유튜브 알고리즘과 필터 버블 피하는 법

유튜브 알고리즘과 필터 버블 피하는 법 AhnLab AhnLab 로고콘텐츠기획팀 l 2021-03-17     유튜브 메인 화면에 보여지는 추천 영상들은 어떤 원리로 뜨는 걸까? 유튜버들은 자신의 영상이 메인 화면에 노출되기 위해 다양한 방법을 시도한다. 썸네일을 눈에 띄게 편집하거나 제목을 시선을 확 끄는 걸로 하기도 하고 이슈가 되고 있는 실시간 검색어 순위에 맞춰 검색에 노출되기 쉬운 태그를 집어넣기도 한다. 메인 화면에 노출이 되어야 ‘인기 급상승 동영상’이 가능하기 때문이다. 하지만 하룻밤 사이에 인기 급상승 동영상이 되기란 쉽지 않다. 몇 날 밤을 새어가며 고품질의 영상을 만들고, 수백만 원의 비용을 들여 영상을 만들어도 조회수가 몇 십 건에 불과한 경우도 부지기수다. 이게 다 ‘유튜브 알고리즘’ 때문인데. 유튜브 추천 알고리즘은 무엇이며, 유튜브는 어떻게 이를 이용해 사용자 취향 저격을 하고 있을까? 유튜브 알고리즘에 대해 자세히 알아본다.     ‘오늘도 알 수 없는 유튜브 알고리즘이 나를 여기로 이끌었다’   한 네티즌이 자신의 관심사가 반영되지 않은 동영상이 유튜브에 뜨자 어리둥절하며 남긴 댓글이다. 유튜브는 사용자가 직접 검색을 하지 않아도 관심 있을 법한 동영상을 미리 추천해 주는 알고리즘을 가지고 있어 많은 사용자들이 애용하는 동영상 공유 플랫폼이다. 그러나 가끔은 관심사와 관련 없는 동영상을 추천하기도 해 당혹스러울 때가 있는데, 그 이유는 무엇일까? 이는 바로 유튜브 알고리즘 원리 때문이다.   유튜브 알고리즘은 구체적으로 어떠한 원리에 의해 작동되는 것일까? 유튜브가 추천할 콘텐츠를 선택하는 방법은 크게 ‘콘텐츠 기반 필터링(Content-based filtering)’과 ‘협업 필터링(Collaborative filtering)’ 두 갈래로 나뉜다.   1. 콘텐츠 기반 필터링   첫 번째는 바로 콘텐츠 유사성을 고려하여 동영상을 추천하는 ‘콘텐츠 기반 필터링’이다. 사용자의 유튜브 검색 기록, 시청 영상 등의 정보를 바탕으로 사용자가 선호할 만한 영상들을 추천해 주는 것이다. 일례로, 사용자가 ‘TV 동물농장’ 영상을 끝까지 시청했다면, 내용적으로 비슷한 ‘세상에 나쁜 개는 없다,’ ‘어쩌다 마주친 그 개’ 등의 콘텐츠를 추천한다.     2. 협업 필터링   두 번째 필터링인 ‘협업 필터링’은 크게 이용자 기반 추천과 아이템 기반 추천으로 분류할 수 있다. 이용자 기반 추천은 취향이 비슷한 이용자를 한 그룹에 놓고 이용자들에게 비슷한 콘텐츠를 추천하는 방식이다. 예를 들어, 연령대 20대인 C 선호 그룹은 보통 샤이니, 방탄소년단, 블랙핑크 등의 K팝 아이돌을 좋아한다. 그렇다면 데이터에 따라 선호 그룹의 사용자가 그룹 ‘샤이니’를 검색했다면, 유튜브는 사용자에게 ‘방탄소년단’이나 ‘블랙핑크’ 등의 아이돌 그룹을 추천할 것이다.     아이템 기반 필터링은 과거에 구매했던 제품이랑 연관성이 높은 제품을 추천하는 방식이다. 예를 들어, 사용자가 텐트를 구매했다면 텐트와 유사성이 높은 캠핑 용품을 추천할 것이다.     현재는 알고리즘이 발달은 거듭하며 앞서 소개한 콘텐츠 기반 필터링과 협업 필터링의 장점을 잘 섞은 하이브리드 추천 시스템과 머신 러닝 기술을 접목한 시스템 등의 체계도 사용되고 있다.   필터 버블, 피할 방법은 없을까?   필터 버블(Filter Bubble, 정보 여과 현상)이란 인터넷 정보제공자가 사용자 맞춤 정보만 제공하다 보니 사용자가 필터링 된 정보만 접하게 되는 현상을 일컫는 말이다. 다시 말하자면 추천 알고리즘을 통해 제공되는 콘텐츠만 접하게 되다 보니 다양한 정보를 접하기 어려우며 자율적인 콘텐츠 선택이 어려워지는 것이다. 그렇다면 이러한 현상을 피할 수 있는 방법은 없을까?   다행히도 앞서 소개한 추천 알고리즘을 벗어날 방법은 의외로 간단하다. 유튜브 내에서 시청 기록 삭제를 진행하면 내가 봐왔던 기록이 지워지면서 영상 추천도 초기화된다. 일부 사용자들은 의도적으로 특정 카테고리를 검색해 알고리즘을 직접 변경하기도 한다. 검색을 하기도 전에 관심 있는 콘텐츠를 추천해 주니 편하고 마냥 좋기만 하지만, 추천 알고리즘에 의해 필터 버블에 갇혀있었던 것은 아닌지 점검해보고 경각심을 가질 필요도 있다.