Article at a Glance 넷플릭스에서 ‘대여’(?)되는 영화의 3분의 2가 고객에게 추천된 영화이고, 아마존의 경우 매출의 35%가 추천을 통해 발생하고 있다. 추천 시스템 구축은 각자가 속한 비즈니스가 어떤 영역에 속해 있고, 어떤 고객을 얼마만큼 확보하고 있는지에 따라 구축 목적부터 활용하는 모델에 이르기까지 완전히 다른 형태를 띠게 된다. 또한 추천 시스템을 완벽하게 구축한 것처럼 보이더라도 그게 곧 비즈니스의 성공으로 이어지는 것도 아니다. 경영에 필수적인 인프라로, 때로는 핵심 경쟁력의 구성 요소로 자리매김하고 있는 추천 시스템의 성공적 구성과 운영에 성공하려면 내가 속한 비즈니스의 본질부터 깊이 들여다볼 필요가 있다.
편집자주 DBR은 4차 산업혁명 시대를 맞이해 급변하는 빅데이터 분석의 트렌드를 제시하고자 aSSIST(서울과학종합대학원) 빅데이터MBA학과와 협력해 2018년 강의 중 핵심 내용을 지상 중계합니다. 과정 문의: [email protected]
‘알파고 등장’ 이전부터 우리 주변에 조용히 침투해 들어왔던 인공지능. 어쩌면 이미 거의 10년, 아마도 그 이상의 기간 동안 우리의 구매결정에 암암리에 영향을 미쳐왔던 그것. 바로 ‘추천 시스템’이다.
인터넷 교보문고에서 책을 살 때, 대형 온라인 마켓에서 생필품이나 옷 혹은 전자기기를 살 때 끊임없이 내 앞에 떠오르는 ‘내가 관심 있어 할 만한 상품과 서비스’, 방문하는 사이트마다 나를 쫓아다니는 배너광고들은 너무도 당연한 우리의 일상이 돼 버린 지 오래다.
그러나 정작 추천 시스템이 어떤 알고리즘과 원리로 구현되고 있고, 어떤 일에 쓰일 수 있는지, 제대로 된 추천 시스템을 구축하기 위해서는 무엇이 필요한지에 대해서는 정확하게 아는 사람이 드물다. 이 분야 국내 최고 전문가로 꼽히는 이진형 분석가가 서울과학종합대학원 빅데이터MBA 과정에서 24시간에 걸쳐 진행한 강의를 DBR에서 요약해 싣는다. 이진형 분석가는 머신러닝 기반 빅데이터 분석 비즈니스 예측 및 컨설팅 기업 위세아이텍의 인공지능팀 수석으로 일하고 있다.
실제 알고리즘을 짜는 실습 등은 제외하고 어떤 시스템을, 왜, 어떻게 구축해야 하는지 강의한 내용을 중심으로 정리했다.
