나는 올해를 시작하면서 -- 더 정확히는 작년 대선 결과를 보고 나서 -- 2013년도의 목표를 '살아남기'로 정했다. 그래서 2013년 첫 포스팅의 제목을 '2013, 살아남아라.'로 정했다. 1년이라는 시간을 보내고 다시 그 글을 찾아서 읽는다. 과연 나는 지금 살아남았는가? 치열하게 살아남기로 다짐했지만 지금은 그저 가느린 산소호흡기에 기대어 연명하고 있을 뿐, 자생으로 살아남지는 못한 자가 되었다. 주변을 둘러보고 위로 아닌 위로를 얻는다. 나만 그런 것이 아니기 때문이다. 지금은 살아남은 자들의 세상이 아니라, 죽지 못한 자들의 세상이다. 11월 어느날 이 글을 적으며 한해를 정리해야겠다고 마음을 먹었다. 그리고 지금 글을 채워넣는 지금 '안녕들 하십니까?'라는 한장의 대자보가 세상이라는 큰 호수에 작은 파장을 일으키고 있다. (참고 기사) 우..

불특정 다수를 위한 추천을 제외하면, 대부분의 추천은 개인화에 바탕을 두고 있습니다. 개인의 선호도를 바탕으로 명시점수를 예측하거나 특정 아이템을 선호할 확률을 계산해서 보여주기 때문입니다. 그리고 나와 유사한 사용자들이 좋아하는 제품들이나 내가 좋아하는 제품의 관련 제품들도 개인의 선호에 바탕으로 맺어지는 것입니다. 그렇기에 추천 개인화라는 타이틀이 조금 어색하지만, 최근에 제가 고민하는 플랫폼/프로세스에 대한 간략한 스케치만 다루겠습니다. 그리고, 추천 개인화에 관심이 있으신 분들은 Netflix에서 나온 Mining Large Streams of User Data for Personalized Recommendations를 읽어보시기 바랍니다. 제가 생각하는 추천 시스템 또는 추천 개인화는 1. 개인의 과거 이력을 바탕으로 관심사를 찾아내고 모델링하는 User Profiling, 2. 유저프로파..

이전 글들에서 추천 시스템과 관련된 기본적인 사항들은 대부분 다룬 듯합니다. 실서비스에서 추천 시스템이 어떻게 적용되었는지 예시를 들어보겠습니다. 추천 알고리즘 자체도 복잡하지도 않고 적용가능한 방법이 뻔해서 쇼핑하우를 조금만 사용해보시면 어떻게 적용되었는지 쉽게 유추가 가능합니다. 이 글에서는 앞서 설명드린 알고리즘들이 어떻게 적용되었는지를 간략히 보여줄뿐, (여러 이유로) 상세 내용을 다룰 수 없음을 양해바랍니다. 쇼핑하우는 포털 다음에서 제공하는 쇼핑메타검색 서비스입니다. 예전에는 D&shop이라는 쇼핑몰도 직접 운영했지만, 지금은 여러 쇼핑몰들의 상품 데이터를 가져와서 상품을 찾고 가격비교를 해주는 서비스만 제공하고 있습니다. 현재 다양한 곳에 추천 상품들을 배치하려고 준비중이지만, 시작은 쇼핑..

최근 오픈 이노베이션 Open Innovation이 장려되는 분위기에서 많은 전문가들이 NIH를 경계한다. NIH는 Not Invented Here의 약자로써, '우리가 개발하지 않았음'이라는 뜻이다. 외부에서 개발된 더 진보된 기술이 있음에도 불구하고, 내부에서 만들어지지 않았다고 해서 배제하는 현상을 뜻한다. NIH는 때로는 관료주의의 결과로 더 우수한 기술을 발견/적용하지 못한 경우도 있고, 우리가/우리 것이 최고다라는 우월주의의 결과인 경우도 많다. 이유야 뭐가 되었든, NIH 신드롬이 팽배한 조직 -- 특히 거대 조직 -- 이 외부의 파괴적 혁신에 의해서 속수무책으로 무너졌던 것은 수많은 케이스스터디의 사례로남아있다. NIH를 잘 극복한 (?) 사례로 애플의 창업 초기에 스티브 잡스가 제록스 PARC에 가서 맥의 초기 컨셉인 GUI와 마우스를 가져와서 사용한 것, 그리고 나중에..