AI 추천 UX에는 어떤 특별한 점이 있나
유저와의 상호작용을 위해 고려할 사항들
AI가 무언가를 ‘추천’해 주는 것은 이제 우리에게 자연스러운 일 중 하나가 되었습니다. 넷플릭스, 유튜브 등 많은 서비스에서 ‘추천시스템’을 사용해 서비스를 제공하고 있는데요. 오늘은 추천 시스템을 반영한 UX에는 어떤 특징이 있는지 사례와 함께 살펴보고자 합니다.
이 글은 오늘의헤드라인 AI 엔지니어 Seonghwan Choi (Ryan)님이 작성한 두 편의 글 AI 기반 서비스를 시작할 때 에서 이어지며, 구글의 AI UX 가이드북인 PAIR를 참고해 작성되었습니다.
유저와의 상호작용
누군가를 만나 친해지기까지는 서로 알아가는 시간이 필요합니다. 추천시스템과 유저도 마찬가지인데요. 추천시스템이 유저에 대해 파악하고 알아가는 과정에서 유저 역시도 추천시스템에 대해 이해해 갑니다. 다양한 사례를 살펴보며 이 둘 간의 ‘상호작용’이 AI 추천 UX의 큰 특징이라는 점을 알 수 있었습니다.
1. 추천에 대한 이유를 이야기합니다.
일반적인 리스트와 추천시스템이 들어간 리스트 두 가지를 생각해보겠습니다. 두 가지 모두 생긴 건 똑같은 리스트이기 때문에, 실제로 어느 정도 사용하기 전까지는 유저가 AI의 효용감을 느끼기 어려울 수 있습니다. ‘다른 콘텐츠처럼 그냥 인기가 있어서 보여주는 건가?’ 라고 생각하기 쉽기 때문입니다.
다양한 서비스에서 추천에 대한 만족감과 효용감을 더 높이기 위해 간단한 설명을 덧붙입니다. 이 설명을 통해 유저는 해당 콘텐츠가 본인에게 추천된 이유에 대해 납득하고 이해할 수 있게 됩니다.
실제로 저희 서비스도 ‘맞춤추천’과 ‘급상승’ 이라는 뉴스 노출의 이유를 리스트에 함께 표시하는 테스트를 해보았는데요, 뱃지가 있는 경우에 전체 CTR이 11% 높아진 것을 확인할 수 있었습니다.
2. 비선호에 대한 피드백을 받습니다.
유저의 관심사는 시간이 지남에 따라 계속 변할 수 있는 것처럼 추천시스템 역시 계속해서 변할 수 있습니다. 추천 모델이 고도화되고, 팀에서 다양하게 테스트하기 때문인데요. 이 과정에서 유저가 원치 않는 콘텐츠를 보게 되는 일도 일어날 수 있습니다. 이런 경우에 비선호에 대한 피드백을 통해 유저의 목소리를 듣는 것이 도움이 됩니다.
유저가 이런 피드백을 할 수 있게 되면 서비스와 소통한다는 느낌이 들 수 있게 됩니다. 불만족한 부분에 대해 의견을 이야기할 수 있는 창구가 생기기 때문입니다.
추천 시스템도 관련 아이템이나 카테고리를 덜 추천하게 되고, 이를 통해 추천에 대한 유저의 만족도를 높일 수 있습니다.
보지 않거나 선택하지 않는 행동, 시청 시간과 같은 분석을 통해 implicit 한 데이터를 수집하기도 하지만, 명확한 비선호를 통해 explicit 한 데이터를 수집할 수 있습니다. 또, 사례를 찾아본 많은 서비스에서 비선호 피드백을 세분화해 받는 것을 볼 수 있었습니다. ‘관심 없음’의 이유도 다양하게 존재할 수 있기 때문입니다.
3. 히스토리, 분석 결과 등을 제공합니다.
특징 1과 같은 맥락에서 이어지는 내용이지만 조금 더 적극적인 유저에게 초점이 맞추어져 있습니다. 유저의 서비스 사용 히스토리(본 콘텐츠 리스트 등)를 보여주면, 유저의 서비스 사용 행동에 기반해 추천이 이루어진다는 점을 유저가 더 납득할 수 있습니다.
실제로 사내에서 추천시스템 테스트를 처음 했을 때, ‘저는 이런 거 본 적이 없는데 왜 추천됐어요?’라고 물어봤던 기억이 납니다. 제가 봤던 뉴스 목록을 살펴보고서야 의문이 풀리게 됐는데요, 그동안 어떤 것을 보았는지 하나하나 기억하기 어렵기 때문에 히스토리 제공이 추천에 대한 신뢰도와 이해도를 높이는 데 도움이 된다는 점을 알 수 있었습니다.
‘궁금해서 한 번 보기는 했는데 앞으로는 보지 않고 싶다'라는 생각을 한 몇몇 유저들은 추천될 내용에 대해 스스로 조정하고 싶은 니즈를 보여주기도 합니다. 이 유저들의 경우에는 히스토리 목록에서 원하지 않는 항목을 삭제하는 등의 방식으로도 추천 시스템에 피드백을 줄 수 있습니다.
4. 관련 콘텐츠를 추천합니다.
사실 관련 콘텐츠의 추천은 커머스 등 기존의 다양한 서비스에서 익히 보아왔습니다. 같은 태그나 카테고리로 묶여있는 아이템(예를 들어, 미니 원피스를 보고 있던 경우 미니 원피스를 보여줌)을 보여주거나, 심지어는 관련 콘텐츠를 수동으로 등록해 보여주기도 했습니다. 일일이 등록해야 하는 수고로움이 있죠.
추천시스템에서는 당연하게도 알고리즘에서 높은 점수를 받은 항목을 관련 콘텐츠로 보여줄 수 있습니다.
유저가 선택한 아이템은 이미 관심이 있을 확률이 높다고 가정할 수 있기 때문에, 관심 있을 만한 아이템을 계속해서 노출해 주면 자연스러운 탐색을 유도할 수 있습니다.
흔히 말하는 ‘유튜브 알고리즘’ 경험을 생각하면 쉽게 이해할 수 있습니다.
관련 콘텐츠 추천은 협업 필터링과 콘텐츠 기반 필터링이 있는데요. 이 내용은 다음에 기회가 되면 더 자세히 다뤄보도록 하겠습니다.
마무리하며
지금까지 AI 추천 UX의 특징에 대해 정리해보았는데요. AI 서비스도, 추천 서비스도 정말 다양하기 때문에 서비스의 특징에 따라 상호작용이 필요한 정도도 다를 것으로 생각됩니다. 만들고 있는 서비스가 어느 정도의, 또 어떤 방식의 소통이 필요할지 생각해보고 적용해보시면 좋겠습니다.
오늘의헤드라인도 현재는 1번에 관해서만 적용이 되어있고, 나머지 부분에 대해서는 차차 추가할 계획에 있는데요. 나머지 요소도 추가하면서 새롭게 알게 되는 부분에 대해 또 적어볼 수 있으면 좋겠습니다.
읽어주셔서 감사합니다.
오늘의 헤드라인 팀에서 함께할 팀원을 찾습니다!
- 오늘의 헤드라인은 AI 뉴스 추천을 통해 편리한 뉴스 소비 경험을 만들고 있습니다.
- 프론트앤드 엔지니어, 서버 엔지니어, 마케터를 채용하고 있습니다.
함께 뉴스 소비 습관을 혁신하고 싶은 분들을 기다립니다.
