일본의 Web2.0 Business를 다룬 호평연재”Net Venture 3.0″으로부터 9개월, Net Journalist 佐々木씨가 지금까지 Social Media의 나아갈 방향을 심층 조사합니다. 제 1회에는, 여러가지 형태로 접하게 되는 Recommendation에 대해서 그 한계를 분석합니다.

(2007년 9월 11일 자료)

Net 정보 증대와 인지한계

Internet의 정보는 지금은 홍수와 같다. 이 홍수 안에서 어떻게 유용하게 Contents와 Data를 건져내는냐?는 Internet에 있어서 상당히 중요한 Theme다. 이 문제를 해결하는 Architecture로서 검색 Engine이 오랬동안 일컬어져왔지만, 정보의 Overload(과부하)가 일어나고 있는 지금엔, 검색 Engine만으로 대응하기 벅차다.

즉 Net의 정보의 총체가 인간의 인지능력을 훨씬 넘어버렸다라는 것이다. 그것을 “인지한계”라고 한다. 인지한계라는 것은 원래 1978년에 Novel 경제학상을 수상했던 미국의 경영학자 Halbert Alexander Saimon이 기업등의 조직을 설명하기위한 사용한 말이다. 밖의 세계가 점점 복잡하게 되어가면, 인간은 그 복잡함을 처리할 수 없게 되어 버린다. 그래서 인간은 조직을 만들었다. 조직에 참가하는 것으로 외부로부터 들어오는 여러가지 정보를 처리하고, 적절하게 처리 대응하게 되었다 – 라는 것이 Simon의 이론이다.

그러나, Internet 시대가 되어, 이 인지한계의 생각방법은 조직론 만이 아닌, 외부로부터 들어온 막대한 정보의 처리라는 문제 전체로 넓게 생각하게 되었다. 정보의 양이 천문학적이 되고, 조직론 만으로 정보처리라는 Theme로 대응할 수 없게 되었기 때문일지 모른다. 조직에 있어서만이 아니라, Algorism에 있어 정보의 수를 줄이고, 세계를 단순화시키려는 생각방법이 생겨나게 되었다. 즉 인지한계를 해소하기 위해, 이용자에게 보이는 세계를 더 단순화하고, Simple 간결하게 보다 적절하게 제시해 두는 것이다.

이 “세계를 간결하게 보다 적절하게”라는 해소방법은 지금은 하나의 언어로 표현되어지기 시작하고 있다 – “Recommendation”이다. 일본어로 직역하면 “추천”으로 상품의 소개와 같은 의미가 되지만, 지금 Net의 세계에서 사용되고 있는 Recommendation이라는 말은, 앞에 적힌 것과 같이 조금 넓은 의미를 포함하고 있다.

그러나, 이 인지한계는 사람에 따라 그 Level이 다르다. 인지한계가 높은 사람은 가능한 한 세계의 있는 모든 것들을 생생하게 전달하고, 거기에서 어느정도 자기자신의 능력에 의해, Data의 분별선택을 하는 것이 가능하다. 예로 Internet의 Literacy가 높은 사람이 검색 Engine을 잘 사용하고, 깊고 넓게 정보를 적절하게 수집가능한 능력을 가지고 있는 것에 대해, Literacy가 낮은 사람은 검색 Engine을 사용하면 검색결과 Top Page만 참조하고, 정보의 “タコツボ化(우물안 개구리)”가 되어버리는 것이 그 한가지 예이다.

PC의 Recommendation과 휴대의 Recommendation

인지한계가 비교적 낮은 사람, 혹은 인지한계가 낮을 수 밖에 없는 Architecture를 이용하는 사람에게는 보다 단순화된 세계가 제공되지 않으면 안된다. 단적인 예는 휴대전화이다. 휴대전화는 화면에 표지가능한 Data량과 User Interface의 제한되어 있기 때문에 PC와 비교해 인지한계가 낮은 Device이다. 그로 인해, 휴대전화에 요구되고 있는 Recommendation은 PC의 Internet와는 상당히 상이하게 되어 있다. 예로, 휴대전화를 위한 Mobile 검색 Potal Site를 제공하고 있는 “froute.jp (エフルート)”의 佐藤崇 사장은 취재에서 이렇게 이야기 하고 있다.

“PC Internet과 비교하면 휴대전화 Internet에서는 Direct로 알기쉬운 Recommendation이 요구된다. 많은 수의 추천을 표시하여 ‘이 중에서 선택해 주세요’라는 형태보다는, 적은 수의 추천을 단적인 형태로 표시하고 ‘그것이 좋습니다’라고 Recommendation하는 방법이 잘 통하는 경향이 있다. 이 차이는 즉 휴대전화와 PC User Interface의 차이로부터 온 것은 아닐까 라고 생각합니다”

PC Internet의 Recommendation에서는 “이것을 사라”라는 단적인 추천보다는 Amazon의 “이 책을 산 사람은 이런 책도 사고 있습니다”라는 표현으로 상징되는 것 같이 한발 물러선 추천이 도움이 된다. 그러나, 휴대전화는 그렇지 않다. 보다 Direct로 단적인 추천이 요구되는 것이다. 화면이 작고, 화면 Scroll을 행하는 것이 귀찮은 경우도 많고, 많은 추천 List를 나열해도 이용자는 회람에 한계라는 문제도 있다. “froute.jp (エフルート)”에 대해서는 이 연재 후 자세하게 소개하지만, Directory와 Robot 검색을 조합한 휴대전화의 User Interface에 특화된 검색 결과 표시를 Design하게 된 것으로 이용자의 인기를 모으고 있다.

그럼, 이 같은 의미들로서 생각해보면, 검색 Engine도 원래는 Recommendation적인 Architecture로 출발하고 있다. 적어도 지금껏 Yahoo!가 제공했던 것과 같은 Directory형 검색 Engine은 전형적인 Recommendation이었다. 인간의 능력으로는 파악 불가능한 Web의 세계를 간결하게 genre별로 정리하고, 체계화하여 이용자에게 보여주는 것이다.

검색 Engine의 한계

하지만, Web Site가 Impression을 일으키고, Site수가 막대한 수가 되면, 인간의 손으로 Web을 분류하고 표시하는 Directory는 일단 그 작업완료를 마칠 수 없는 상태가 된다. Directory의 중심과 실체로서의 Web Site의 총체 사이에 Miss Match가 일어나 버리는 것이다.

이 Miss Match를 구제한 것이 실로 Google였다. 지금 설명할 것도 없는 Page Rank등의 Technology를 투입, 막대한 수의 Web Site로부터 필요로 하는 정보를 적절하게 유출하고, 이용자에게 검색결과로서 간결하게 보다 적절하게 표시해 주는 것이다. 하지만 더욱 시대가 지나, Site수가 더욱 더 증가해, 이용자의 시야도 넓어지고, 이용자 개인개인에 있어 필요로하는 정보가 다르게 되면, 검색 Engine적인 “최대공약수 Recommendation”으로는 점점 불만이 나오게 된다.

어떻게 불만인가?라고 말하자면, “Google은 나 한사람을 위해서는 최적화되어 있지 않지 않은가”라는 불만이다. 얼마전 신문기자와 이런 대화를 교환한 적이 있다. 그는 중남미의 취재경력이 긴 원 특파원으로 기자로서는 상당히 우수하지만, Computer의 Literacy는 낮다. 검색 Engine도 그다지 익숙하지 않다라고 한다.

신문기자 : 요 전에 Google에서 “Mexico”라고 검색하자, Tour나 값싼 항공권의 정보들만 검색결과로표시되었네요. 그런건 사용할 수 없죠.
필자 : Google에 무엇을 기대하죠?
신문기자 : 내가 알고싶은 것은 Mexico 정계의 정보죠. Tour정보 따위 지금 알 필요도 없고.
필자 : 글쎄 그런걸 알고 싶은 건 소수죠.
신문기자 : 그럼, 나를 위해 내가 원하는 정보를 표시 해 주면 좋을텐데.
필자 : 대개, Mexico 정계의 정보를 알고 싶다면, “Mexico 정치”나 “Mexico 정계”라고 검색하면 좋았
을텐데. Skill이 너무 낮지 않어?

확실히, 그의 검색 Skill은 그다지 높지 않다고 말할 수 있다. 그러나, 한편으로 Internet 이용자의 시야가 넓어지고 있는 와중에도 이용자측에 Skill을 요구하는 것만으로는 문제는 해결 되지 않는 것이 사실이다. 그런 상황을 주목한게 Amazon의 Recommendation System과 Social Bookmark등, 검색 Engine이외에도 Remmendation으로 이용가능한 여러가지 Architecture가 개발되고, 검색 Engine을 보완하는 형태로 정보의 Overload를 해소하는 Service가 다수 생겨나고 있다. 그런 Architecture를 잘 사용하고, 어떻게 하면 정보를 간결하고 Simple하게 획득, 자기의 것으로 체계화 가능한가가라는 것이 지금 Internet의 정보공간에 있어서 최대의 Theme라고 해도 좋을 것이다.

Recommendation을 둘러싼 현재 상태

그럼, 이같은 배경을 전제로한 Recommendation을 생각 해 보자. 넓은 의미의 Recommendation을 “어디에서부터 영향을 받안 추천하는 가”라는 것으로 분류를 하면 아래와 같이 된다.

1) 최대 공약수의 여러사람들으로부터의 영향 : Search Engine, Potal Site
2) 당신의 과거의 이력으로부터의 영향 : Collaborative Filtering, Contents Filtering,Behavieral Targeting, Personalized Search
3) 주위의 여러사람들로부터의 영향 : Social Bookmark, Blog Search, SNS의 Comment

지금에 들어 구체적인 Recommendation Service로서 실현되고 있는 것은 이 정도다. 그러나, 이외에도 가능성은 있다. 예로, 당신이 어느날 아침 “バス”라는 Keyword로 검색했을 때의 행동요인을 생각해 보자. 1)의 최대공약수적 Recommendation이라면, 많은 사람들이 “バス”라는 단어를 요구하고 있는 최대공약수적 결과를 표시한다. Google이나 Yahoo!의 검색 Engine이라면, 탈 것의 Bus의 URL이 최우선이다.

※ 일본어서의 バス는 Bus, Bass, Bath 모두 같은 발음, 같은 단어가 된다.

그러나, 당신이 탈 것의 Bus는 그다지 흥미가 없고, 처음부터 주택주변에는 Bus노선도 존재하지 않고, Bus에 대해서 과거에 조사했던 적이 한번도 없다고 하자. 역으로 취미가 Bass Fishing로 쉴 때마다 Black Bass를 낚으로 가, Net에서도 성행하는 낚시정보를 조사, Fishing Goods를 대량으로 구입하고 있었다라고 하면, 2)와 같은 Recommendation Engine에서는 당연히 물고기인 Bass관련 정보가 우선적으로 표시되게 된다.

그러나, 이것도, 처음부터 과거의 이력 그 자체이다. 확실히 당신은 낚시가 취미로, Bus에는 타지 않을지 모르지만, 오늘 아침 “バス”라는 단어로 검색했던 이유는 다른게 있을 지도 모른다. 예로, 당신의 부인이 “당신, 어제 목욕용품을 Net에서 사 두라고 부탁을 했잖아요. 샀어요?”라고 할 지도 모른다. 그래서 당신은 투덜투덜 PC에 앉아 Bath용품에 대해서 조사하기 시작할 지도 모른다. 소위 누군가가 Blog나 아는 사람의 Mixy(일본 최대의 Blog Site) 일기를 읽고 있고, 멋진 목용용품을 소개하고 있는 것을 보고, 갑자기 가지고 싶어질 지도 모른다. 이것은 3)의 주위의 사람들 – 즉 Social에 의한 영향이다. 만약 당신이 이 Social의 영향으로 목욕용품을 샀다고 하면, 그것은 완벽하게 Viral Marketing이 성립된 것이 된다. 물론 그것도 Recommendation의 하나이다.

※ Viral Marketing이란?

기업의 상품과 Service가 소비자에게 구두로서 전달되어, 이용자를 넓히는 Marketing 전략. “Viral”은 “감염적인”이란 의미로, Marketing의 구조를 Virus의 감염, 증식을 예로하고 있다. 일반적으로 Marketing전략에서는 기업은 광고 Media를 이용하여 직접 소비자에게 자사의 Service를 선전한다. 그에 반해, Viral Marketing에서는 기존의 User에 자사의 Service를 아는 사람에게 소개하도록 동기를 부여하여, 기존의 User를 통해 간접적으로 자사의 Service를 선전한다.

Viral Marketing에서는 Service나 상품자체가 그것을 알고 있는 사람을 불러 모으기 쉬운 구조인 “1차적 Viral Marketing”, Service자체로는 알고 있는 사람을 불러모을 필요가 없는, Incentive등으로 소개행동을 유발하는 “2차적 Viral Marketing”가 있다.

더불어 말하자면, 이것 뿐만이 아니다.

4) MassMedia로부터의 영향
5) 심리적인 충동

예로, 어느날 아침, TV의 Wide Show를 보고 있더니, “Bus로가는 초가을의 섬 나들이”라는 특집을 하고 있고, 갑자기 Bus여행이 가고 싶어졌다. 그래서 “バス”를 조사했을 지도 모른다. 소위 아침에 눈 뜨자마자, 갑자기 일도 아무것도 싫어져, 그래서 갑자기 Bus여행이 가고 싶어 졌을지도 모른다.

인간의 행동에는 여러가지 요인이 있다. 그 요인을 전부 고려하여, 개인의 속성이나 심리, 행동이력, 외부로부터의 영향 전부를 Mining하고 가장 적절한 추천을 제시하는 것이 Recommendation의 최종형태이다. 라고 해도, 여기에 도달하기까지에는 Privacy의 문제나 기술적인 제약, Business적인 한계등 여러가지 문제도 있어, 그렇게 간단하게 실현되는 것은 아니다.

※ 위 내용은 아래 기사를 번역한 내용입니다. 다소 오역이 있을 수도 있습니다.

http://www.itmedia.co.jp/anchordesk/articles/0709/11/news039.html