쿠키를 통해 수집한 이용자의 정보는 인터넷 사용자의 취향에 맞는 영화나 드라마를 추천할 때도 사용된다. 한 해 개봉작만 약 1500편에 달하는 작품의 홍수 속에서 현대인은 스스로 취향을 개척해야 하는 난관에 봉착했다. 때마침 등장한 사용자 맞춤형 추천 서비스는 길 잃은 현대인에게 등불이 됐다.
약 620만 명의 이용자를 보유한 스트리밍(Streaming) 서비스 왓챠(Watcha, 이하 왓챠)는 이용자의 취향을 기반으로 영화, 드라마, 도서를 추천한다. 우리가 모르는 우리의 취향까지도 알고 있는 듯한 추천 서비스는 어떤 방식으로 작동할까? 한국발 추천 서비스를 만들어나가고 있는 허승 왓챠 대외업무팀 매니저로부터 추천 서비스의 원리에 관해 들어봤다.

왓챠가 추천 서비스를 중요하게 여기는 이유는 무엇인가.
수많은 작품 중 나만의 취향에 맞는 작품을 찾으려면 많은 시간과 노력이 필요하다. 왓챠는 취향에 맞지 않는 정보에 대한 불만과 보고 싶은 영화를 고르는 데 사용자가 겪는 어려움을 해결하기 위해 생긴 서비스다.

왓챠는 사용자의 취향을 분석하기 위한 정보를 어떻게 수집하는가.
‘사용자가 어떤 작품에 얼마나 만족했는지’에 관한 정보를 바탕으로 사용자의 취향을 분석한다. 국내외 서비스에서도 왓챠만큼 많은 별점 데이터를 수집하기는 쉽지 않다.

추천 서비스는 어떤 과정을 거쳐 만들어지는가.
A 영화를 재미있게 본 사람이 B 영화도 재미있게 봤다고 가정하자. 이러한 사례가 무수히 많다면 A 영화나 B 영화 중 한 영화만 본 사람은 다른 한 영화도 재미있게 볼 확률이 높다. 왓챠는 약 620만 명의 사용자로부터 수집한 약 5억 개의 평가 자료를 보유하고 있다. 컴퓨터는 해당 자료를 학습하고 사용자별로 각 영화에 얼마만큼의 별점을 남길지 예측한다. 이후 실제로 사용자가 남긴 별점과 컴퓨터가 예측한 별점을 비교하고, 이를 반복하면서 컴퓨터의 작품 추천은 더욱 정교해진다.