추천 시스템의 UI/UX와 연관된 주제를 몇 가지 살펴보고자 한다.
1. 아이템의 유사도
사용자의 과거 행동 이력 등을 통해 적합한 아이템을 추천하는 경우, 그저 유사도가 높은 아이템을 추천하는 것이 아니라 아이템 사이의 관계성을 고려해 추천할 아이템을 정하는 것이 좋을 수 있다. 이는 아이템의 속성에 따라 추천할 아이템이 다르다는 것을 이해하고 결정해야 한다는 의미이다. 상품에 따라 과거 사용자가 구매한 것의 대체품(ex. 과거 빨간펜 구입했다면, 검은펜 추천)을 추천해야 하는 경우도 있고, 반대로 보완재(ex. 과거 프린터를 구입했다면, 카트리지 추천)를 추천해야 하는 경우도 있다.
유사도의 정의는 사용하는 기준에 따라 달라진다. 영화를 예로 들면, 장르, 감독, 배우, 개봉연도의 가까움 등 여러 가지 기준 중 무엇을 사용하느냐에 따라 유사도가 크게 달라진다. 유사도는 사용자의 필요에 따라 정의해야 한다.
2. 신선함, 흥미로움, 다양성
신선함(novelty)
사용자에게 추천하는 아이템은 사용자가 관심을 보이면서도 사용자가 아직 알지 못하는 것이어야 한다는 신규성이 요구된다. 어느 작가의 팬에게 그 작가의 최신작을 발매일에 맞춰 추천하는 것은 관심과 신규성을 모두 충족할 수 있다. 단, 아무리 신규성이 높다고 해도 사용자가 관심을 갖지 아이템을 추천하는 것은 아무 의미가 없다.
흥미로움(serendipity)
흥미로움은 신선함에 예상치 못한 '의외성'이라는 요소가 더해진 개념이다. 예를 들어 사용자가 좋아하는 작가와 매우 유사한 분위기의 신인 작가 작품을 추천하는 경우, 사용자는 이 신인 작가의 작품 분위기가 자신이 좋아하는 작가와 비슷하다는 것을 모르기 때문에 이 신인 작가의 아이템이 추천되는 것을 예측할 수 없다. 이 경우, '관심', '신규성', '의외성' 모두를 만족시킨다.
다양성(diversity)
다양성은 '의외성'이라는 사용자의 감정적인 요소를 정량적으로 측정하기 위한 요소로서, 추천된 여러 아이템이 서로 비슷하지 않은 것을 의미한다. 아이템 사이의 유사도를 어떤 방법으로 측정할 수 있게 한 후, 추천된 아이템 사이의 유사도를 측정함으로써 다양성을 정량적으로 평가할 수 있다. 서비스를 어느 정도 계속 사용하는 사용자에게는 서비스에 대한 목마름을 해소시키기 위해 흥미로움을 느낄 수 있는 아이템을 추천함으로써 충성도를 높일 수 있다.
3. 추천 아이템 선별
아무리 예측 평갓값이 높아도 사용자에게 제시해서는 안되는 아이템이 존재할 수 있다. 이러한 아이템은 사용자에게 표시하기 전에 사전에 선별해서 제거해야 한다.
- 도서 같이 한 번 구입하면 재구매할 가능성이 낮은 아이템
- 재고가 없어 판매할 수 없는 아이템
- 위법한 아이템
- 여러 차례 이야기했지만 구입으로 연결되지 않는 아이템
반대로, 한 번 추천받은 후 즉시 구입하는 경우가 흔치 않아 여러 차례 표시해야 하는 경우도 있다.
- 비교적 비용이 많이 드는 물건: 집, 자동차 등
- 구인 정보
- 처음에는 별로 마음에 들지 않았지만, 몇 번 표시된 것을 자꾸 보다 보니 마음에 들게 되는 경우
4. 추천 이유 제시
추천 이유(explanation of recommendation)를 제시하면 추천 효과, 투명성, 사용자 만족도를 향상시킬 수 있다.
투명성은 사용자가 입력한 평가 또는 기타 정보와 출력된 추천 아이템 사이의 인과 관계를 명확하게 알 수 있는 상태를 의미한다. 추천의 투명성이 높으면 추천 자체의 효과를 높일 수 있을 뿐 아니라, 시스템에 대한 신뢰성을 높이는 효과도 있다.
추천의 이유에는 다음과 같은 예시가 있다.
- 이 상품의 구매자들이 이러한 상품도 함께 봤거나 함께 구입했기 때문에
- 평단의 찬사를 받은 작품이기 때문에
- 사용자의 상황(context)에 맞춰 추천 이유와 함께 아이템을 제시: 잠들기 전 음악 앱에서 수면에 도움되는 음악을 추천하는 경우
- 사용자가 아이템을 좋아할지에 관한 예측을 정량적으로 표시하기
만약 아무런 이유 없이 아이템을 추천받으면, 서비스 제공자가 이익을 얻기 위해 불필요한 상품을 추천하는 것으로 의심할 수 있다. 그러므로 추천의 이유를 함께 제시하여 사용자가 자신에게 적합한 것임을 납득한 상태로 구매하는 것이 효과적이다.
한편, 명시적으로 추천 이유를 제시했음에도 불구하고 사용자가 선호하는 아이템이 추천되지 않았다면, 사용자가 시스템에 대한 신뢰나 만족도를 잃을 수 있으므로 주의해야 한다.
출처: 추천시스템 입문: 개인화된 콘텐츠 제공을 위한 추천 시스템 설계부터 UI/UX, 구현 기법, 평가까지(가자마 마사히로 등 3인, 한빛 미디어)
