서, 비슷한 패턴을 보이는 고객을 타겟으로 광고를 집행하거나, 상품을 보여주는데요. 이 외에도 사용자의 행동을 더욱 세밀하게 판단합니다. 제품명을 검색했다고 구매와 연결되지는 않지만, 장바구니에 담거나, 실제로 구매할 경우에는 사용자의 관심을 정확히 분석할 수 있고, 신뢰성이 높은 정보로 가공이 가능한 장점이 있죠. 아마존은 가장 많이 클릭한 제품 리스트와 협업 필터링으로 선정한 제품 리스트의 클릭률이 최대 5배가량 차이가 났다고 했습니다.

수많은 고객들을 추적해 고객과 상품, 고객과 고객, 상품과 상품의 유사도를 분석하는 것은 매우 많은 데이터를 활용해야 하는데요. 이를 돕는 것이 바로 협업 필터링의 알고리즘이었습니다. PC에서 모바일로 사용자들이 이동하면서 더욱 중요해진 것이 고객의 기기와 접속 위치를 반영한 맥락(Context)을 반영해야 하는 점이 더욱 중요해지고 있는 이 시점에, 협업 필터링은 더 많은 고객에게 유용한 가치를 전달하는 훌륭한 수단으로 주목받고 있습니다.

이처럼 최근 우리가 사용하는 어플리케이션과 온라인 서비스들은 저마다의 알고리즘을 구축하고 있는데요. 기존의 알고리즘을 분석하고, 보완하거나 새로운 알고리즘을 구현한다면 더욱 우리의 삶은 편리해지겠죠?