🧐 Summary
1️⃣ AI는 이제 단순한 추천을 넘어, 추천 이유를 이야기처럼 설명하는 시대가 되었습니다.
2️⃣ 맥락 기반 설명은 사용자 이해도와 수용도를 높이며, 공감을 끌어내는 데 효과적이에요.
3️⃣ 공감형 추천을 만들려면 감정 표현, 인물 서사, 시간 흐름 같은 이야기 구조가 필요합니다.
안녕하세요 구독자님, 저는 요즘 날씨가 좋아서 출근길과 퇴근길에 음악을 더 많이 듣고 있어요. 그런데 스트리밍 앱에서 무심코 플레이 버튼을 누르다 보면 궁금해질 때가 있죠. "왜 나에게 이걸 추천했지?" 비슷한 노래를 들었기 때문일까? 지금 시간대와 분위기 때문일까? 알고리즘은 그 이유를 알고 있지만 우리에게 그걸 말해주지는 않습니다. 그래서 요즘에는 AI가 단순한 추천을 넘어서, 이유와 감정을 담은 이야기로 설명하는 방식으로 진화하고 있어요. 추천에 감정과 이해를 더하려는 것이죠.
노래하면, Spotify아니겠습니까. 오늘은 Spotify가 추천 내러티브를 어떻게 실험하고 있는지부터 이러한 설명의 효과를 하나씩 알아볼께요.
Spotify는 어떻게 추천을 설명할까
Spotify는 최근 LLM을 활용해 추천 이유를 친절한 문장으로 바꿔주는 시스템을 실험 중입니다. 추천의 맥락을 설명하는 내러티브를 실험하는 이 프로젝트의 핵심은 사용자가 AI에게 ‘선택 당했다’라는 느낌이 아니라, ‘이해받고 있다’는 감정을 갖게 하는 것이에요.
예를 들어 단순히 특정 노래를 바로 추천해주는 대신 AI는 이렇게 말할 수 있죠.
“당신이 최근에 들은 아날로그 감성의 포크 음악과 닮은, 따뜻한 통기타 사운드가 담긴 곡이에요.”
“비 오는 날 오후에 어울리는 잔잔한 멜로디예요. 지난주 이 시간에도 비슷한 분위기의 곡을 들으셨더군요.”
이런 개인화된 내러티브는 특히 낯선 콘텐츠에 대한 심리적 장벽을 낮추고, 실제 클릭률도 높였습니다. 반대로 말하면 새로운 콘텐츠에 관심을 높일 수 있었죠. Spotify는 LLaMA 모델 기반 LLM을 자사 콘텐츠에 맞게 튜닝해서 실시간 설명, AI DJ 기능, 문화적 맥락 이해에 활용하고 사용자 참여도는 최대 4배 증가했다고 하네요.
단순히 "이 노래 들어봐"에서 "너를 이해한 다음 이걸 추천해"로 추천의 언어가 바뀌고 있는 거죠.
설명이 주는 효과는 실제로도 클까?
사실 추천 시스템에서 가장 중요한 건 사용자의 반응입니다. 추천의 이유를 설명해주는 것에 대한 사용자 반응은 어땠을까요? 총 759명의 사용자에게 두 가지 종류의 추천 설명을 제시한 실험이 있었어요.
1. 일반적인 설명: “이 영화는 평점이 높고 대중적으로 인기 있어요.”
2. 맥락 기반 설명: “당신이 최근 본 감성적인 드라마와 비슷한 톤이에요.”
결과는 명확했습니다.
맥락 기반 설명은
- 사용자의 이해를 돕고 (인지적 니즈 충족)
- 실제 시청 의도를 높이며
- 개인화에 대한 만족감을 높였습니다.
하지만 모든 설명이 긍정적인 건 아니었어요. 인터뷰에서는 “과하게 내 데이터를 끌어다 쓰는 느낌”이라는 의견도 나왔습니다. 또한 감정적 만족이나 실용적 유용성은 예상보다 큰 차이를 보이지 않았죠. 결국 '적절한 거리의 개인화'가 중요하다는 걸 보여줍니다. ‘언제, 얼마나, 어떤 방식으로 설명할 것인가’가 중요한거죠.
공감을 부르는 추천 이야기의 구조는?
그렇다면 사람들은 어떤 이야기 스타일로 추천해줘야 공감할까요. 한 연구팀은 공감을 부르는 이야기 구조를 알아보기 위해, 이야기 스타일을 다섯 가지로(인간다움, 감정표현, 주체적 행동, 관계성, 시간적 흐름) 분류하고 이 기준에 따라 LLM으로 수 천개의 이야기를 분석했어요. 공감을 이끌어내는 요소는 3가지 였습니다.
- 감정 표현의 생생함 – 감정이 구체적이고 살아 있을수록
- 인물의 성장과 묘사 – 등장인물이 변화하고 입체적일수록
- 이야기의 구조적 밀도 – 시간과 사건의 흐름이 명확할수록
이건 곧 추천 내러티브에도 그대로 적용될 수 있는 원칙입니다. ‘이 영화 재밌어요’보다 ‘실패를 반복하던 주인공이 결국 가족의 사랑을 깨닫는 이야기예요’라는 설명이 훨씬 설득력 있듯이요. AI가 추천 이유를 이야기처럼 만들고 싶다면 이런 감정, 서사, 캐릭터의 구조가 필요합니다.
지금까지의 추천은 데이터로부터 나온 ‘결과’였죠. 앞으로의 추천은 내 이야기를 들었던 누군가가 “그래서 너에게 이걸 추천해”라고 말해주는 ‘경험’이 될지도 모릅니다. AI는 더 이상 목록만 주지 않아요. 이제는 그 목록을 선택하게 만들 이야기까지 함께 전하고 있어요. 왜냐하면 우리가 어떤걸 선택하기 위해서는 맥락과 감정이 필요하기 때문입니다.
알고리즘이 발전하고 콘텐츠가 많아져도 추천이 여전히 어려운 이유는, 추천이 감정적 공감의 영역이기 때문이에요. 내가 너를 분석해봤는데 넌 100%는 이거 좋아해 아니라고 말 못할껄 이라는 방식 보다는 나를 감정적으로 이해하고 있다는 걸 자연스럽게 이야기해주는게 더 좋으니까요. 우리가 다른 사람에게 노래를 추천할때도 그렇잖아요? 이거 들어봐 라는 문장의 앞과 뒤에는 수 많은 이야기와 맥락이 있습니다. 그래서 그 노래를 듣죠. 추천은 결국 낯선 것을 제안하는 일이고, 그 제안을 믿게 맏는 건 결국 ‘이야기의 힘’이니까요.
저희에게도 무엇이든 많은 추천 부탁드려요. 구독자님의 이야기가 담긴 추천들이 모여서 inspireX를 만들고 있습니다. 그럼 다음주 수요일에 만나요!
Reference
[2] Feng, Y., Feuerriegel, S., & Shrestha, Y. R. (2025). Contextualizing Recommendation Explanations with LLMs: A User Study. arXiv preprint arXiv:2501.12152.
https://doi.org/10.48550/arXiv.2501.12152
[3] Shen, J., Mire, J., Park, H. W., Breazeal, C., & Sap, M. (2024). HEART-felt Narratives: Tracing Empathy and Narrative Style in Personal Stories with LLMs. arXiv preprint arXiv:2405.17633.
https://doi.org/10.48550/arXiv.2405.17633
![[구독자 1000명 기념] 뉴스레터는 어떻게 만들어질까요의 썸네일 이미지](https://cdn.maily.so/rx5ns94ln0aephvep85mrc6sxz5m)
의견을 남겨주세요