기술로 취향 저격
기술로 취향 저격
NAVER I Tech I 김도희
이제 공기처럼 당연하게 느껴지는 서비스지만, 네이버의 검색은 시대의 변화에 맞추어 끊임없이 진화하고 있다. 질의에 맞는 정답을 빠르게 제공하는 것은 기본이고, 이제는 사용자의 검색 이력을 토대로 개인 취향에 꼭 맞는 내용까지 추천해 준다. 올해로 11년차 개발자 김도희는 개인화된 검색을 위한 추천 모델링 개발을 담당하고 있다. 백엔드 개발자로 네이버에서 첫 커리어를 시작한 그는 데이터와 사용자에 관심이 많아 스스로 머신러닝 분야를 틈틈이 공부해 왔고, 마침 그의 관심사를 알게 된 담당 부서로부터 합류 제의를 받게 되어 현재의 직무로 변경했다. 앞으로 그의 목표는 추천을 통해 사용자들에게 실질적으로 가치 있는 경험을 제공하는 것이다. 지금도 진화하고 있는 검색 기술처럼, 사용자의 취향을 정조준하기 위한 그의 도전 역시 여전히 현재진행 중이다.
어떤 일 하시나요?
네이버 안에서 사용자들이 직접 만들어 낸 콘텐츠들을 개인의 취향에 맞게 전달해 주는 ‘MY구독’ 서비스를 담당하고 있습니다. 기존의 MY구독은 단순히 내가 구독한 채널들의 새 글을 보여주는 정도의 판이었는데, 사용자 취향을 파악해서 딱 맞는 콘텐츠를 전달해 드리고 싶었어요. 보다 의미 있는 구독이 될 수 있도록 말이죠.
추천과 검색의 차이가 궁금합니다.
어떻게 보면 서로 비슷한 점이 많아요. 추천이나 검색이나 모두 몰랐던 정보들을 발견할 수 있도록 돕는 서비스니까요. 검색은 본인이 보고 싶은 질의를 직접 입력해야만 하지만, 추천은 질의를 입력하지 않고도 정보를 제공해 준다는 점이 다르다고 생각해요. ‘질의를 입력하지 않는 검색’이 추천인 셈이죠.
질의가 없어도 이 사람이 원하는 게 무엇일지 알아 봐 주기 위해서는 실제 사용자가 기존의 서비스에서 남겼던 로그들을 분석해서 ‘이 사람은 어떤 사람이다’ 라는 것을 파악하는 작업이 필요합니다. 정답을 열심히 찾아 주는 기존의 쿼리들도 물론 중요하지만, 쿼리를 입력하면서도 내가 뭘 찾고 싶은지 잘 모르는 사용자들도 있거든요. ‘당신이 원하는 건 이런 것’이라고 말해 주는, 만족스러운 검색 경험을 제공해 주는 서비스가 바로 에어서치(AiRSearch)입니다.
에어서치에 대해서 조금 더 소개해 주세요.
관련해서 진행하고 있는 프로젝트 중에 ‘스마트블록’이라는 것이 있어요. 인테리어, 낚시, 캠핑처럼 조금 큰 카테고리 기준으로 질의를 입력했을 때 정답만을 제공하는 것에서 한 걸음 더 나아간 서비스입니다. 사용자들이 관심을 가질 만한 문서나 컬렉션들이 저마다 다를 것 같다는 생각을 하게 됐거든요. 그래서 개인의 취향에 맞게 다양한 추천을 해 주는 프로젝트를 진행하고 있습니다. 예를 들어서 ‘인테리어’라는 검색어를 입력했을 때, 최근에 집을 산 사용자의 경우에는 단순한 인테리어 소품을 넘어 전체적인 집의 인테리어를 바꾸는 콘텐츠들을 좀 더 원할 수도 있겠죠.
입사 이후 직무를 바꾸셨다고 들었습니다. 특별한 계기가 있으셨나요.
저는 백엔드 개발로 시작했다가 머신러닝으로 직무를 바꾼 케이스예요. 한창 알파고와 이세돌이 대국하던 그 때 즈음인데요. 그 전부터 이 분야에 관심이 있었기 때문에 조금씩 공부를 시작했어요. 마침 뉴스 개발 쪽에 있으면서 모델링 작업을 해 본 경험, 데이터 엔지니어링 관련 작업들에 대한 경험들도 차곡차곡 쌓였던 때였고요. 그리고 무엇보다 데이터 관련된 일을 더 해 보고 싶다는 생각을 했습니다. 왜냐하면 네이버는 아주 많은 사용자 로그들이 있고, 거기서 발생한 데이터들이 굉장히 많은 회사 중에 하나잖아요. 그것을 분석해서 의미 있는 데이터와 인사이트를 얻어 내고, 한 걸음 더 발전시켜서 사용자에게 실제로 가치 있는 서비스들을 제공하고 싶었습니다.
일을 잘한다는 것은 무엇일까요.
일을 잘 하는 덕목으로는 여러가지가 있겠지만 제 생각에는 아무래도 문제 해결력이 가장 필요할 것 같습니다. 어떤 현상들을 관찰하고, 문제를 캐치해서 정의하고, 또 해결 방법을 찾는 일련의 과정들이 굉장히 중요하거든요. 게다가 그것을 실제로 구현하는 스킬까지 있어야 하겠죠. 개발자들에게는 비슷한 사이클의 반복인 것 같아요. 문제를 스스로 세팅하고, 문제를 풀고, 그러고 나면 또 다른 문제를 찾고. 문제 해결력이 정말 중요한 부분이라고 생각합니다.
특히 머신러닝 분야에서 중요하게 염두해야 할 것이 있을까요.
최근 AI나 머신러닝 쪽에 관심을 갖기 시작한 분들이 정말 많은 것 같아요. 관련 기술들을 공부할 수 있는 자료나 데이터도 많고, 실제로 구현해 볼 수 있는 라이브러리들도 아주 잘 되어 있고요. 이런 기술들을 학습하는 것도 물론 중요하지만 이 기술들이 서비스에 실제로 쓰일 때를 생각해 보는 것도 중요하다고 생각합니다. 어떻게 하면 사용자들에게 좀 더 나은 가치를 줄까, 좀 더 의미 있는 경험을 줄까, 하는 것들 말입니다. 아무리 좋은 기술도 쓰여지지 않으면 의미가 없으니까요.
➡️ 인터뷰 전문 보기
