한 30대 직장인은 약속 장소나 맛집을 찾을 때 포털 검색보다는 지도 앱을 통해 일일이 상호명을 눌러가면서 적당한 곳을 살펴본다고 했다. 검색 결과 상단엔 광고를 이용해 노출되는 곳이 대다수인 데다 블로그 게시물도 '협찬'인 경우가 적지 않아서다.
에어스페이스는 네이버 장소 추천 기능을 초개인화 방식으로 바꾼 핵심 기술이다. 네이버에 축적된 장소 데이터를 학습한 다음 다양한 사용 맥락을 기반으로 사용자가 '좋아할 만한' 최적의 장소를 추천하는 시스템을 말한다. 네이버 자체 장소 추천 기술 '하이퍼로컬 퍼스널리제이션'이 에어스페이스에 활용된다.
여기에 LLM을 더해 관심지점(POI) 관련 정보와 맥락을 심층적으로 이해·분석해 장소를 추천하도록 시스템을 고도화했다는 설명. 네이버 플레이스에 쌓인 리뷰, 장소 설명 등의 텍스트 정보를 문맥적으로 분석하고 전달하는 것이 LLM의 역할이다.
단 LLM과 텍스트 정보만 활용하면 사용자 취향을 반영하는 데 한계가 있을 수 있다. 정형화된 추천 결과만 제시하는 경향도 보인다.
이에 네이버는 클릭, 길찾기, 저장 등의 데이터를 LLM과 결합했다. 사용자 행동패턴, 선호도, 트렌드를 반영해 '초개인화 추천 서비스'가 이뤄지도록 한 것이다.
김창회 네이버 플레이스 프로덕트팀 리더는 "이용자들이 기록한 리뷰뿐 아니라 클릭, 저장, 공유 같이 장소에 대한 관심 지표들을 바탕으로 시스템을 고도화하고 있다. 이를 통해 다시 이용자에게 차별화된 로컬 경험을 제공하는 ‘선순환’ 구조를 이루고 있다는 점이 특징"이라고 설명했다.
특히 저장 데이터는 장소 유형, 그룹화를 통해 사용자 관심과 선호도를 나타내는 지표로 활용된다. '테마 추천', '유사 장소 추천', '미래 방문지 예측 추천' 등의 기능은 이 데이터를 기반으로 한다.
김 리더는 "가령 식당네오, 달리아 다이닝, 부토와 같은 식당의 경우 텍스트 중심의 업체 정보만으로는 연관성을 파악하기 어렵지만 사용자들의 저장·클릭·공유 데이터를 바탕으로 ‘흑백요리사 셰프들이 출연한 식당’이라는 특징을 뽑아낼 수 있다"고 소개했다.
국내여행 코스추천은 네이버에 쌓인 장소 정보를 분석한 다음 국내 지역 270여곳을 대상으로 가볼 만한 장소들을 코스 형식으로 제시하는 서비스다. 내비게이션, 클릭, 예약, 리뷰 등 사용자들 행동패턴을 알고리즘으로 분석해 코스를 추천한다. 출발지·목적지, 경로, 시간대 등의 정보와 사용자 이동패턴을 종합적으로 고려해 주변 명소를 추려내는 과정을 거친다.
네이버가 '장소 탐색'을 넘어 '취향 추천'으로 서비스를 확장하는 이유는 젊은 세대 사용자들을 확보하기 위한 포석으로 풀이된다. MZ(밀레니얼+Z)세대를 중심으로 트렌디한 맛집·카페를 단순 검색하기보다는 AI 추천을 통해 최적의 장소를 발견하는 사례가 증가하는 경향에 주목한 것이다.
김 리더는 "장소 추천 AI 엔진을 개발하는 데 그치지 않고, 이용자들이 취향에 맞는 장소들을 쉽고 빠르게 발견할 수 있도록 다양한 추천 서비스를 선보이고 있다"며 "네이버만이 가진 차별화된 로컬 데이터와 양질의 리뷰를 기반으로 추천 기술을 고도화해 더 많은 이용자에게 즐거운 장소 발견의 경험을 제공하겠다"고 말했다.
김대영 한경닷컴 기자 kdy@hankyung.com
관련뉴스