사용자의 선호, 습관, 소비 등의 데이터를 분석해 그 결과를 기반으로 사용자에게 알맞은 정보나 콘텐츠, 상품을 추천하는 기술을 추천 시스템이라고 한다. 셀 수 없이 많고 다양한 정보의 바다에서 시간을 들여 검색하지 않고도 관심 있는 분야의 콘텐츠와 상품을 쉽게 찾을 수 있기 때문에 추천 시스템은 다양한 분야에서 활용되고 있다.

초창기의 추천 시스템은 그다지 정확하지 않았지만 시간이 지나 기술의 발달과 빅데이터를 기반으로 한 분석과 활용으로 현재는 매우 정교해저 여러 분야에서 추천 시스템을 적용하고 있으며, 사용자도 이를 적극 활용하고 있다.

구글, 아마존, 페이스북, 유튜브, 넷플릭스 등의 미국 기업뿐만 아니라 국내 기업에서도 사용자의 활동, 습관 등의 데이터를 수집하고, 딥러닝 기술을 이용해 그 데이터를 분석한 결과를 기반으로 개인 취향에 맞는 콘텐츠를 추천한다. 그리고 이런 추천 시스템의 효과는 어마어마하다.
아마존의 경우 판매의 35%가 추천 엔진으로부터 비롯됐으며, 넷플릭스의 경우 구독자의 80%가 추천 시스템을 통해 영화를 선택한다고 추정할 뿐 아니라 추천 엔진 덕분에 연간 10억 달러를 절약할 수 있다고 밝혔다. 네이버 역시 인공지능 기반 추천 시스템을 적용해 뉴스 소비량은 약 17%, 동영상 소비량은 약 18% 증가했으며, 이런 성과를 바탕으로 점차 적용 범위를 확대하고 있다.(역자 서문 中)

추천 시스템은 사용자들의 선호도를 이용해서 선택 가능한 많은 집합들로부터 아이템들을 필터링하는 협업 필터링 추천 시스템, 아이템 속성과 해당 아이템 속성에 대한 사용자 선호도를 사용해 콘텐츠 기반 추천 엔진을 구축하는 콘텐츠 기반 추천 시스템, 견고한 시스템을 구축하기 위해 다양한 추천 시스템들을 결합해 시스템을 구축하는 하이브리드 추천 시스템, 현재 시각, 계절, 분위기, 장소, 시스템이 제공하는 옵션 등과 같은 상황에 따라 추천 항목을 제안하는 상황 인식 추천 시스템 등 목적과 사용 기법에 따라 종류가 있다. 물론 이 책에서도 다양한 추천 시스템과 추천 엔진에 대한 이론을 소개하고 있으며, 협업 필터링 방식의 추천 엔진은 실제로 구현해보는 내용도 다루고 있다.

이 같은 다양한 기술을 바탕으로 한 추천 시스템은 주위에서도 쉽게 찾아볼 수 있다.

                                          

                                                                                        <멜론>                                                                        <왓챠(영화 평가 애플리케이션)>

                

사용자의 이용 내역과 선호 표시 등을 바탕으로 유형을 분석하고, 이와 유사한 콘텐츠를 추천하고 있다.

                                                  

                                                                          <네이버 TV>                                                                                                 <쿠팡>

                                                                

                                                                                                                                      <아마존>

특정 콘텐츠(상품)를 선택했을 때 해당 콘텐츠의 유형, 인물, 속성 등과 연관된 콘텐츠를 추천한다.

 

 

끊임 없는 정보의 축적과 기술의 발달로 추천 시스템은 점점 다양해지고 정교해지고 있으며, 기업들은 추천 엔진에 많은 토자를 하고 다양한 방식의 적용으로 성능 향상을 위해 노력하고 있다. 

추천 시스템의 원리부터 실제 추천 엔진의 구현까지 다루고 있는 이 책은 추천 엔진에 대한 이론과 실무에 대한 기본적인 내용을 모두 파악하는 데 도움을 주는 기본서다. 추천 엔진에 관심이 있고 추천 엔진의 현재와 미래에 대한 분석을 통해 통찰력을 가지고 싶다면 이 책을 읽어보길 바란다.