© Tumisu, 출처 Pixabay 넷플릭스 이야기2 넷플릭스 빅테이터 분석 현실에서는 김주연 선생님 같은 전담 코디네이터를 만나기 힘들지만 그래도 저를 잘 알고 제 취향에 딱 맞는 추천을 해주는 누군가가 있습니다. 그냥 공부법을 추천해 주는 건 아니고 영화를 추천해 주는 거죠. 넷플릭스예요 자타가 공인하는 넷플릭스의 성공 비결은 개별 맞춤형 영화 추천 시스템에 있습니다. Netflix 에 접속한 유저는, 첫 화면에서 추천 컨텐츠에 마주합니다. 단순히 이번 주 톱10 영화를 추천하거나 코미디, 스릴러, 판타지 등 특정 장르의 영화를 통틀어 추천하는 수준은 아닙니다. 시청 내역과 평점을 이용해 개개인에게 다른 영화를 추천합니다. 예전에는 일일이 포털사이트에서 배우와 스토리를 찾아 사람들의 평점을 확인한 뒤 영화를 선택했는데 넷플릭스 추천 영화 몇 편을 보면 어느 순간 넷플릭스를 신뢰하게 돼요.영화추천시스템 덕분에 빠르게 성장하던 넷플릭스는 DVD우편배송에서 온라인 스트리밍 서비스로 핵심 비즈니스 모델이 바뀌면서 위기를 맞고 있습니다.
<위기에 직면, 극복책>
성공적인 스트리밍 모델을 위해서는 다양하고 안정된 콘텐츠 수급이 필수적입니다. 하지만 넷플릭스의 급격한 성장을 견제하던 제작사들이 너무 비싸게 받아내거나 아예 콘텐츠 제공을 거부하기 시작한 겁니다. 결국 2011년에는 적자를 내며 궁지에 몰린 넷플릭스는 중대한 결정을 내립니다. 스스로 오리지널 컨텐츠를 만들기로 한 것입니다. 많은 사람들이 위험한 도박이라고 생각했지만. 넷플릭스의 판단은 백번 옳았어요. 2013년 출시된 오리지널 콘텐츠 ‘하우스오브카드(House of cards)’가 대성공을 거두면서 넷플릭스는 다시 한 단계 도약하게 됩니다.
넷플릭스가 작은 DVD 대여 업체에서 세계 최대 미디어 기업으로 성장할 수 있었던 두 가지 비결, 콘텐츠 추천 시스템과 콘텐츠 제작 시스템의 공통점은 빅데이터입니다.
넷플릭스의 영화 추천 시스템은 예측 분석의 대표적인 사례입니다. 개별적으로 맞춤형 영화를 추천하기 위해서 과거 시청 기록을 바탕으로 각 사용자에게 인기 있는 영화를 권장합니다. 어떤 영화를 봤는지, 평점을 얼마나 줬는지는 물론 언제 어떤 기기를 이용해서 영화를 봤는지, 한꺼번에 다 봤는지, 나눠 봤다면 그 사이에 얼마나 시간이 걸렸는지, 보다가 어떤 장면에서 지워 버렸는지, 예고편만 본 영화는 무엇인지, 검색해서 안 본 영화는 무엇인지 모두 기록합니다. 이 데이터를 머신러닝 알고리즘에 삽입하면 사용자가 좋아할 것이라고 추천할 수 있다.
예측 분석을 통해 앞으로 어떤 일이 벌어질지 알 수 있다면 적절한 대응책을 마련해야 합니다. 그러나 불확실한 비즈니스 환경에서 감에만 의존할 수는 없습니다. 가능한한대안을추출하고각대안의결과를예측해서무엇을해야하는가에대한답을낼수있는정교한분석이있어야합니다. 처방분석(Prescriptive analytics)이라고 부릅니다. Prescribe, 즉 약을 처방하는 것처럼 장기적으로 처방을 하기 위한 분석입니다. 처방 분석에는 머신러닝과 함께 최적화 및 시뮬레이션 기법 등이 활용됩니다.
넷플릭스의 오리지널 콘텐츠인 ‘하우스오브카드’가 대성공을 거둔 이유도 처방 분석 때문이에요. 미국 드라마는 편당 제작비가 너무 비싸기 때문에 보통 파일럿 프로그램을 만들어 반응을 보고 나서 괜찮다고 생각하면 본격적인 제작에 들어가는 게 보통이죠. 하지만 넷플릭스는 처음부터 1억달러를 투자해서 <하우스오브카드> 시즌1과 시즌2, 총 26편을 한꺼번에 제작하기로 했습니다. 많은 사람들이 넷플릭스의 결정을 과감한 내기라고 했지만 내기는 이길 확률이 높지 않은 내기에만 쓰는 표현입니다. 넷플릭스는 ‘하우스오브카드’가 성공할 거라는 걸 미리 알고 있었어요. 아니요. 철저하게 성공할 수 있는 프로그램을 만든 겁니다.넷플릭스는 가능한 한 많은 사람에게 사랑받는 스토리를 알아내기 위해 하루 평균 수천만 건의 영상 재생 기록과 수백만 건의 사용자 평가 정보를 분석했습니다. 이와 함께 페이스북과 트위터에서 소셜데이터를 수집해 P2P 파일 공유 사이트인 비트트렌트에서도 불법적으로 공유되는 인기 콘텐츠도 분석 대상에 포함됐습니다. 분석을 통해 도출된 최종 결론은 1990년 영국 BBC에서 방영된 《하우스 오브 카드》를 미국 버전으로 리메이크하는 것이었습니다.
캐스팅도 단순한 게 아닙니다. BBC 원작 <하우스 오브 카드>를 시청하거나 검색한 많은 사람들의 취향을 면밀히 분석한 결과, 이들 중 상당수가 데이비드 핀처 감독이 제작한 <소셜 네트워크>와 <벤자민 버튼 때는 거꾸로 간다>를 보았고, 케빈 스페이시가 주연한 여러 영화들을 함께 봤다는 것을 찾아냅니다. 데이비드 핀처와 케빈 스페이시를 감독과 주연으로 캐스팅하고 바로 제작에 들어갑니다. 처방 분석을 통해 최적의 선택지를 찾은 것입니다.특별한 광고를 하지 않았는데도 취향을 담은 원작 팬들의 입소문으로 하우스 오브 카드는 대박을 터뜨립니다. <하우스오브카드>를 보기 위해 2013년 한 해에만 300만 명 이상의 신규 가입자가 몰렸고, 그해 넷플릭스는 창사 이래 사상 최대 매출을 기록합니다. 빅 데이터 분석을 활용한 프로그램 기획 노하우는 더욱 고도화되어, 이후 발매된 <오렌지 이즈 더 뉴 블랙(Orange is the new black)>의 첫 주 기록은 <하우스 오브 카드>를 넘습니다.
2016년 한국에 첫발을 내디딘 넷플릭스는 예상 밖의 저조한 성적표를 면치 못했습니다. 넷플릭스의 국내 가입자 수가 급격히 증가한 결정적 계기는 인기 드라마 시그널의 김은희 작가가 참여한 킹덤이 성공하면서부터입니다. 조선시대를 배경으로 한 좀비물이라고 하기 전에는 상상할 수 없었던 콘텐츠 제작에 200억원을 투자한 넷플릭스의 과감한 결정 역시 처방 분석의 힘을 빌린 것이었습니다
Business Netflixing (경영을 넷플릭스 하는) 이하경 252~268쪽 요약 DVD에서 온라인 스트리밍으로 넘어갔을 때 대다수 기업의 부도에 직면하지 않았나 생각한다. 콘텐츠 수급이 쉽지 않았을 것이고 넷플릭스의 성장을 견제하던 경쟁사들이 과도한 금액을 요구한 것인가. 제공하지 않는 상황까지 발생하므로 대안이 필요했을 것이다. 대충 제작했다면 망했을 텐데 고객이 보는 콘텐츠에 대한 다각적인 데이터 분석을 통해 어떤 주제와 어떤 캐스팅을 해야 할지까지 분석했으니 망할 수는 없는 게임이었다. 한국에서도 실제 어려움을 겪던 넷플릭스가 성공한 계기도 김은희 작가의 킹덤이 성공하면서 시작됐다. ‘Return of Luck’이 아니라 정말 실력으로 이뤄낸 결과라는 게 대단하다.
#넷플릭스 #넷플릭스 #킹덤 #빅데이터 #분석 #넷플릭스위기극복 #성공 #넷플릭스ing #경영넷플릭스하기