넷플릭스와 왓챠 영화추천 알고리즘

넷플릭스와 왓챠 영화 추천 알고리즘 이해하기

 

알고리즘

 

넷플릭스와 왓챠와 같은 OTT 서비스를 이용하다 보면 내게 맞는 유형의 영화 추천이 이뤄지는 것을 알 수 있습니다. 각 개인에게 맞는 영화 추천 알고리즘은 어떤 방식으로 진행되는지와 넷플릭스와 왓챠의 영화 추천 알고리즘 방식에 대해 정리하였습니다. 영화 추천 알고리즘은 크게 아래와 같습니다.

 

 

영화 추천 알고리즘 2가지 방법

영화 추천 알고리즘은 협업 필터링(Collaborative Filtering)과 콘텐츠 기반 필터링(Content-based Filtering)의 두 가지 방법으로 나눌 수 있습니다. 

1. 협업 필터링(Collaborative Filtering)

협업 필터링에 대해 이해를 돕기 위해 간단한 예시를 통해 설명드리도록 하겠습니다.

• ① 하나의 콘텐츠를 남자 1명, 여자 1명 이 두 사람이 모두 확인했다고 가정
• ② 위 ①의 남녀를 비슷한 유저로 인식
• ③ 위 ①이 남자가 확인한 다른 콘텐츠를 비슷한 유저로 인식한 ①의 여자에게 콘텐츠 추천

이렇게 비슷한 유저를 찾아내 서로에게 추천하는 방식을 협업 필터링이라 합니다.

 

협업 필터링(Collaborative Filtering)의 문제점

협업 필터링은 유저에 대한 기존 데이터가 존재해야 하기 때문에 초기 데이터를 제대로 수집하지 못한다면 정확한 추천이 어렵습니다.

 

협업 필터링(Collaborative Filtering)의 문제 보완

① 넷플릭스 : 신규 가입자가 좋아하는 콘텐츠 3개를 고르도록 추천하며 선택하지 않을 경우는 인기 많은 콘텐츠 위주로 추천

② 왓챠 : 신규 이용자가 첫 이용 시 최소 10개의 콘텐츠에 별점을 부여함으로 유저의 데이터를 파악해 추천

 

 

2. 콘텐츠 기반 필터링(Content-based Filtering)

 콘텐츠 기반 필터링은 말 그대로 콘텐츠 기반으로 필터링해 추천하는 방식으로 한 유저가 확인한 콘텐츠 자체 정보를 분석하여 유저의 데이터와 유사한 콘텐츠를 비교 확인하여 추천하는 방식입니다.

 

넷플릭스와 왓챠의 영화 추천 알고리즘

 

 

1. 넷플릭스 영화 추천 알고리즘

넷플릭스는 위 2가지 방식을 조합하여 콘텐츠를 유저에게 추천하는 방식입니다. 두 가지 방식 모두에서 데이터 모아 분석하는데 그 요소로는 시청 기간, 시청 시간대, 시청 디바이스, 재시청 비율, 데이터 환경까지 다양하게 설정하며 각기 다른 환경에 있기 때문에 시청습관과 취향 분석을 통해 유저에게 최적화된 콘텐츠를 추천하려 합니다.

 

2. 왓챠의 영화 추천 알고리즘

왓챠도 위 2가지 방식을 조합하여 콘텐츠를 유저에게 추천하고 있습니다. 넷플릭스와 다른 점은 보다 정확한 데이터를 신규 가입자에게 요구하기 때문에 신규 유저에게 보다 취향에 맞는 콘텐츠를 추천하는데 시간이 덜 걸리게 됩니다.

 

넷플릭스와 왓챠 각각의 장단점이 있는 거 같습니다. 당연히 있을 거 같은 콘텐츠는 없고 없을 거 같은 콘텐츠는 있는 느낌을 개인적으로 받았습니다. 무엇이 더 좋고 나쁜 것이 아니라 조금은 다르다고 생각이 들기 때문에 1개월 무료 서비스를 통해 본인에게 맞는 서비스를 이용하시는 걸 추천합니다.

 

넷플릭스 운영방식과 수익배분