추천 기술 떨어져도 고객은 니즈 파악했다고 느껴
'언어'와 '협업'으로 효율적인 성과 내
AI · 데이터 과학, '고객 행동 분석' '최적의 방법 매칭' '고객 맞춤 추천' '이미지 선별'에 활용

넷플릭스의 '추천'은 디지털 세상을 향해 '고객 취향 읽기'라는 판도라의 상자를 연 것과 같다. 고객은 오히려 추천 기술이 떨어져도 구색이 뛰어날 때 그 플랫폼이 자신의 니즈를 잘 이해해 준다고 여기기도 한다. 

넷플릭스의 전략은 항상 최신 영화를 개봉해 관객몰이를 해야 하는 오프라인 영화관과는 다르다. 자신들이 보유한 미드 테일, 롱테일의 영화 '재고'들까지 무대에 오르게 해 수익력을 극대화하는 전략이다. 

넷플릭스만의 2가지 진정한 차이가 있다. ①언어. 그들은 새로운 '언어'를 만들고 일관되게 전파했다. ②협업. 데이터 과학은 숫자를 좋아하는 누군가가 혼자 밤새워 모델을 돌려서 인사이트를 찾는 작업이 아니라, '협업'에 기반한 집단지성에 작동하는 일이다 

넷플릭스는 거의 모든 것이 '측정 가능'하고 '테스트 가능'한 세계에서 움직이려고 한다. 이는 곧 쉽게 꺼지지 않는 넷플릭스만의 혁신 엔진이다. 넷플릭스는 직원 수가 약 6,000~7,000명인데, 그중 약 300~400명이 데이터 전문가다. 이들의 사명은 일반 직원들이 필요한 데이터에 적기에 적절한 포맷으로 접근할 수 있도록 '데이터는 어디에나 있다'철학을 실천하는 것이다.

미디어에 맞는 데이터 과학을 심다

넷플릭스가 인공지능과 데이터 과학을 적용하는 대표적인 영역은 4가지로 나누어 볼 수 있다?.

1. '끝까지 시청하는 비율', 고객 행동 분석

넷플릭스가 콘텐츠에 관한 의사결정을 개선하기 위해 좇는 지표는 '끝가지 시청하는 비율'을 비롯해 하루 중 언제 시청하는가, 언제부터 시청해서 언제 끝내는가, 시정 도중 멈춤/빨리 감기/건너뛰기/되감기는 언제 나타나는가 등 다양한 고객 행동 데이터다. 

?2. '최적의 방법'을 위한 매칭

많은 요소를 고려하여 제작 목적을 달성하는 '최적의 방법'을 찾아내는 데 데이터 과학을 활용한다. 또한 제작 후 편집 과정에서 인력이 투입되어야 하는 부분 역시 데이터 과학으로 콕 집어낸다. ?

3. 고객 맞춤 추천

비슷한 취향을 가진 다른 고객들의 시청 리스트를 이용해 당신이 다음에 볼 법한 영화를 추천한다. 넷플릭스가 개인화를 위해 데이터 분석의 힘을 한곳에 모으는, '선택과 집중에 기반한 데이터 과학 접근법'이다. 

?4. 취향 저격의 이미지 선별

고객을 끌어당겨 후킹 할 최고의 이미지를 찾는다. 고객의 클릭을 유도할 가능성이 가장 큰 영화나 쇼의 섬네일 이미지를 자동으로 찾아 제시하는 기술 또한 넷플릭스가 '어장을 관리하는 방법' 중 하나다.

비디오 스트리밍 서비스에 접속한 고객들은 섬네일 이미지를 제시받아 영화를 볼지 말지를 판단하는 데 이미지당 1.8초를 소비한다. '고객이 즐길 수 있는 영화라면 무슨 수를 써서라도 (직접 만들어서라도)찾아준다'는 오랜 사명 아래, 직원들은 데이터에 기반한 판단을 무기로 자율과 책임을 부여받아 매일매일 차이를 만들어낸다.