류대원 드림어스컴퍼니 "모든 이용자, 개인화 된 음악앱 갖길 원해"
넥플릭스 추천 모델 참고...협업 필터링·콘텐츠 기반 필터링 기술 접목
"사용자 음악감상 패턴·습관까지 분석...'날카로운' 개인화 개발 박차"
[서울=뉴스핌] 정윤영 기자 = "인공지능(AI) 기술을 활용한 개인화 추천 서비스는 FLO만의 무기다. 개인화 할 수 있는 모든 것을 개인화 하고자 했다."
드림어스컴퍼니의 류대원 최고기술경영자(CTO)는 13일 뉴스핌과의 인터뷰에서 음원 플랫폼 FLO와 관련해 이 같이 전했다. 플로(FLO)는 지난 2018년 12월 음원 플랫폼을 런칭, 2년도 채 안 돼 월평균이용자(MAU) 400만 명을 앞두고 있다. 빅데이터와 AI 기술을 적용한 개인화 추천 음악감상 기능이 가파른 이용자 증가를 이끌었다는 평가다.
최근 국내 음원 플랫폼은 '음원 사재기'로 큰 변화를 맞이했다. 예컨대 실시간 차트가 원인으로 지목되자 FLO는 지난 3월 과감하게 실시간 차트를 없애고, '개인화' 추천 기술에 선택과 집중을 했다.
드림어스컴퍼니의 전신은 음향기기 사업으로 한때 시대를 풍미했던 아이리버. 이 회사는 지난 2014년 SK그룹에 인수돼 SK텔레콤 자회사로 사업을 이어가고 있다.
[서울=뉴스핌] 정윤영 기자 = 드림어스컴퍼니 류대원 CTO. [제공=드림어스컴퍼니] 2020.10.13 yoonge93@newspim.com |
◆ 개인화 음원 추천 어떻게?...협업 필터링·콘텐츠 기반 필터링 하이브리드 기술 사용
AI 기술의 발달로 이를 활용한 추천 기술은 쇼핑 등 다양한 분야에서 많이 활용되는데 음악 분야도 예외는 아니다. 류대원 CTO는 "각 플랫폼들만 해도 수 천 만곡의 음악을 서비스하고 있는데, 이용자들이 이 모든 노래를 들어볼 수도, 알 수도 없다. 이 안에서 좋아할만한 곡을 직접 하나하나 찾아서 듣는다는 것은 사실상 불가능에 가깝다"고 지적했다.
FLO는 이런 문제점을 보완하고자 넥플릭스의 추천 모델을 참고했다.
류 CTO는 "넷플릭스의 경우 추천 시스템의 정석인 만큼, FLO 추천 모델을 개발할 때 넷플릭스의 콘셉트를 참고했다"며 "개인화 할 수 있는 모든걸 개인화 한다는 FLO의 방향성도 넷플릭스와 유사하다"고 말했다.
그는 "음원 플랫폼에 개인화 기술이 더해진다면 이용자들의 노력은 최소화하면서 이미 알고 있던, 새롭게 발견했던 좋아하는 곡을 찾아서 들을 수 있게 해주기 때문에 이용 가치가 높다"고 했다.
그렇다면 개인화 추천은 어떻게 이뤄질까.
류대원 CTO에 따르면 FLO는 현재 사용자의 재생 등 액션에 기반한 협업 필터링(Collaborative Filtering·CF)과 음원 메타에 기반한 콘텐츠 기반 필터링(Content-based Filtering·CBF)을 활용한다.
콘텐츠 기반 필터링은 콘텐츠 자체의 특성을 분석해 유사 콘텐츠를 찾는 방식이고, 협업 필터링은 다양한 사용자의 선호도를 수집해 관심 분야를 예측하는 방법이다. FLO는 CF와 CBF의 장단점을 보완하고자 두 기술을 하이브리드 방식으로 적용중이다.
류대원 CTO는 "CF 추천의 경우 사용자 액션을 기반으로 하다 보니 사용자들이 많이 들은 곡 중심의 추천이 되게 되고 대부분의 사용자들을 만족시킬 수 있는 안정적인 추천 성능을 제공한다. 다만 재생 이력 등이 있어야 해서 신곡이나 롱테일 곡들이 추천되지 않는 한계가 있다"고 말했다.
그는 "CBF 추천의 경우 음원의 아티스트·장르·음원·신호 등 메타 정보를 기반으로 추천을 하게 되며 보통 CBF 만으로 추천을 하는 경우는 없고 CF 와 하이브리드 방식으로 제공하게 된다"고 말했다.
정교한 개인화 추천을 위해 많은 데이터는 필수이지만, 데이터를 많이 쌓기만 한다고 저절로 정교화되는 것은 아니다. 류 CTO는 "FLO는 해당 데이터를 기반으로 사용자 별로 프로파일링을 하고 있고, 개인화 프로파일링을 통해 사용자별 추천 로직을 다르게 가져감으로써 더욱 개인화를 날카롭게 해나갈 예정"이라고 밝혔다.
[서울=뉴스핌] 김지완 기자 = 2020.09.25 swiss2pac@newspim.com |
◆ 추천곡 소비율 5%→40%...최종 목표는 이용자별 '완벽한 개인화'
인공지능 기술이 아무리 발달해도 '추천' 이란 정확도를 판단하긴 매우 어렵다. 이용자들이 플랫폼이 추천해주는 음악을 듣기도 하지만, 차트만 소비하거나, 검색을 이용해 특정 아티스트나 곡만 듣거나 하는 등 다양한 소비 행태가 있기 때문이다.
FLO는 추천 만족도에 대한 지표로는 추천한 곡을 전체 사용자의 몇 퍼센트가 소비하는지를 계속 모니터링한다. 류대원 CTO는 "서비스 초반에는 5% 안팎의 비율로 추천곡이 소비됐지만, 현재는 이 지표가 30~40%까지 올라왔다"며 "추천 활용도 수치로서는 어느정도 만족스러운 수치"라고 했다.
FLO는 여기에서 한발 더 나아가 사용자들의 음악 감상 패턴, 습관 등까지 고려한 개인화 추천을 위한 개발 작업을 진행하고 있다.
류 CTO는 "어떤 사람은 취향에 맞는 새로운 곡을 찾아 듣는 것을 좋아하고, 어떤 이는 항상 듣던 노래만 좋아할 수 있고, 또 어떤 이들은 특정 악기의 음악을 선호한다"며 "개인화 프로파일링을 통해 이러한 부분까지도 반영한 개인화 추천을 제공하려고 한다"고 말했다. 그러면서 "최종적으로는 모든 이용자가 서로 다른 개인화 된 나만의 음악 앱을 갖게 되기를 바란다"고 강조했다.
한편, FLO는 내년 상용화를 목표로 Sync 가사를 자동으로 생성하거나, 음원의 장르나 스타일을 자동으로 태깅하는 등의 기술도 개발하고 있다. 이 밖에도 사용자 음성에 기반한 음악 인식 기술 등도 진행하고 있다.
yoonge93@newspim.com