국내 오프라인 상거래 시장을 기준으로 향후 최대 300조원에 이르는 O2O 시장이 형성될 것

개발된 Placeness Modeling Engine 개요

현재 통용되는 위치기반 정보 제공/추천 서비스는 지능형 개인 비서인 구글 나우, 증강현실 기반 정보 제공 서비스인 위키튜드, 여행 관련 추천 서비스인 트립어드바이저, 음식 배달 정보 서비스인 배달의 민족, 배달통, 요기요, 모바일 쿠폰 서비스인 얍, 시럽 등 다양한 분야에서 출시되고 있다. 

또한 모바일 상거래 기술의 발전으로 O2O (Online-to-Offline) 서비스들이 특히 많은 주목을 받고 있다. 정보통신정책연구원에 따르면 국내 오프라인 상거래 시장을 기준으로 향후 최대 300조원에 이르는 O2O 시장이 형성될 것으로 전망하고 있다.

그러나 O2O 서비스를 포함하는 기존의 위치기반 정보 추천 서비스는 아직 사용자 개인의 특성을 충분히 고려하지 못하고 다중의 선택이나 소셜 정보만을 활용하기 때문에 개인의 상황에 맞는 요구를 충족시키지 못하고 있다.

그렇기에 현재의 추천 서비스는 사용자 전체의 관심과 선택에 대한 평균에 중점을 둠으로써, 개인적 선호와는 항상 동떨어진 추천이 이뤄지고, 아울러 시간이 지남에 따라 모든 사람들이 동일한 선택으로 기울어지도록 몰아가는 단점이 있다. 결과적으로 평균 중심 서비스는 시간이 지남에 따라 사용자들이 충분히 예상할 수 있는 선택지를 추천하는 것으로 수렴할 가능성이 크다.

KAIST 전산학부 이동만 교수 연구팀이 소셜 네트워크 서비스(SNS)의 사진과 글을 기반으로 장소의 특성을 분석해 사용자에게 맞춤형 장소를 제공하는 기술을 개발했다. 이 기술은 현재의 위치 기반 추천 서비스를 인공지능형 개인 비서 서비스로 도약시키는 원천기술이 될 것으로 기대된다.

이번 연구는 기존 위치기반 장소 검색 및 추천 서비스의 검색 수준을 향상시켜 사용자들이 장소를 선택하는 기준을 다양하게 적용시킬 수 있다. 사용자의 트렌드를 반영해 실시간으로 변화된 장소 추천을 할 수 있을 것으로 보인다.

KAIST 문화기술대학원 이원재, 박주용 교수와 전산학과 차미영 교수가 공동으로 참여한 이번 연구의 API(응용 프로그래밍 인터페이스)를 공개(바로가기)했으며, 관련 정보는 http://placeness.kaist.ac.kr/wiki/doku.php 에서 열람할 수 있다.

스마트 공간에서의 실시간 지능형 정보 추천을 위한 데이터 마이닝 핵심기술 개발 개요

맛집 추천 서비스, 소셜 커머스 등 위치를 기반으로 정보 검색 및 추천 서비스를 제공하는 업체들은 주로 고객의 후기를 수집하거나 직접 방문을 통해 경험한 내용을 토대로 음식점 혹은 매장을 평가한다.

이는 비교적 정확한 정보를 제공하지만 시간적, 경제적 비용이 많이 소모된다. 또한 사용자 전체의 관심과 선택의 평균에 중점을 두기 때문에 사용자 개인의 특성을 충분히 고려하지 못한다는 한계가 있다. 시간이 지날수록 사용자는 평균 중심의 예상 가능한 선택지를 추천받을 확률이 높아진다.

따라서 같은 장소라도 사용자가 방문하고자 하는 목적이 다르기 때문에(모임, 상견례, 소개팅 등) 방문 목적과 사회적 맥락을 파악할 수 있는 추가적인 기능이 필수적이다. 이를 위해 기본적으로 제공되는 정보 외에도 실제 사람들이 각 장소에서 어떤 세부적 활동을 하며 공간을 소비했는지에 대한 데이터 수집이 필요하다.

연구팀은 문제 개선을 위해 특정 소셜 네트워크 서비스(인스타그램)에 올라온 사진과 텍스트 자료를 바탕으로 이를 분석하는 알고리즘을 개발했으며, 기존에 존재하는 딥러닝 방식을 이용해 사진을 분석하는 기술과 연구팀이 새로 개발한 텍스트 분석 기술인 워드백(Wordbag) 기술을 결합했다. 특정 상황이나 분위기에 사용되는 단어들을 분석하고 단어마다 가중치를 둬 분류하는 기술이다.

연구팀은 API에서 주요 연구 이슈에 따라 크게 4개의 세부 분야별 정보를 제공한다. ▲상위 장소의 장소성(장소의 성격 : placeness), ▲상위 장소 내에 있는 세부 장소의 장소성 추론, ▲감성분석 기반의 장소 분위기 추론, ▲사용자와 장소성 간 연관성을 제공한다.

연구팀의 API는 SNS에 존재하는 연구개발 대상으로 지정된 특정 상위 장소(코엑스. 아이파크 몰) 및 그 내부의 세부장소에 대해 언급된 데이터를 분석해 행위, 방문자, 시간, 분위기 등 다양한 관점에서 공간의 활용 가능성을 제공한다.

연구진(좌측부터 전산학부 이동만 교수, 신병헌 박사과정 학생, 최인경 박사과정 학생)(사진:KIAST)

이는 같은 장소라도 사용자가 시간대, 목적에 따라 다르게 활용했던 이력이나 기존 서비스에서 제공이 어려웠던 분위기(ex. 밝은, 전통적인 등)나 방문 목적(ex. 데이트, 공부, 회의)을 데이터로 수집할 수 있기 때문에 사용자의 의도에 따라 장소를 추천할 수 있다.

이 교수는 “이 연구에서 개발된 API를 통해 기존의 위치기반 장소 검색 및 추천 서비스의 검색 수준을 향상시키고 방문자들의 트렌드 변화에 따라 자동으로 변화된 장소를 추천할 수 있다”고 말했다.

또한 “기존 비정형 텍스트 데이터 분석의 한계를 극복하기 위해 사진과 텍스트를 동시에 분석해 공간에 대한 사회적 정보를 추론할 수 있어 현재의 위치기반 추천 서비스가 인공지능형 개인 비서 서비스로 도약하는 핵심 기술이 될 것이다”고 말했다.

저작권자 © 인공지능신문 무단전재 및 재배포 금지