소셜 친구 추천의 한계

대개 소셜 네트웍 분석 및 연구자들에게 킬러 애플리케이션을 묻는다면,  친구 추천(Friend Recommendation)을 많이 꼽는다. 사람들에게 친구 추천이 유용한 기능이라고 생각하기 보다는 추천 알고리즘을 검증하는 데 용이한 측면이 있기 때문이다.

아니나다를까 우리가 쓰는 소셜 네트웍 서비스에서도 친구 추천은 가장 먼저 구현되고 제공되는 기능이기도 하다. 트위터도 "팔로우해야할 사람", 페이스북도 "알 수도 있는 사람", 심지어 싸이월드도 "오래된 친구 추천" 기능이 들어 있다.

친구 추천은 각 서비스의 특징에 따라 달리 해야 되겠지만 대개 1) 상호 관계- 일방향 혹은 양방향 연결  2) 공통된 관심사 - 사는 지역, 성별, 연령대와 공유하는 정보의 의미 3) 공유 인맥 - 친구의 친구 등으로 연결된 인맥 구조 4) 친구 필터링 - 추천 콘텐츠 같은 필터링 정보를 기반해서 하게 된다.¹⁾

이는 크게 콘텐츠 혹은 관심사 중심 혹은 관계 중심 친구 추천 알고리즘으로 나뉘게 된다. 콘텐츠에 대해 일반적인 TF/IDF 혹은 코사인 유사성을 기반한 Content Matching와 여기에 소셜 링크 정보를 추가한  Content-plus-Link (CplusL)는 전자에 속하고, 소셜 네트웍 관계 구조를 기반한 Friend-of-Friend와 인트라넷 애플리케이션으로 소셜 네트웍을 분석하는 SONAR(SOcial Networking ARchitecture) 등은 후자에 속하는데 이를 기반으로 친구 추천 효과를 측정한 연구가 있었다.²⁾

연구 결과에 따르면, 아래 그림에서 보듯이 관심사 기반 알고리즘으로는 잘 모르는 친구를 찾을 때 유용하고 관계 기반 알고리즘은 잘 아는 사이의 친구를 찾을 때 의미 있는 결과를 보인다. 대신 결과가 좋다고 판단한 경우는 대개 아는 친구를 추천해 줄때에 더 좋은 결과를 보여준다.

어찌 보면 당연한 이 결론은 현실에도 그대로 유용할까?

물론 트위터나 페이스북 그리고 싸이월드에도 각자의 친구 추천 알고리즘을 가지고 있을 것 같다. 특히, 트위터의 경우 데이터가 완전히 오픈 되어 있기 때문에 많은 서드 파티들이 추천 서비스를 하고 있기도 하다.

경험적(정성적)으로 봤을 때 트위터의 친구 추천은 대개 팔로우가 많은 유명인이 될 수 밖에 없다. 일방향 관계를 가지게 되는 특징 때문이든 리트윗이 많아 콘텐츠 매칭의 허브가 되든 말이다.

트위터와 달리 양방향 관계를 제공하는 페이스북이나 싸이월드의 경우도 네트웍을 확장하는데 도움을 주는지 아니면 그 반대의 결과를 가지고 오는지 한번 생각해 볼 필요가 있다.

얼마 전 싸이월드가 친구 추천 기능을 추가했을 때, 얼마지나지 않아 많은 사람들이 "싸이월드 친구 추천 없애기"라는 자동 검색어 추천 항목이 나오고 지식iN에서 이와 관련한 질문이 최상위에 노출될 정도로 심리적인 결과가 좋지 않다고 한다.

이는 성숙한 소셜 네트웍 서비스에서 "알 만한 사람은 이미 다 알게 되었다"라는 부분을 간과한 이유일 것이다. 즉, 친추 기능이 보고 싶지 않은 사람을 다시 보여줄 확률을 높혀서 어떠한 이유로 관계를 끊은 사람들까지도 "추천" 이라는 명목으로 보는 일은 그리 유쾌하지 않을 듯 하다.

다시 말해, 소셜 네트웍의 성숙도와 인간적 요인을 잘 고려하지 않으면 정교한 친구 추천 알고리즘이 나오기 어렵다는 것을 의미한다. 아예 페이스북 처럼 프로필 사진이 멋있는 인기있는 이성을 골라 주는 게 어찌 보면 더 효과적일지도...

----
1) Scott A. Golder et al, A Structural Approach to Contact Recommendations in Online Social Networks, SIGIR 2009

invalid-file

2) Jilin Chen et al,"Make New Friends, but Keep the Old"- Recommending People on Social Networking Sites, CHI 2009

invalid-file