1. 뉴스 웹사이트의 개인화 추천시스템은 ‘모듈화’ 돼있다.
언론사의 뉴스 웹사이트, 앱 그리고 기타 디지털 채널들은 상당수가 콘텐츠의 ‘블록’으로 모듈화 돼 각자의 목적을 수행한다. 각 모듈마다 개인화 알고리즘이 각기 다르게 적용됨을 의미한다. 모듈화된 작업으로 인해 유통 측면에서 오히려 콘텐츠 다양화의 핵심 요소로 작용할 수 있는 것이다.
2. 개인화 추천시스템은 오히려 콘텐츠 다양성을 높인다
사람이 수작업으로 뉴스 콘텐츠를 추천하는 기존 방식은 자동화된 방식에 비해 시간이 오래 걸린다. 네덜란드의 텔레그래프(De Telegraaf)에서 실험한 결과, 사람의 수작업 추천은 하루 약 250건, 개인화 추천 시스템은 하루 약 600건의 각기 다른 기사들을 추천한다.
즉, 알고리즘으로 추천 서비스를 처리하면 이용자에게 양적으로 보다 다양한 콘텐츠를 제공할 수 있다. 또, 각 섹션별 뉴스 콘텐츠를 균형적으로 추천할 수 있다. 사람의 수작업은 일반적인 뉴스에 집중되는 반면 개인화 추천시스템은 더 넓은 범위를 훑어 기사들을 추천할 수 있기 때문이다.
3. 언론사의 개인화 추천시스템 적용과정은 언론사에게 명확한 편집 가이드라인(editorial guideline)을 형성에 기여해 인간 편향에 맞설 수 있도록 한다.
자동화된 큐레이션 시스템은 알고리즘 적용기준을 편집팀들이 고민하고 결정하는 과정을 수반한다. 어떤 기사를 내세울지 혹은 블랙리스트에 올릴지에 대한 기준을 마련하고, 다양한 섹션별로 필요한 콘텐츠의 신선도 기준, 유료와 무료 기사 비율 정의 등 여러 과정을 포함한다.
이는 뉴스룸에게 콘텐츠 큐레이팅의 효율성과 추천 과정에서 발생할 수 있는 잠재변수들을 함께 고려하게 해준다. 명확한 편집 가이드라인을 만들면서 필터버블에 구조적으로 싸우는 시간과 기회를 제공하는 셈이다.
4. 개인화 추천시스템은 이용자의 행동 데이터를 활용하여 새로운 주제를 탐색할 수 있는 기회를 제공한다
개인화 추천시스템은 “알고리즘이 이용자를 위한 추천 콘텐츠를 찾는 과정에 이용자가 이미 읽은 콘텐츠와 유사한 콘텐츠를 활용한다"는 지적에 맞닥뜨린다. 하지만 최근 알고리즘은 추천 퀄리티를 비약적으로 발전시켜 이용자들에게 ‘유사한’ 콘텐츠가 아닌 ‘새로운’ 콘텐츠를 제공한다. 국내 주요 포털사이트가 공개한 알고리즘 원칙에서도 이러한 개선점을 확인해볼 수 있다.
구체적으로 독자가 주로 무엇을 보았는지에 기반한 '행동적 접근'에서 독자가 좋아한 콘텐츠의 주제 같은 특성을 고려하는 '콘텐츠 기반 접근'으로 알고리즘이 진화하고 있다. 지금의 개인화 추천시스템은 콘텐츠 기반 접근 알고리즘으로 이용자 선호도를 실시간으로 계산해 추천한다. 이에 오늘날 개인화 추천시스템은 이용자에게 다양하고 균형 있는 콘텐츠를 선택해 추천하는 능력이 사람을 앞선다는 평가를 이끌어낼 수 있는 것이다.
프룸레의 판매총괄인 토마스 스테이셀(Thomas Steisel)은 "업그레이드 되는 개인화 추천시스템은 더욱 다양한 주제의 콘텐츠를 추천하는 방향으로 언론사의 이용자 확보를 돕고 수입을 증대해준다. 오히려 이용자는 보다 균형 있는 콘텐츠로 시각을 넓힐 수 있는 기회를 갖게 되는 것"이라고 설명했다. 만약 토마스 스테이설의 관점처럼 AI 기반 자동화 서비스가 꼬리표처럼 따라다니는 필터버블의 오명을 벗어날 수 있다면 디지털 미디어 생태계에 필수적인 도구로 올라서는 것은 시간 문제일 것이다.
