인터넷 개인화(personalization)와 관련된 기술은 크게 세가지로 분류할 수 있다.
첫째는 ‘협업 필터링’(Collaborative Filtering), 둘째는 ‘규칙 기반 필터링’(Rule-Based Filtering), 셋째는 ‘지능형 에이전트’(Intelligence Agent) 기술이다.
인터넷 개인화 기술에는 어떤 게 있나 협업 필터링은 소비자의 구매양상을 분석하고 특정 소비자가 속하는 집단과 상관관계를 통해 상품을 교차(크로스)로 추천해주는 방식이다.
예를 들어보자. 음반 쇼핑몰 A에 새로운 고객 ‘가’가 찾아왔다.
‘가’는 A에서 바흐나 모차르트, 베토벤의 음반을 즐겨 구입한다.
쇼핑몰 A에서는 ‘가’와 비슷한 취향을 가진 고객의 정보를 찾아 그들의 구매패턴을 분석한다.
그 결과 ‘가’와 같은 취향의 고객들은 의외로 헤비메탈류의 음악도 즐기는 것으로 나타났다.
이런 결과를 바탕으로 A는 다음에 사이트를 방문한 ‘가’에게 헤비메탈 그룹인 메탈리카의 음반을 추천한다.
‘가’는 그 추천에 반응을 보인다.
협업 필터링은 어떤 특정한 규칙없이 소비자의 구매행태를 분석해 이루어진다.
주로 일반적인 규칙을 적용하기 어려운 쇼핑몰에서 많이 사용한다.
이용자가 많으면 많을수록 소비행태를 자세히 비교할 수 있어 점점더 정확한 추천을 할 수 있게 된다.
하지만 새로 가입한 고객이나 새로 들어온 물품의 경우 비교할 수 있는 대상이 처음부터 존재하지 않는다는 어려움이 있다.
아마존의 도서 추천 서비스가 바로 이 협업 필터링을 적용한 대표적 사례이다.
규칙 기반 필터링은 인구통계학적 방법 또는 웹에서 네티즌들의 답변을 유도해 얻은 정보를 이용해 만든 규칙을 통해 네티즌에게 상품을 추천하는 방식이다.
20대 여성은 액세서리를 좋아한다는 기존의 통계와, 네티즌들에게 일일이 질문을 한 결과 주로 낮 시간대에 접속하는 20대 여성은 머리핀을 좋아한다는 규칙을 얻으면 낮 시간대에 접속하는 20대 여성에게는 머리핀을 추천하게 된다.
이 방식은 네티즌들의 답변이 진실이라는 것을 전제한다.
거짓말을 일삼는 네티즌이나 한 네티즌이 여러 개의 아이디를 갖고 있는 경우, 또는 한 아이디로 여러 네티즌이 사용하는 경우에는 정보가 정확하지 않고 그 정보를 통해 만든 규칙도 타당성을 잃게 된다.
한번 정해진 규칙은 지역이나 시대에 따라 자주 변하기 때문에 늘 규칙을 새롭게 만들어야 하는 부담도 따른다.
일반적으로 규칙이 잘 변하지 않는 금융기관이나 비행기 탑승일정과 관련된 여행 사이트에서 이 방법을 애용한다.
지능형 에이전트는 인공지능 기술을 이용한 것으로 사용자의 행동에 초점을 맞춘다.
주로 웹에서 사용자의 활동을 관찰하고 사용자가 어떤 내용에 관심을 갖고 있는지를 판단해 정보를 얻는다.
웹에서 이뤄지는 사용자 행동 가운데 특정 페이지를 보는 시간, 인쇄한 페이지, 전자상거래로 구매한 상품 등에 주목한다.
일반적으로 협업 필터링이 효력을 발휘하려면 일정수 이상의 사용자가 필요한 것에 비해 지능형 에이전트는 사용자가 많지 않아도 적절한 내용을 전달할 수 있다.
분석에 쓰이는 자료가 다른 사용자 자료와 비교를 필요로 하지 않기 때문이다.
그러나 협업 필터링이 사용자가 자신의 선호도에 관한 내용을 입력하는 즉시 사용자에게 맞는 내용을 전달할 수 있는 데 비해 지능형 에이전트는 사용자의 웹 이용 행태를 일정 시간 이상 관찰한 뒤에야 정보 제공이 가능하다는 약점이 있다.
이 때문에 최근에 나온 인터넷 개인화 솔루션들은 협업 필터링, 규칙 기반 필터링, 지능형 에이전트 기술을 혼용하고 있다.
개인화 솔루션은 데이터를 추출하는 방법에 따라 네가지로 분류하기도 한다.
첫째는 ‘사이트 트래킹’이다.
이는 네티즌이 돌아다니는 사이트의 내용, 사이트에 머문 시간 등을 분석하는 방법이다.
사이트 트래킹은 네티즌이 직접 정보를 제시하는 것이 아니라 네티즌이 눈치채지 못하게 정보를 캐내기 때문에 ‘암시적 데이터’라고도 한다.
둘째는 ‘구매 자료’다.
한 네티즌이 이전까지 구매한 자료를 바탕으로 정보를 얻는 것이다.
셋째는 ‘네티즌의 평가’다.
네티즌이 구매한 물품에 대해 또는 구매하지는 않았지만 어떤 물품에 대해 평가하면 이를 통해 데이터를 획득한다.
넷째는 ‘인구 통계학적 방법’이다.
특정 나이나 성, 지역인이 가지는 구매성향에 대한 자료를 통계를 통해 얻는다.
두번째부터 네번째까지 방법은 네티즌들에게 직접 질문을 한 뒤 정보를 얻어야 하기 때문에 ‘명시적 데이터’라고 부른다.
현재는 이 네가지 방법을 목적에 맞게 적절히 혼합해 사용하고 있다.
외국산에 맞서 국산도 속속 등장 개인화와 관련한 솔루션은 세계적으로 10여개에 이른다.
외국산 솔루션으로는 넷퍼셉션(Netperception), 브로드비전(Broadvision), 비넷(Vignette), 오토노미(Autonomy) 등이 있고 국내 솔루션으로는 온빛시스템 www.onbit.com의 SRS, 위세아이텍 www.wise.co.kr의 아이퍼스널라이저(iPersonalizer), 네트빌 www.netville.co.kr의 카리스마틱(Ch@rismatic), 아이윙즈 www.iwingz.com의 프레루드(Prelude) 등이 있다.
넷퍼셉션은 주로 협업 필터링에 기반한 제품이다.
추천 엔진이라고도 부르며 쇼핑몰이나 음반매장 온라인서점 등의 상품추천에 응용되고 있다.
이 솔루션을 이용한 사이트로는 시디나우 www.cdnow.com, 타워레코드 www.towerrecords.com 등이 있다.
국내의 경우는 한솔CS클럽 www.csclub.com이 도입했지만 아직 서비스는 하지 않고 있다.
삼성물산의 삼성몰 www.samsungmall.co.kr도 현재 넷퍼셉션을 이용해 개인화를 준비하고 있다.
브로드비전은 콘텐츠 관리부터 e-커머스까지 적용범위가 매우 넓은 솔루션으로 주로 B2B나 B2C에서 많이 이용되고 있다.
제록스나 아메리칸에어라인, 싱가포르개발은행, HP, 매크로미디어, 필립스 등이 브로드비전의 주요 고객이다.
국내에서는 삼성카드 www.samsungcard.co.kr가 이 솔루션으로 사이트를 구축했으나 본격적인 개인화 서비스는 아직 이루어지지 않고 있다.
삼성물산의 여행 사이트 트래포트 www.traport.com는 이 솔루션을 이용해 개인맞춤 서비스를 실시하고 있다.
평소 설문이나 이벤트에 참여한 회원들에게서 뽑아낸 정보를 통해 맞춤 여행정보와 여행상품 등을 제공하고 있다.
이 솔루션은 다양한 기능을 갖고 있지만 가격이 10억원을 넘기 때문에 주로 대기업에서 이용한다.
비넷은 주로 웹 사이트 개인화에 초점을 맞춘 솔루션이다.
이 솔루션은 시티뱅크, 메릴린치, 아메리칸익스프레스, 알리안츠생명 등이 주고객이다.
국내에서는 마이클럽닷컴 www.miclub.com이 이 솔루션을 이용해 1대 1 맞춤 서비스를 준비하고 있다.
아시아콘텐츠닷컴 www.asiacontent.com의 조인트벤처인 코리아스포츠닷컴 www.korea.sports.com이 이 솔루션으로 사이트를 구축했지만 본격적인 맞춤 서비스는 아직 이뤄지지 않고 있다.
오토노미는 영국 회사 제품으로 기술력에서는 최고로 평가받고 있는 것으로 알려져 있다.
주요 고객으로는 미국 국방부, 다국적 농업회사인 노바티스, 비아그라로 유명한 파이자 등이 있다.
국내에는 아직 이 솔루션이 들어와 있지 않다.
오토노미의 솔루션을 이용해 구현된 검색 사이트로는 켄진 www.kenjin.com이 대표적이다.
국내 솔루션으로는 온빛시스템의 SRS를 들 수 있다.
이 솔루션은 현재 다음커뮤니케이션의 자회사인 오이뮤직 www.oi.co.kr에 실시간 구매추천 시스템, 파인드프렌즈 www.findfriends.co.kr의 코메디클럽에서 제공하는 유머 맞춤제공 서비스, 퍼지몰닷컴 www.fuzzymall.com 쇼핑몰 사이트 구축에 이용됐다.
프레루드를 개발한 아이윙즈는 에스케이의 자회사다.
프레루드는 오케이캐시백 www.okcashbag.com 사이트의 쇼핑몰과 음반몰 추천 시스템에 사용됐다.
위세아이텍의 아이퍼스널라이저는 옥션 www.auction.co.kr의 맞춤이벤트와 상품추천 시스템 구현에 사용됐고 현재 베타 서비스중이다.
네트빌의 카리스마틱은 휴림인터렉티브 www.hurim.com의 시스템 구축에 이용되고 있다.