영화 추천 서비스 왓챠를 써보고

by SL

영화에 평점을 매기면 그에 따라서 내가 좋아할 만한 영화를 추천해주는 왓챠라는 서비스가 있다. 개인화된 추천이라는 모토를 내건 서비스라 관심있게 지켜보고 있었는데, 요즘들어 내 주변에도 쓰는 이가 늘어나는 게 보인다.

나에게 주는 가치

솔직히 말해서, 나는 그렇게까지 영화를 좋아하는 편은 아니다. 현재 상영 중 영화 중에 관심가는 게 있으면 극장 가서 보거나, TV 채널 돌리다가 케이블에서 우연히 보는 게 고작이다. 영화를 굳이 찾아서 보지는 않는다는 얘기다. 그런 나에게도 개인화된 영화 추천 서비스가 의미가 있을까?

있더라. 최근에 활용하기 시작했는데, 최신 개봉작에 대한 예상 별점이 그 영화를 볼지 말지를 정하는 데 꽤 유용한 도구가 되어준다. 내부적인 알고리즘을 알지는 못하지만, 아마도 영화 평가 내역을 기준으로 나와 취향이 비슷한 사람들이 그 영화를 어떻게 평가했는지를 통계낸 값이 나의 예상 별점일 것이다. 이 값과 평균 별점을 같이 놓고 보면 그 영화를 봐야할지 대충 가늠이 된다.

평점 알바?

이런 서비스에 공통적으로 잠재하는 문제는 역시 평가 어뷰징이다. 이와 관련하여 왓챠는 과연 알바들의 어뷰징으로부터 자유로울 수 있을까라는 글도 있고, 일전에 허위로 작성된 리뷰를 가려내려는 연구를 간단히 소개한 적도 있는데, 추천 시스템에 개인화가 결합되는 순간 이 문제가 어느 정도는 완화되지 않나 싶다.

예를 들어, 누군가가 불건전한 목적으로 영화들에 높은 점수를 준다고 해보자. 하지만, 그의 평가 내역이 나와 많이 다르다면, 가령 내가 싫어한 영화에 5점 만점을 줬다면 그의 평가는 내 예상 별점에 별로 반영되지 못할 것이다. 뒤집어 생각하면, 설사 알바라도 취향이 비슷해서 그의 별점이 나에게 도움이 된다면 별 문제 없는 것 아닌가?

개인적으로 검색결과 개인화에는 부정적이지만, 사용자의 취향과 상황에 따라 물어보기도 전에 먼저 대답하고 추천해주는 개인화는 미래의 주요 흐름이 되리라 생각한다. 야후의 마리사 메이어가 얘기한 것처럼 사용자 자신이 바로 쿼리가 되는 세상에서, 개개인의 취향 데이터의 축적과 여기서 가치를 뽑아내는 정교한 추천 알고리즘 노하우는 큰 자산이 될 것이다.