[지디넷코리아]많은 추정 자료에 의하면 페이스북의 현재 가치는 150억달러이다. 이 젊은 기업은 조만간 실제로 그만한 가치가 있음을 증명해야 할 것이다.

다음 주 뉴욕에서 페이스북은 광고 파트너십 증가에 대처한 새로운 광고 전략과 마이크로소프트(MS)의 2억4,000만달러 투자를 공개할 것으로 예상된다.

아마 페이스북은 타깃 광고를 회원들에게 판매하는 것에 대해 이야기하겠지만, 전문가들은 페이스북이 자체 광고 서비스 시스템을 구축하려면 멋진 광고를 적합한 사람에게 실시간으로 제공하는 방법을 고안해내야 한다고 말한다.

핀도리(Findory)의 창설자이며 아마존닷컴의 초기 제품 추천 및 개인화 엔진 담당 기술자인 그렉 린든은 “그것은 규모가 큰 매우 어려운 문제이며, 수많은 광고와 수백만명의 사람들을 다루어야 한다. 아마존에서처럼, 그리고 제품에 관한 웹 검색이 그렇게 많은 구글에서처럼 데이터를 매출과 직접 연계시키는 것은 쉽지 않다”고 지적한다.

모든 사람들의 머릿속을 맴도는 제일 큰 질문은 페이스북이 소셜 네트워킹 회원들의 스쳐 지나가는 공상을 놓치지 않을 만큼 지능적인 광고 시스템을 구축할 수 있는가? 하는 것이다.

업계 경영자들에 의하면, 페이스북은 4,900만명으로 알려진 회원들에 대해 수집한 모든 데이터, 즉 인구통계학적 자료, 개인적인 기호, 사회적인 이력 등을 처리하여 그들이 “뉴스 피드”에서 정말 좋아하고 반응을 보일 광고가 무엇인지 예측하는 일을 정말 잘 해야 할 것이다.

그것은 절대로 사소한 작업이 아니다. 사실, 그것은 엄청난 컴퓨팅 문제이며 구글과 아마존을 제외하고는 제대로 해낸 회사가 거의 없는 과제이다.

바로 그런 이유로 인해 젊고 재미있는 문화로 유명한 회사인 페이스북이 타깃 광고라는 새로운 세대에 맞는 알고리즘을 개발할 수 있는 소위 말하는 기계 학습 분야의 노련한 전문가들을 고용하려고 노력했던 것이라고 페이스북을 잘 아는 사람들은 말한다.

한 기술 분야 경영자는 이런 종류의 과제를 “가장 많은 데이터를 처리할 수 있는 회사가 승리할 것”이라는 간단한 말로 표현했다.

그 말은 웹 검색 분야의 구글과 전자 상거래 판매 및 제품 권고 분야에서 아마존의 경우에 참인 것으로 증명되었다. 이제 페이스북은 회원에 관한 수십억 가지의 데이터 포인트를 가져다가 자동 광고 머신으로 만드는 방법을 짜내야 한다.

페이스북의 대변인은 이 문제에 대한 논평을 거부했다.

페이스북이 데이터 광맥 위에 앉아 있다는 것은 의문의 여지가 없다. 그들은 사람들의 기호, 배경, 사회적인 이력 등의 엄청난 데이터를, 그것도 전부 회원들이 자발적으로 제공한 데이터를 보유하고 있기 때문이다.

페이스북은 사람들이 좋아하는 음악, 텔레비전 프로그램, 책, 취미, 그들의 경력, 교육 배경, 생일, 결혼 상태, 그리고 일상적인 활동이나 사회적인 관계, 이익 집단 등을 포함하는 프로필을 가지고 있다. 기존의 광고 네트워크라면 한 장소에 모아 놓은 그런 모든 정보를 얻기 위해 사람이라도 죽일 것이다.

하지만 그 데이터로 인해 몇 가지 흥미 있는 기계 학습 문제가 생긴다고 전문가들은 말한다.

	문제는 그들이 수입을 올릴 수 없다는 것이 아니라 가능한 수입의 규모에 대한 기대치가 너무 높다는 것이다.   -핀도리 설립자 그렉 린든

기계 학습은 인공 지능 분야에서 넓은 의미로 사용되는 용어이다. 기계 학습은 데이터에서 패턴을 찾아내고 그 패턴에서 정보를 찾아내는 알고리즘을 개발하는 것을 가리킨다. 예를 들어 구글은 “베이지안 모델”을 사용해 키워드 방식 데이터 검색 결과를 제공한다.

광고의 경우 기계 학습은 사람과 광고를 정확하게 짝짓는 것과 관련이 있다. 개개인에게 그렇게 한다는 것은 터무니없는 일이다.

따라서 일부 기술자들은 사람들을 그룹이나 유형으로 묶은 다음 그들 특유의 행동 방식을 집합적으로 추적하여 그들이 원하는 것이나 다음에 할 행동을 예측하는 것에 초점을 맞춘다.

온라인 광고의 경우 기계 학습은 유사성을 지닌 그룹에 많은 다양한 광고 기법을 적용하여 어느 것이 가장 잘 먹히는지 알아내는 것이 관련될 수 있다. 단 하나의 기법을 소셜 네트워크를 공략할 수 있는 비장의 무기로 삼을 수는 없기 때문이다. 사실 지금까지 그런 상황에서 광고를 제공하는 문제를 해결한 사람은 단 하나도 없다.

사람들이 자신에 관하여 제공하는 내용을 믿을 수 있느냐 하는 것을 포함하여 다른 골치 아픈 문제들도 많이 생길 것이다. 소셜 네트워크의 데이터는 변화가 무쌍하다.

즉, 어느 날 갑자기 한 회원이 여자 친구와 헤어졌다고 말하면서 음악이나 영화에 대한 자신의 취향과 관련된 모든 것을 바꿀 수 있는가 하면, 소셜 네트워크에서 말하는 사람들은 이상한 어법을 쓰거나 되는대로 이야기하거나 과장하는 경향이 있다.

또한 웹 서퍼들이 페이스북에 오는 것은 사회관계를 맺고 인맥을 형성하고 즐기기 위한 것이지 무언가를 사러 오는 것이 아니다. 그런 종류의 사회 환경에서는 광고가 효과가 없거나 짜증스러운 것이 될 수 있다.

바로 그런 이유에서 페이스북은 제품을 배치하거나 추천하는 섬세한 시스템을 완성해야 한다. 그렇게 하려면, 정교한 알고리즘을 만들어야 한다.

예를 들어, 사람들의 친구 목록을 안다고 해서 반드시 이득이 생기는 것은 아니지만, 자동으로 사람들에게 생일을 알려주고 그 친구의 기호를 근거로 그가 좋아할만한 구체적인 선물을 광고하는 시스템이 있으면 도움이 될 것이다.

구글의 투자자인 클라이너 퍼킨스 코필드 앤드 바이어스에서 후원하는 캘리포니아 주 팔로알토에 있는 애그리게이트 날리지(Aggregate Knowledge)도 소셜 네트워크를 위한 광고 솔루션을 내놓을 것이다.

애그리게이트는 사람들의 “유사성 클러스터”라고 하는 것을 판단하고 그런 사람들의 인격 프로필을 근거로 타깃 광고를 결정하는 알고리즘을 개발했다. 이 회사는 개인이 아니라 집합적인 사람들의 습관을 관찰하여 그렇게 한다.

“각 상황에서 알고리즘을 경쟁시켜서 어느 것이 가장 좋은 결과를 얻는지 (광고를 잘 제공하는지) 본다. 그것이 전통적인 기계 학습 기법이다. 하지만 이렇게 하려면 엄청난 컴퓨팅 성능이 필요하다”고 애그리게이트 날리지의 창설자인 폴 마르티노는 말했다.

마르티노는 자기 회사가 다양한 소셜 네트워크와 협상 중이지만 아직까지는 어느 회사와도 거래하고 있지 않다고 말했다.

이 분야의 기법 중 하나는 공동 필터링(collaborative filtering)이라고 한다. 이 기법은 아마존이 제품 추천 시스템을 만들 때 사용한 것이다.

아마존의 시스템은 사용자의 구매 내역을 자동으로 분석하면서 쇼핑객들 사이에서 동일한 구매 패턴을 찾는다. 패턴이 비슷한 쇼핑객의 구매 내역을 추정하면서 시스템은 그 사용자는 아직 구입하지 않았는데 구매 패턴이 비슷한 다른 쇼핑객들은 구입한 제품을 찾아낸다. 따라서 시스템은 그 사용자도 좋아할 가능성이 있는 물품을 추천할 수 있다.

페이스북을 잘 아는 사람들에 의하면 페이스북도 동일한 음악이나 영화를 좋아하는 사람들에 대해 비슷한 기법을 채택할 계획이다. 그런 식으로 영화사나 음반사는 제품 배치 방식으로 엔터테인먼트를 “제안”할 수 있다.

행동분석 타깃팅
또 다른 방법은 어떤 사람이 보여준 행동을 분석하여 그것에 광고를 맞추는 것이다. 소위 말하는 행동분석 타깃 광고이다. 그것은 사이트가 시간의 흐름에 따라 사람을 추적하면서 그의 인구통계학적 정보와 기호에서 그 요인을 찾아낼 수 있음을 의미한다. 예를 들어 최근에 자동차를 찾고 있다고 말한 적이 있는 고소득 여성이라면 렉서스 광고를 받게 될 것이다.

페이스북은 이미 특정한 사람의 별명을 검색할 수 있는 몇 가지 기계 학습 기법을 이미 내놓았다. 그 사람이 그 정보를 공개하지 않은 경우에도 그렇게 할 수 있다.

한 소식통에 의하면, 페이스북은 개인 게시판(친구들이 메시지를 게시하는 곳)에서 단어를 빼낸 다음 그 목록에서 사전에 없는 모든 단어를 삭제할 수 있는 알고리즘을 개발했다. 이 알고리즘은 남은 단어로 별명 종합 사전을 만들었고, 사람들은 그 사전을 이용해 별명으로 소개된 친구의 프로필을 검색할 수 있다.

“이것은 흥미 있는 기계 학습 문제이며, 그들에게는 그와 비슷한 과제가 무수하게 많다”고 그 소식통은 말했다.

페이스북을 잘 아는 사람들에 의하면, 페이스북은 이미 사람들을 기술 마니아나 음악 애호가와 같은 그룹으로 묶고 있으며, 사람들의 행동 패턴을 따라가면서 다른 종류의 행동 방식을 예측하고 있다.

예를 들어, 데이터 패턴 내에 존재하는 예상할 수 없는 가설적인 연결 고리를 찾아보면 야구를 좋아하는 그룹은 초밥을 좋아할 가능성이 있음을 알게 될 수 있다. 따라서 광고 네트워크는 그 그룹에 속한 사람들에게 현지의 초밥 레스토랑을 알려주는 타깃 광고를 할 수 있다. 하지만 페이스북은 이 기법을 정식으로 구현하지 않았다.

페이스북은 여론을 측정할 수 있는 거대한 지표이기도 하다. 그렇기 때문에 언젠가는 이 사이트에서 이를 테면 ‘스파이더맨’과 같은 영화에 대한 잡담을 추적하여 그 정보를 영화사에 팔거나 게시판에 올라오는 영화 관련 메시지가 어떻게 받아들여지는지 관찰할 수 있을 것이다.

어떤 영화에 대한 잡담이 급격하게 줄어들면, 영화사가 그 영화를 극장에서 계속 상영하는 것보다는 DVD에 담아 내놓는 것이 더 좋을 것이다.

대규모 검색 사이트는 이 분야에서 이미 어느 정도 성과를 거두었다. 예를 들어 구글은 적합한 광고를 보내기 위해 검색 용어, 개인의 물리적인 위치(IP 주소에 근거한 것임), 그리고 그가 방문한 사이트의 콘텐츠 종류 등을 관찰한다.

비슷하게 타깃 광고를 하는 야후도 마케팅 회사에게 행동 분석 타깃 광고를 판매한다. 예를 들어, 야후는 임신-건강 페이지를 열어 본 적이 있는 사람에게 이유식 광고를 보낼 수 있다.

MS는 네트워크에서 사용자들의 행동 방식을 익명으로 추적하여 자동차 쇼핑객 등과 같이 부류 별로 분류하여 그에 맞는 광고를 보낸다. MSN Auto를 열어 보았거나 라이브 서치에서 “Kelly Blue Book”을 검색한 적이 있는 MSN 사용자는 그와 관련된 광고를 보게 될 것이다.

검색 및 웹 브라우징 내역 데이터는 사람들이 등록을 하면서 MS에 제공한 데이터, 즉 나이나 성별과 같은 데이터와 혼합이 된다. 물론 개인 식별 정보는 포함되지 않는다.

현재 MS는 페이스북의 그래픽 방식 광고를 제공하게 되겠지만 이 소셜 네트워크가 스스로 광고 문제를 어떻게 해결할 것인지는 아직 지켜봐야 한다.

린든은 “문제는 그들이 수입을 올릴 수 없다는 것이 아니라 가능한 수입의 규모에 대한 기대치가 너무 높다는 것이다. 사람들은 정신적으로 (페이스북에서) 구매할 준비가 되어 있지 않기 때문에 지금 당장 기대하는 것만큼 광고에서 많은 것을 얻기는 어려울 것”이라고 말했다. @