넷플릭스 인사이트

- AI에 의한 혁신은 인간의 능력을 대체하는 것이 아니라 보완하는 것이다. 따라서 우리가 실제 문제를 풀기 위해서는 인간이 할 일과 AI가 할 일을 정확히 구별해 협업하도록 해야 한다. AI를 실제 문제에 잘 적용하기 위해서는 그 문제와 연관된 비즈니스를 제대로 이해하는 조직 및 전문가가 AI가 감당하기 어려운 감정적 혹은 사회적 이슈를 먼 저 처리한 후 AI를 활용하는 것이 바람직하다. 넷플릭스에서는 AI가 취약한 부분은 전문가가 담당한다. 콘텐츠의 잠재된 특성을 표현하는 태깅 작업과 세부 장르 설정 같은 것은 AI가 처리하지 않고 콘텐츠 전문가가 노동집약적 형태로 직접 수행한다. 이를 효율적으로 하는 기 업이 넷플릭스다. 그래서 AI를 활용한 과실을 많이 수확할 수 있었다. 흥미로운 점은, 넷플릭스는 AI라는 말을 필요 이상으로 언급하지도 않고 마케팅 목적으로 사용하지도 않는다는 것이다. 정말로 AI를 잘 이해하고 활용하는 기업은 요란한 소리를 내지 않는다. 다만 결과로 만 이야기할 뿐이다.
- 2008년 넷플릭스가 운영하고 있는 데이터센터에 문제가 생겨 사흘 동안 DVD 배송이 중단된 적이 있다. 이를 계기로 넷플릭스 경영진은 향후 데이터센터를 자체 운영하지 않고 아마존 클라우드 AWS에 일임하기로 결정했다. 클라우드로의 이전은 그 후 8년이 지난 2016년에 완료했다. 이로써 넷플릭스는 비용 절약은 물론이고, 기 술 도약과 기업 경쟁력 향상이라는 두 마리 토끼를 모두 잡았다. 특히 2010년부터 전 세계에 스트리밍 사업 확장을 추진하면서 클라우드의 유연한 스케일링 기능은 해외 확장에 따라 컴퓨팅 용량을 신속하게 조절할 수 있게 되어 큰 도움이 되었다. 데이터센터의 기능을 AWS로 옮긴 것은 두 가지 점에서 놀라운 결 정이었다. 첫째, 2008년 당시 AWS는 출범한 지 불과 1년밖에 지나 지 않은 신규 서비스였다. 따라서 안정성 측면에서 AWS를 신뢰하기 어려웠을 것이다. 하지만 넷플릭스는 핵심 역량에 집중하기 위해서 아마존을 믿고 데이터센터 기능을 모두 아마존에 맡겼다. 둘째, OTT 비디오 스트리밍 사업을 하고 있는 아마존 프라임Amazon Prime은 넷플릭스의 주요 경쟁사였다. 그럼에도 불구하고 넷플릭스는 아마존 클라우드에 비디오 사업의 모든 기업 자료를 옮겨놓았다. 국내 기업은 과연 그렇게 할 수 있을까? 기업 간에 이러한 신뢰 관계가 형성되지 않는다면 국내 클라우드 사업의 성장은 제한적일 수밖에 없을 것이다. 넷플릭스가 처음 사업을 시작했을 때는 월정 구독제가 아니었고, DVD의 판매와 대여 사업을 병행하고 있었다. 1999년 6월, 넷플릭스의 월 매출액은 9만 4,000달러를 넘어섰다. 계속해서 이렇게 진행된다면 넷플릭스 경영진이 세운 첫해 목표 중 하나인 연간 100만 달러의 매출은 무난히 달성할 것으로 보였다. 그들로서는 매우 반가운 소 식이었지만 상세 매출 내역을 보면서 고민이 생겼다. DVD 판매 매 출이 9만 3,000달러로 전체 매출의 거의 대부분을 차지했고, 대여 사업은 겨우 1,000달러를 벌었을 뿐이었다. 물론 DVD의 판매가는 한 장 에 25달러인 반면 대여는 4달러로 가격 차가 크긴 했다. 애초에 넷플릭스가 꿈꾸는 사업의 핵심 역량은 DVD 대여 사업이었지 판매가 아니었다. 그런데 '판매' 수입이 전체 매출액의 99퍼센트에 달했다. 그럼에도 불구하고 넷플릭스의 공동 창업자인 리드 헤이스팅스Reed Hastings와 마크 랜돌프Marc Randolph는 논의 끝에 대부분의 매출을 책임지고 있는 DVD 판매 사업을 중단하고, DVD 대여 사업에 집중하기로 결정했다. 현재 매출의 99퍼센트를 차지하는 사업을 접는다니! 이 같은 판단과 결기에 섬뜩한 느낌마저 든다. 마크 랜돌프는 자신의 책에서 “우리는 집중해야 한다. 그것이 기업가가 지닌 비밀 무기 다.”라면서 DVD 판매가 폭발적이고 대여 수익이 하락하더라도 우리 는 미래에 대한 서비스를 위해 과거의 일부분(DVD 판매 사업)을 기꺼이 포기해야 한다.”고 말했다. 기업을 운영하는 데 있어서 단일 아이디어에 집중하는 것이 필수적이라는 굳은 믿음으로, 다음 해인 2000년 2월에는 DVD 단품 대여 사업을 중단하고 획기적인 월 19.99달러의 구독제로 바꾸어 여기에 집중했다. 넷플릭스라는 빙산에서 수면 아래에 잠겨 있어 겉으로 는 좀처럼 보이지 않는 이러한 패기가 오늘날의 넷플릭스를 있게 한 저력이다.
- 넷플릭스는 파괴적 혁신으로 이제까지 고객과 비디오 사업자들이 목말라하던 틈새시장을 공략하기 위해 1999년 9월 기존의 단품 DVD기반 우편 대여 서비스 사업을 접고 월정 구독액 기반의 DVD 우편구독 서비스'라는 온라인 대여 사업을 시작했다. 사실 헤이스팅스는 구 독 요금제가 성공하리라고 확신하지 못했다. 그러나 무료 평가판으로 구독제 사업을 시작했는데 무료 고객의 80퍼센트가 유료로 전환하는 아주 성공적인 전환율 결과가 나왔다. 고객들은 이제 자신이 좋아하는 영화를 온라인으로 주문하고 우편 으로 수신한 후 편리하게 다시 보낼 수 있게 되었다. 넷플릭스는 한 번에 최대 세 개의 DVD를 보내주었으며, 넷플릭스 회원은 매달 영화를 무제한으로 볼 수 있다. 그러나 고객이 시청한 DVD가 반송되어야 새로운 DVD를 보내주기 때문에, 현실적으로 무제한'의 의미는 고객 주거지와 넷플릭스의 물류센터 사이의 배송 시간에 의해 제한되었다. 고객이 PC에서 넷플릭스 웹사이트에 접속한 후, 온라인 비디오 대여 목록에서 시청을 원하는 DVD 비디오를 선택해 이를 온라인 사이트의 쇼핑 장바구니와 유사한 '대여 희망 목록'에 입력한다. 넷플릭스는 각 고객의 대여 희망 목록에 나타나는 선호도의 순서대로 비디오 DVD를 보낸다. 고객은 언제든지 대여 희망 목록 순서를 변경하거나 제목을 추가 혹은 제거할 수 있다. 대여 희망 목록의 첫 번째 비디오가 없는 경우에는 대여가 가능한 다음 비디오를 대신 보낸다.
- 넷플릭스가 온라인 DVD 우편 구독 서비스 사업을 시작했다는 소 식에 많은 사람들이 고개를 갸우뚱하며 의아한 눈초리로 쳐다보았다. 이 사업을 위한 다음 세 가지의 기본 전제 조건들이 모두 선뜻 이해가 되지 않았기 때문이다.
1) 온라인 사업은 탄탄한 인터넷 인프라를 기본 전제로 한다.
2) DVD 관련한 환경, 즉 DVD 영화 타이틀이 풍부해야 하며 또 이를 재생할 DVD 플레이어가 많이 보급되어 있어야 한다.
3) 비디오 대여 시장은 이미 강력한 경쟁자들이 장악하고 있다.
그러나 대부분의 부정적인 예상과는 달리, 당시의 열악했던 인터넷 인프라와 DVD 환경은 빠른 속도로 개선되었다. 2001년에는 미국 가구의 50퍼센트가 인터넷 접속을 할 뿐 아니라 인터넷 속도 역 시 점차 빨라지고 있었다. 또한 DVD 플레이어의 수요가 증가함에 따라 가격이 빠른 속도로 내려가 1,000달러에 달하던 DVD 플레이어가격이 1998년 4월에는 평균 580 달러로 떨어졌으며, DVD 플레이어 가 VHS 카세트 플레이어보다 더 많이 팔리기 시작했다. 영화사들도 DVD라는 새로운 미디어 포맷을 긍정적으로 평가해 매월 100편 정도의 영화를 DVD로 출시해 1998년 8월경에는 1,500편의 DVD 영화가 출시되었다. 결국 2006년에는 미국 가정의 81퍼센트가 DVD 플레이어를 소유하게 되었다.
- 2002년 넷플릭스의 IPO는 성공했으나, 다른 한편으로는 블록버스터와 같은 기존 거대 기업들이 비로소 깨닫게 된 넷플릭스의 파괴적 혁신 전략과 내실 있는 발전에 상당한 경계심을 갖게 만드는 계기가 되었다. 이때부터 기존의 대기업들은 넷플릭스에 대항하는 전략을 구사 하기 시작했다. 넷플릭스의 IPO 후, 업계 거대 기업과의 경쟁이 시작되자 헤이스팅 스는 2005년 <뉴욕타임스>와의 인터뷰에서 IPO를 너무 일찍 한 것을 후회한다고 말했다. 헤이스팅스는 “아마존과 블록버스터가 우리와 경쟁하게 된 것은 우리가 수익성 있고 얼마나 빠르게 성장하고 있는지를 IPO를 통해서 알 수 있었기 때문”이라고 말했다. 또한 이와 함께 "블록버스터는 우리와 경쟁할 때 대단히 공격적이었다." 라고 말했다. 실제로 블록버스터가 가격을 두 차례 내리고, DVD 세 장을 대여하는데 넷플릭스보다 3달러 저렴한 14.99달러에 제공할 뿐 아니라, 매월 두 장의 무료 쿠폰 나눠주는 등 공격적인 마케팅과 물량 공세를 펼쳤 다. 넷플릭스는 거대한 포식자가 우글거리는 정글에 뛰어든 것을 그제서야 실감했다. 하지만 블록버스터에 앞서 넷플릭스가 맞이한 첫 번째 경쟁자는 거대 기업 월마트였다.
- 2003년 6월 월마트 역시 DVD 우편 구독 서비스를 시작했다. 넷플릭스와 마찬가지로, 월마트는 고객에게 만기일이나 연체료가 없고 우편을 통해 DVD를 받을 수 있는 서비스를 월정액제로 제공한다고 발표했다. 월마트가 정한 월정 구독료는 18.86달러로, 이는 고객이 한 에 세 개의 DVD를 받을 수 있는 넷플릭스 월정 구독료 19.95달러보 다 1.09 달러 저렴한 가격이었다. 사실 그 당시 인터넷 기반의 DVD 우편 구독 모델로 서비스를 제공 하는 업체가 몇 개 있었지만 넷플릭스의 경쟁자가 되기에는 역부족이었다. 그러나 월마트는 달랐다. 월마트는 넷플릭스를 따라잡을 때까지 오랜 시간이 걸리더라도 장기전을 벌이는 데 필요한 체력과 재력이 있 었다. 월마트는 넷플릭스에 심각한 타격을 줄 수 있기 때문에 헤이스 팅스는 긴장할 수밖에 없었다. 그러나 2년이 채 되지 않은 시점에서 변화가 찾아왔다. 2005년 5월 월마트는 더 이상 온라인 DVD 대여 서비스 사업을 하지 않고, 대신 미국에서 30퍼센트 이상의 점유율을 확보하고 있는 DVD 판매 시장 에 집중할 것이라고 발표했다. 그리고 월마트 자사의 고객을 넷플릭 스로 안내할 것이라고 밝혔다. 양사는 넷플릭스가 자사의 웹사이트와 DVD에 담긴 전단지를 통해 만일 DVD를 구입하고 싶으면 월마트 웹 사이트에 들어가서 온라인으로 구매할 것을 300만 명의 넷플릭스 회 원에게 홍보하고, 그 대신 월마트는 넷플릭스의 DVD 우편 구독 서비 스를 홍보하는 것에 합의했다. 2003년 6월에 시작된 월마트의 DVD 온라인 대여 서비스 가입자는 약 30만 명으로 추정되며 이들은 넷플 릭스에 동일한 조건으로 가입할 수 있는 옵션이 주어졌다
- 헤이스팅스가 뛰어난 경영자이며 지략가라는 점은 넷플릭스가 블록 버스터와의 피말리는 싸움으로 인해 상황이 매우 위급한 중에서도 오 히려 긍정적인 부분을 찾아냈다는 데서 드러난다. 예를 들면, 헤이스팅스는 “(블록버스터 프리덤 패스를 소개하기 위해) 블록버스터는 소비자들에 게 구독료 기반 대여 모델의 장점을 가르치는 데 광고비로 수백만 달 러를 쓸 것이다. 우리가 성장하는 데 가장 큰 장벽 중 하나는 소비자들 에게 구독료 기반 대여 모델이 무엇인지 가르치는 캠페인 비용이다." 라고 말했다. 이것은 경쟁 업체인 블록버스터의 광고 캠페인이 소비 자들에게 구독 서비스가 무엇인지 가르치기 때문에 결국 넷플릭스 비즈니스에도 도움이 된다는 의미다. 참으로 아이러니한 것은 1998년 넷플릭스가 채택한 초기 사업 모델이 당시 업계 리더였던 블록버스터의 모델을 카피한 것이었는데, 불과 4년 만에 전세가 역전되어 블록버스터가 넷플릭스의 모델을 카피하게 된 것이다. 그러나 업계 공룡 블록버스터는 넷플릭스의 비즈 니스 모델을 카피하면서 점점 더 깊은 수렁으로 빠져들었다. 넷플릭스의 전략과 모델이 아주 정교하며, 이를 지원하는 기술과 인프라가 워낙 탁월해 카피가 쉽지 않다는 점을 블록버스터 경영진이 간과했기 때문이다.
- 넷플릭스의 초기 DVD 대여 모델은 온라인 신청과 우편 배송을 제외 하면 블록버스터 비즈니스 모델과 다를 것이 없었다. 누가 봐도 블록 버스터가 원조이고 넷플릭스는 카피캣이었다. 하지만 산업 혁신의 관 점에서 볼 때, 누가 원조이고 누가 카피캣인지, 누가 더 넓은 고객 기반을 갖추고 있는지는 큰 문제가 아니다. 그보다는 누가 산업과 기술의 트렌드를 잘 이해해 고객의 요구에 성실하게 대응하느냐가 중요하 다. 상식적으로 생각하면 넷플릭스라는 블록버스터의 카피캣이 생겼다는 것은 새로운 경쟁자가 시장에 뛰어들었다는 것을 의미하는데, 기존 강자였던 블록버스터는 이를 너무 쉽게 간과했다. 아이러니하게 시 간이 경과하면서 이전의 원조 기업은 퇴색해 사라지고 카피캣 기업이 새로운 원조로 부상하게 된 셈이다. 하지만 넷플릭스는 초기 카피캣이 그냥 덩치만 키워 새로운 원조가 된 것이 아니다. 고객 만족을 극대화하기 위해 끊임없는 혁신을 추진 했는데, 특히 고객이 콘텐츠를 소비하는 방법을 가히 혁명적으로 바꾸었다. 좀 더 구체적으로, 넷플릭스의 성공 요인으로는 DVD 우편 구독 서비스라는 새로운 비즈니스 모델의 도입, DVD를 시청 후 가까운 우체통에 넣기만 하면 되는 손쉬운 반납 시스템, 전국 50개 지역에 확보한 물류센터, 신속한 배송을 가능하게 한 물류 혁신, 무제한 스트리밍 비디오 서비스의 과감한 도입, 회원 개개인의 취향에 맞춘 뛰어난 영화 추천 시스템 등을 들 수 있다.
- 넷플릭스는 일찌감치 전통적인 DVD 대여 사업으로는 미래를 보장할 수 없다는 판단을 내렸다. DVD 대여 사업을 뛰어넘는 미래 사업 전략은 결국 언제 스트리밍 서비스를 시작하느냐는 시기에 대한 문제로 귀결되었다. 스트리밍 서비스가 제공하는 비디오 품질의 적정 수준을 보장하기 위해서는 최소한의 환경이 뒷받침되어야 한다. 즉, 사 용자 디바이스의 스트리밍 지원 기술, 그리고 일정 수준 이상의 인터 넷 전송 속도 등이다. 스트리밍 확산을 위해서는 스트리밍을 지원하는 디바이스의 종류도 많아야 한다. 이러한 제반 환경을 고려하면 스트리밍 서비스 제공에 대한 회의적인 시각이 강했다. 그렇지만 헤이스팅스의 스트리밍 서비스 진출에 대한 신념은 매우 확고했다. 그는 “(DVD 배달을 위한) 우편 요금은 계속 올라갈 것이고, 인터넷 사용료는 18개월마다 가격이 반값이 되고 속도는 두 배가 될 것” 이라고 말했다. 이어 “어느 시점에서 그 라인들은 서로 엇갈릴 것이고, DVD를 우편으로 보내는 것보다 영화를 스트리밍하는 것이 더 효율 성이 뛰어나게 될 것이다. 그리고 그때가 바로 넷플릭스가 스트리밍 서비스에 뛰어들 때다.”라고 말했다. 넷플릭스는 드디어 2007년 1월 비디오 스트리밍 서비스를 시작했다. 아울러 스트리밍이 시작되면서 사용자가 비디오를 어떻게 시청하는지에 대한 상세한 데이터를 수집하기 시작했다. 예를 들면 많은 시 청자들이 몇 편의 에피소드를 한꺼번에 몰아보기를 선호한다는 것을 파악하게 되었다. 이러한 발견이 나중에 넷플릭스가 오리지널 프로그 램을 기획하고 제작할 때 많은 시사점을 제공했다. 스트리밍 서비스는 전 세계적으로 반응이 매우 좋았고 회원 증가나 비즈니스면에서 매우 성공적이었다. 스트리밍 비디오 서비스 출시로 비디오 콘텐츠 배달 및 시청에 획기적인 족적을 남기면서, 리드 헤이스팅스는 다음과 같이 말했다. "우리는 1998년 회사 이름을 넷플릭스라고 지었다. 인터넷 기반의 영화 대여가 처음에는 서비스와 콘텐츠 선택 방법으로서, 그다음에는 영화 전달 수단으로서 미래를 대표한다고 생각했기 때문이다. 영화 시청의 주류 소비자들이 온라인으로 영화를 시청하려면 콘텐츠 및 기술 장벽으로 인해 수년이 걸리겠지만 지금이 넷플릭스가 첫발을 내디딜 적절한 때라고 생각한다. 앞으로 몇 년 동안 우리는 다양한 영화를 선 보일 것이며, 휴대폰에서부터 PC, TV 스크린에 이르기까지 인터넷에 연결된 모든 스크린에서 영화를 볼 수 있도록 노력할 것이다. PC 스크린은 오늘날 인터넷 연결 스크린 중에서 가장 우수한 제품이며 우리는 거기에서 시작하고 있다. 넷플릭스 스트리밍 서비스(처음에는 Watch Instantly' 라고 명명) 출시 초기에는 월 구독 요금제에 따라 스트리밍으로 볼 수 있는 시간이 정해졌다(후에 시청 시간에 제한이 없는 무제한 스트리밍 서비스로 전환), 예를 들어, 월 5.99달러의 표준 디스크 요금제는 가입자들에게 매달 6시간 의 스트리밍을 제공했고, 17.99달러의 요금제로는 월 18시간의 스트리밍을 제공했다.
- OTT 서비스가 IPTV internet Protocol Tv 와 다른 점은 OTT는 네트워크에 무관하게 비디오 스트리밍을 하는 데 반해, IPTV는 자사의 네트워크 망을 통해서만 스트리밍을 해준다는 점이다. 따라서 국내에서는 네트 워크 사업자인 SKT, KT, LG유플러스 등의 통신사업자만 IPTV 사업 을 할 수 있다는 한계가 있다. 예를 들면, KT 사용자는 LG유플러스의 IPTV를 사용할 수 없다. 반면 OTT는 네트워크과 무관하므로 해외 등으로 확장이 용이하나 IPTV는 자사 네트워크망을 해외에 깔지 않는 이상 해외 진출이 어렵다. IPTV 사용자 수는 대체로 통신서비스 가입자 수와 비례한다.
- OTT가 확산됨에 따라 서비스되는 VOD도 플랫폼에 따라 여러 형태로 제공되고 있다. OTT 플랫폼은 제공되는 VOD 서비스의 특 징에 따라 도표 1-6과 같이 TVOD Transaction VOD, SVOD Subscription VoD , AVOD Advertising VOD, Hybrid VOD의 네 가지 유형이 있다.
* TVOD: 단품 콘텐츠 결제 서비스로서, 일정 기간 정액 구독제인 SVOD와는 반대되는 비즈니스 모델이다. TVOD는 서비스 가입에는 요금을 지불하지 않는 대신 시청한 콘텐츠와 시청 방법(대여 혹은 구매)에 따라 금액을 지불한다. 이는 우리가 예전에 실제 대여점에 가서 영화를 구매 혹은 대여하고 결제했던 것과 유사하다. TVOD의 대표적 서비스로 아이튠즈, 구글 플레이가 있다. 우리가 유료방송 서비스인 IPTV와 케이블TV에서 흔히 영화나 TV 프로그램 단일 콘텐츠를 구매하는 것이 TVOD에 해당된다. 한국에서는 유독 TVOD 매출이 큰 편이다. 그러나 전 세계적으로 볼 때는 SVOD의 매출 비중이 훨씬 더 크다.
* SVOD: 구독 기간 동안에는 비디오를 무제한으로 볼 수 있는 비즈니스모델로서 가장 널리 채택되고 있는 서비스다. 다른 비즈니스 모델보다. 평균 ROI(투자자본수익률)가 높은 SVOD 모델은 훌루, 아마존 프라임, 넷플릭스 및 유튜브 프라임과 같은 업계 리더가 채택하고 있다. 한국에서는 웨이브와 왓챠플레이 등이 채택하고 있다.
* AVOD: 사용자가 광고를 보는 대신 무료로 콘텐츠를 시청하는 OTT 플랫폼이다. 유튜브가 AVOD의 가장 좋은 예다. 사실 유튜브는 AVOD만으로는 장기적으로 사업 유지가 어려워 2015년부터 광고를 제거한 유튜브 프리미엄(YouTube Premium)이라는 월정 구독료 12달러의 프리미엄 서비스를 운영하고 있다.
* Hybrid VOD: 하이브리드형 OTT 서비스로서 위 세 유형의 VOD 비즈니스 모델을 혼합한 것이다. 기본적으로 월정액 요금제 모델이지만 동시에 단품 콘텐츠 결제가 가능하고 실시간 방송도 함께 시청할 수 있는 혼합형 서비스다. 개념적으로 SVOD는 일정 금액을 내고 모든 음식을 무제한 먹을 수 있는 뷔페와 같다면 TVOD는 전통적인 식당과 비슷하다. 하이브리드 VOD는 한국에서 특히 많이 볼 수 있다. 웨이브와 티빙 이 대표적이다. 미국의 경우 유튜브와 CBS의 실시간 방송과 VOD를 같이 볼 수 있는 'CBS All Access'가 있다.
- 훌루는 미국의 OTT 콘텐츠 서비스를 제공하는 엔터테인먼트 기업이다. 주로 TV 시리즈의 스트리밍을 지원해 TV 네트워크 및 콘텐츠 파 트너로부터 여러 시리즈를 전달하는 역할을 하고 있다. 넷플릭스의 뒤 를 이어 빠르게 성장 중인 스트리밍 서비스 훌루의 탄생 과정을 살펴 보면 미디어 소비 패턴 변화에 따른 미국의 기존 미디어 기업의 전략 변화를 알 수 있다. 훌루는 2007년 전통적인 미디어를 대표하는 디즈니, 타임워너, 컴캐 스트, 뉴스코퍼레이션(나중에 21세기폭스로 승계) 등의 합작 프로젝트로 설립되었다. 이후에 이 기업들 간에 인수와 합병이 일어나면서 AT&T, 컴캐스트, 디즈니의 3사로 재구성되었다. 그 후 다시 한번 AT&T와 컴 캐스트의 21세기폭스가 훌루의 보유 지분을 디즈니에게 팔면서 훌루 는 완전히 디즈니의 자회사가 됐다. 2019년 기준, 디즈니가 67 퍼센트, 그리고 컴캐스트의 NBC유니버설이 33퍼센트의 지분을 소유하고 있 다. 2019년 현재 훌루는 미국과 일본에서만 서비스를 하며, 2018년 말 까지 약 2,500만 명의 가입자를 확보했다고 발표했다." 훌루를 보면 미디어 기업 간의 관계가 급속히 변하고 있음을 알 수 있다. 과거에는 미디어 기업들이 더 많은 시청률을 얻기 위해 경쟁했다면, 지금은 스트리밍 미디어 플랫폼을 통해 협업과 경쟁을 동시에 해야 하는, 말하자면 코페티션copetition 관계로 바뀌었다. 디즈니는 훌루 의 최대 주주이지만, 동시에 훌루는 디즈니에서 2019년 11월에 런칭 한 스트리밍 서비스 디즈니+의 경쟁사이기도 하다. 또 AT&T의 워너 미디어는 스트리밍 사업을 위해 전통적 경쟁사인 NBC유니버설과의 협업 계획을 발표하기도 했다.
- 넷플릭스의 성장세가 두드러지면서 콘텐츠 제작자와 경쟁사 OTT들이 넷플릭스를 견제하기 시작했다. 특히 콘텐츠 확보가 점점 더 어려워졌다. 그러자 넷플릭스는 더욱 치열해지는 경쟁을 이겨내고 고객에 게 양질의 콘텐츠를 제공하기 위해 오리지널 프로그램 확보를 위한 자체 제작 및 파트너십 제휴를 강화했다. 이와 병행해 각 나라별 입 맛에 맞는 로컬 콘텐츠를 제작해 그 지역뿐 아니라 전 세계 고객에게도 제공했다. 콘텐츠 자체 제작은 대개 많은 초기 투자가 필요하다. 또 비즈니스 관점에서 보면, 다른 스튜디오로부터 콘텐츠 라이선스를 받는 것보다. 위험 부담이 더 크다. 반면에 몇 년마다 콘텐츠 라이선스 갱신을 위한 재협상이 필요 없기 때문에 안정된 사업 운영을 할 수 있어서 장기적 으로 보면 더 적합할 수도 있다. 콘텐츠 업체와의 계약은 미국뿐 아니라 세계 각 지역별로 라이선스를 따로 받아야 한다. 그렇기에 전 세계로 시장을 확장하려면 한 타이틀을 국가별 혹은 지역별로 다시 계약해야 하는 단점이 있다. 또한 계약 기간이 종료되는 시점에는 콘텐츠 소유자와 지루하고 피말리는 라이선스 연장 협상을 해야 하는데 시간과 노력이 많이 드는 이 협상작업은 신속한 글로벌 확산에 큰 걸림돌로 작용한다. 그뿐만 아니라 콘 텐츠 공급자는 계약을 갱신하는 시점에 라이선스 비용을 인상하는 경 향이 있기 때문에 궁극적으로 넷플릭스의 수익 구조에도 긍정적이지 않다. 향후 넷플릭스는 디즈니, 아마존 프라임과 같은 다른 글로벌 강 자들뿐 아니라 전 세계 로컬 지역에 기반을 둔 강자들과의 경쟁도 불 가피할 것으로 보고 있다. 스트리밍 서비스의 경쟁 가열로 경쟁력 있는 콘텐츠 확보에 어려움 을 예견한 넷플릭스는 이미 2011년 1월 콘텐츠 확보 강화를 위해서 자 체 오리지널 시리즈를 제작할 것이라고 발표했다. 지금까지 영화 스튜 디오에서 제작한 영화나 TV 드라마에만 의존하던 방식에서 벗어나 콘 텐츠를 직접 제작하는 것으로 전략을 바꾼 것이다. 이것은 넷플릭스가 기존의 콘텐츠 유통 업체를 넘어 콘텐츠 제작과 소유자로 활동 영역을 확대하겠다는 선언이었다.
- 넷플릭스는 사용자 중심의 비디오 서비스를 위해서는 고객이 콘텐 츠를 소비하는 방법을 혁신할 수 있는 길을 열어주어 기존 미디어 엔 터테인먼트 시장의 오래되고 철옹성같이 단단한 틀을 깨뜨릴 필요가 있다고 생각했다. 이를 위한 첫 번째 혁신이 2007년의 미디어 스트리 밍 서비스였고, 두 번째가 고객에게 시청 재량권을 주기 위해 모든 에 피소드를 한 번에 공개한 〈릴리해머>의 일괄 출시였다. 넷플릭스가 TV 시리즈 에피소드를 한꺼번에 공개하는 전략은 모든 과정이 파격이어 서 그 당시에는 가히 혁명적인 아이디어로 여겨졌다. 우리가 수십 년간 가지고 있었던 선형 TV의 고정관념을 과감하게 버리고, 시청 패러다. 임에 일대 혁신을 이루었기 때문이다. 넷플릭스가 〈릴리해머)에 이어 2013년 하우스 오브 카드)의 모든 에피소드를 일괄 출시한 후, 경쟁 기업들은 넷플릭스가 새로운 오리지널 시리즈 제작과 공개를 어떻게 진행해왔는지에 대해서 호기심 어린 눈초리로 지켜보면서 대응책 마련에 많은 노력을 기울였다.
- 넷플릭스는 인구통계 자료 기반에 의해서가 아니고, 취향 그룹' 즉 동일한 콘텐츠를 선호하는 가입자 그룹의 취향에 따라 오리지널 프로그램을 제작해서 성공을 거두고 있다. 나라나 대륙이 달 라도 같은 취향 그룹'의 시청자들은 같은 종류의 영화와 TV 드라마 를 즐긴다. 홀랜드는 넷플릭스가 취향 그룹 내의 시청 습관을 분석한 데이터를 바탕으로 새로운 프로그램을 개발한다고 말하며, 장르보다 훨씬 더 깊게 숨어 있는 취향 그룹'은 약 2,000개가 있다고 밝혔다.
- 네플릭스, 아마존, 디즈니+ 등과 같은 스트리밍 거인들의 등장으로 영화 배급의 미래에 대한 논쟁은 점점 더 커지고 있으며, 엔터테인먼 트 생태계가 매우 불안정한 상태로 접어들고 있다. 예전에는 영화를 먼저 극장에서 공개한 후, 이를 DVD나 블루레이로 출하하고 그 후에 나 TV나 케이블 회사에 라이선스를 제공했다. 하지만 넷플릭스가 기존의 극장 개봉을 포기하고 '동시 공개'로 곧바로 다양한 디바이스에 영화를 스트리밍한다면 이러한 관행은 더 이상 지켜지기 어렵다. 넷플 릭스가 강하게 주장하고 있는 콘텐츠 제작과 유통에 대한 파괴적 모델 로 인해서 기존 비디오 엔터테인먼트 생태계가 붕괴되고, 완전히 새로운 구도로 재편성될 가능성을 배제할 수 없다.
- 중남미에서의 런칭은 곳곳에 어려움이 도사리고 있었다. 중남미에 서도 캐나다처럼 넷플릭스에 필적할 뚜렷한 경쟁자는 없었다. 아이러니하게도 어떤 면에서는 경쟁자의 부재가 넷플릭스의 스트리밍 사업 성장을 둔화시켰다. 캐나다의 새로운 가입자들은 다른 경쟁 회사들에 의해 스트리밍이 무엇이고 그 장점이 무엇인지 이미 알고 있었던 반 면에, 중남미 시청자들에게 스트리밍 서비스는 개념조차 없는 완전히 새로운 것이었고, 일부 사람들은 그 전망에 대해 회의적이기까지 했 다. 넷플릭스 CFO 데이비드 웰스David Wells는 “중남미 지역에서 가장 큰 문제 중 하나는 넷플릭스가 운영되는 영어권 국가와 달리 중남미 소비자들은 영화와 TV 드라마를 온라인으로 시청한다는 생각에 회의적” 이라고 말했다. 그는 이어서 “중남미에서 우리가 배웠던 핵심은 경쟁자가 있는 시장이 실제로는 우리에게 도움이 될 수 있다는 것이다. 우리가 사람들에게 클릭 앤드 워치, 인터넷 등에 의해서 제공 되는 엔터테인먼트가 실제로 작동할 것이라고 설득하거나 설명할 필요가 없기 때문이다.”라고 덧붙였다. 스트리밍이라는 상품에 대한 이해 부족뿐만 아니라, 이 지역이 안고 있는 근원적인 인프라 문제도 빠른 성장의 발목을 잡았다. 낮은 광대역 인터넷 보급률과 디바이스 보급률, 인터넷을 통한 결제 프로세스의 복잡성 등 온라인 사업을 위한 필수 항목들이 문제였다. 넷플릭스의 중남미 지역으로의 확장은 예상보다는 느리게 진행되 었지만 대부분의 문제는 예측했던 지역적 특이성에 기인한 것이었고 극복할 수 있는 것들이었다.
- 넷플릭스가 DVD 사업을 할 때, 신작 타이틀에 고객의 수요가 집중되는 문제를 해결하기 위한 방법으로 추천 알고리즘을 이용했다. 고객의 취향에 기반해 신작 영화와 비디오 라이브러리에 이미 포함된 롱테일 영화를 균형 있게 추천해줄 수 있다면, 고객은 신작 타이틀 대신 넷플릭스가 추천하는 타이틀도 적극적으로 고려할 것이다. 또한 추천 알고 리즘은 최신작에 몰리는 수요도 적절히 조절할 수 있으며 마진율이 높 은 오래된 영화나 비인기 비디오의 구독 증가를 꾀한다. 이러한 배경에서 넷플릭스가 고객이 보고 싶은 영화를 예측해 추천 하는 서비스가 2000년에 공개한 시네매치다. 시네매치는 사용자의 비디오 대여 기록과 시청한 영화에 대한 평가를 기반으로 고객의 시청 습관과 취향을 분석해 고객이 좋아할 만한 콘텐츠를 추천해주는 서비스다.
- 넷플릭스는 경쟁사인 아마존 프라임과 비교하면 콘텐츠 수가 적었 다. 그러나 넷플릭스는 고객의 취향에 맞는 콘텐츠를 정확히 추천해 고객이 만족스럽게 시청하도록 함으로써 오히려 고객 만족도와 글로 벌 시장 점유율 모두 더 높게 나타났다.
넷플릭스의 가치는 고객이 좋아하는 비디오를 찾는 일에 최고의 대 응을 하는 것이다. 앞에서 언급했던 것처럼, 넷플릭스 사용자가 웹사 이트에 올라온 10~20개의 타이틀에서 시청할 영화를 결정하지 못하 면 60~90초 후에는 흥미를 잃는다.”고 한다면 가장 중요한 일은 그 웹 사이트 상의 10~20개의 타이틀을 어떻게 추천하는가에 달렸다. 사람 들이 검색창에 보고 싶은 비디오를 입력하기만 한다면, 이것을 찾는 것은 쉬울 것이다. 그러나 넷플릭스는 비디오 선택의 20퍼센트만이 검색에서 비롯되고 나머지 80퍼센트는 추천에서 나온다고 추정했다. 그러므로 넷플릭스가 비디오 추천을 정확하게 하는 것이 필수적이다.
- DVD 대여 서비스에서 스트리밍 서비스로 전환되면서 넷플릭스의 추천 서비스는 더욱 정교하게 진화했다. 넷플릭스는 초기에는 사용자 의 성향을 파악해 좋아할 만한 영화를 예측해 추천해주는 단순한 시스 템에서 출발했지만, 최근에는 사용자가 로그인하는 순간 해당 사용자 의 취향에 맞춰 전체 페이지가 구성되는 수준까지 발전했다. 추천 알고리즘의 정확성을 높이기 위해, 고객의 콘텐츠 시청 이력에 더해 비디오 스트리밍 재생에 관한 고객의 선택과 행동 데이터도 수 집해서 분석했다. 예를 들어 고객이 일주일 중 혹은 하루 중 언제 시청 하고 어디에서 시청했는지, 시청한 시간의 날씨는 어떠했는지, 한 번 에 몇 편의 에피소드를 몰아보기 했는지, 어느 장면에서 중단해 되돌려보기를 했는지 혹은 어느 부분에서 빨리 재생을 했는지 등에 대한 데이터를 모아 분석하고 있다.
- 추천 시스템은 크게 협업 필터링, 콘텐츠 기반 필터링, 그리고 하이브리드 기반 필터링으로 구분된다. 협업 필터 링 알고리즘은 다시 메모리 기반 협업 필터링과 모델 기반 협업 필터링이라는 두 개의 범주로 구별된다. 메모리 기반 협업 필터링은 잠재된 모델 없이 인터랙션 매트릭스에 있는 모든 평점 데이터가 메모리에 기억되며 이 평점만을 참고해 예측 및 추천을 계산한다. 이에 반해 모델 기반 협업 필터링은 기계학습을 이용해 사용자 - 아이템 간의 평점을 예측할 수 있는 모델을 만드는 방식이다. 도출된 모델을 이용하면 아직 평점이 없는 셀의 평점을 계산할 수 있게 된다.
- 메모리 기반 협업 필터링은 유사성의 대상에 따라 사용자 기반 협업 필터링user-basad collaborative Filtering’과 ‘아이템 기반 협업 필터링Item-based Collaborative Filtering'으로 나눌 수 있다. 사용자 기반 협업 필터링과 아이템 기반 협업 필터링은 아이디어가 동일하지만 유사한 대상'이 사람이냐 아니면 아이템이냐에 따라 달라진다. 예를 들면, 어떤 타깃 사용자에게 영화를 추천하고자 한다면 그와 취향이 유사한 사람들이 좋아했던 영화를 추천해주는 것이 사용자 기반 협업 필터링이고, 타깃 사용자를 제외한 다른 사용자들이 좋아하는 영화 중 타깃 사용자가 좋아하는 영화와 유사한 영화를 추천하는 방식이 아이템 기반 협업 필터링에 해당된다. 기본적으로 사용자 기반 협업 필터링은 사용자 간의 유사성에 기반한 것이고, 아이템 기반 협업 필터링은 아이템 간의 유사성에 기반한 것이다.
- 메모리 기반 협업 필터링은 사용자가 제공한 전체 사용자-아이템 평점 데이터베이스를 액세스해 사용자와 항목 간의 상관관계를 계산해 유사 그룹을 찾는 것이다. 메모리 기반 추천 알고리즘은 일반적으로 사용자 및 항목 기반 협업 필터링으로 나뉜다. 비슷한 성향을 가진 사람들은 대체적으로 관심 분야나 취향이 비슷 할 것이라고 추정한다. 협업 필터링 collaborative Filtering, CF' 의 기본 개념은 사람들이 같은 관심을 가지고 있다면 그들이 향후에도 같은 관심을 가질 것이라는 가정에서 출발한다. “같은 것끼리 통한다.”는 유유상종顯 類相從의 개념과 같다. 협업 필터링은 사용자나 콘텐츠의 구체적인 프로파일에 의존하지 않고 사용자의 이전 시청 기록transaction 이나 평가 등급rating과 같은 사용자의 과거 행동만으로 예측을 하는 것이다. 협업 필터링이라는 용어는 1990년대 초 제록스 PARC에서 메일과 저장시스템을 위한 '태피스트 리 rapestry 시스템을 개발할 때 데이터를 수집하는 방법을 지칭할 때 처음 사용했다.” 메모리 기반 협업 필터링의 한 종류인 사용자 기반 협업 필터링은 기존의 많은 사용자의 행동 정보를 분석해 타깃 사용자와 비슷한 성향의 사용자들이 선호했던 항목을 추천하는 기술이다. 예를 들어, 데이터 분석을 통해 '철수'와 '영희'의 도서 구매 기록에 공통점이 많아 동일 취 향 그룹에 속한다고 가정해보자. 이 경우 철수가 최근에 '영희'는 아직 읽지 않은 《아웃라이어》라는 책을 구매했다면 추천 시스템은 '영희' 에게 《아웃라이어를 추천한다. 이렇게 함으로써 수많은 아이템 중에 서 관심 있는 아이템만을 골라낼 수 있게 되는데(필터링), 이 목적을 위 해 많은 사람들이 자신은 인지하지 못하지만 결과적으로 서로 협업하는 형태를 갖추므로 협업 필터링 이라고 한다.
- 사용자 기반 협업 필터링
대부분의 추천 알고리즘은 타깃 고객이 시청해 평가한 콘텐츠들을 이미 시청했고 평가한 '유사 취향 그룹'을 추출함으로 시작한다. 이 알 고리즘은 유사 취향 그룹에 속하는 사용자들이 선호하는 모든 비디 오 중에서 타깃 고객이 이미 시청했거나 평가한 비디오를 제외한 콘 텐츠를 추천한다.
사용자 기반 협업 필터링 알고리즘의 기본 단계
1) 타깃 사용자와 가장 유사한 사용자들(유사 취향 그룹)을 파악한다.
2) 유사 취향 그룹의 사용자들이 좋아했던 영화들을 추출한다.
3) 이 영화들 각각에 대해 타깃 사용자가 부여할 것 같은 등급을 예측한다.
4) 이 예측 등급에 근거해 상위 몇 개의 영화들을 추천한다.
- 아이템 기반 협업 필터링 알고리즘은 유사한 고객이 아니라 유사한 아이템을 발견하는 데 초점을 맞춘 것이다. 아이템 기반 협업 필터링 을 활용한 추천의 흔한 사례는 아마존과 같은 온라인 쇼핑 사이트에서 볼 수 있는 “이 상품을 본 고객이 함께 살펴본 상품들 리스트다. 좀 더 구체적인 예를 들면, 아기 기저귀를 구입한 사용자가 '맥주' 를 구입한 경우가 많으면 '아기 기저귀'를 구입하는 구매자에게 '맥주' 를 추천하는 경우다. 또, 넷플릭스에서 드라마 〈릴리해머>를 본 시청 자가 〈기묘한 이야기〉를 시청한 경우가 많으면 〈릴리해머〉를 시청한 사람에게 기묘한 이야기〉를 추천하는 방식이다. 매우 단순한 아이디 어지만 현실 세계에서 잘 작동하므로 많은 추천 시스템에서 사용하고 있는 기술이다. 이 알고리즘은 결과가 매우 직관적이며, 항목의 구체 적인 내용을 분석할 필요가 없다는 장점이 있다.
- 아이템 기반 협업 필터링 알고리즘의 기본 단계
1) 타깃 사용자가 평가한 아이템(영화)을 추출한다.
2) 추출된 아이템과 타깃 아이템이 얼마나 유사한지 평가벡터를 이용해 계산한다. 유사도 계산에는 다른 사용자들이 과거에 매겼던 평가만 사용한다.
3) 가장 유사한 몇 개의 아이템을 선택한다.
4) 타깃 사용자가 가장 유사한 아이템에 부여한 평점들의 가중 평균치를 예측치로 한다.
- 메모리 기반 협업 필터링의 한계점
메모리 기반 협업 필터링의 장점은 구현이 간단하고 이해하기가 쉽다는 점이다. 사용자나 아이템 간의 유사도 계산이 간단하고 예측 평 점을 구하는 것이 단순한 계산으로 가능하다. 반면에 몇 가지 단점도 있다.
첫째, 신규 사용자 혹은 아이템이 생길 때 발생하는 콜드 스타트와 데이터 부족 현상이다. 협업 필터링을 위해서는 상당량의 축척된 기존 데이터가 필요하다. 기존에 없던 새로운 항목이 추가되는 경우는 데이터가 존재하지 않아 추천 항목의 후보가 될 수 없다. 예를 들면, 신작 비디오가 출시되면 이를 추천할 수 있도록 사용자들이 감상하고 남긴 평가 데이터가 어느 정도 쌓일 때까지 추천 대상이 되기가 어렵다. 마찬가지로 새로운 가입자가 생길 경우, 그가 어느 정도 영화를 시청하고 남긴 평가가 있어야 의미 있는 예측을 할 수 있다.
둘째, 메모리 기반 협업 필터링은 컴퓨팅 양이 많은 알고리즘이다. 영화 추천의 경우, 영화 작품 수보다 사용자 수가 훨씬 많다. 넷플릭스의 경우, 전 세계 유료 가입자 수가 1억 8,300만 명이 넘는다. 따라서 참고할 사용자 수가 증가하면 계산량이 많아지고 시간이 많이 걸려서 신속하고 효율적인 예측 및 추천을 도출하기가 어렵다.
셋째, 롱테일 문제다. 추천 대상 항목이 많다 하더라도 보통 사용자 들은 소수의 인기 항목에만 관심을 보인다. 따라서 사용자들의 관심이 적은 다수의 항목은 추천을 위한 충분한 정보가 부족한 경우가 많다.
- 모델 기반 협업 필터링은 기존 항목 간의 유사성을 단순하게 비교하는 것에서 벗어나 사용자와 아이템에 내재된 혹은 숨어 있는 잠재 모델의 패턴을 이용하는 기법이다. 모델 기반 알고리즘은 기계학습에 의해 겉으로 드러나지 않은 사용자 선호도를 추측하기 위한 모델을 생성하며, 이를 이용해 사용자가 이전에 보지 못한 특정 영화 에 대한 사용자의 평점을 예측하는 데 사용된다. 예를 들어 어느 사용자가 한국영화 〈클래식〉을 좋아한다면 이 정보 를 단순히 그대로 사용하는 것이 아니라, 주위의 정보를 이용해 선호 이유를 도출해 사용하는 것이다. 그 사용자가 〈클래식>의 주연 배우인 '손예진' 때문에 좋아할 수도 있고, 그 영화 OST인 '너무 아픈 사랑은 사랑이 아니었음을'이 좋아서 선호할 수도 있으며, 로맨스 장르를 선호해서 선택할 수도 있다. 많은 양의 정보를 분석함으로써 이러한 평가에 영향을 미친 잠재 모델을 이끌어내고, 이를 추천에 이용하는 것이다. 구체적인 예를 들어보자. 4명의 시청자가 다섯 편의 영화에 대해서 사용자 - 아이템 평가 매트릭스와 같이 1~5의 평점을 매겼다고 가정하자. 이 매트릭스에서는 어느 사용자가 어떤 영화에 대해서 왜 그 평점을 주었는지 이유를 밝히지 않는다.
- 콘텐츠 기반 필터링은 협업 필터링과는 근본적으로 다른 방법으로 추천한다. 기본적으로 협업 필터링은 사용자 혹은 아이템 사이의 연관성 파악이 분석 대상이지만, 사용자와 아이템 자체에 대한 정보는 필요하 지 않다. 하지만 아이템(영화) 자체의 정보를 분석해 타깃 사용자가 과 거에 좋아했던 아이템들과 비슷한 아이템을 추천하는 것이 더 효과적 일 수 있다. 이것이 바로 콘텐츠 기반 필터링이다.
- 섬네일은 영화 추천의 일부다. 하지만 그 역할이 점점 중요해지고 있다. 사용자에게 어떤 영화를 추천했을 때 우리는 또 다른 비즈니스 문제에 부딪히게 된다. 즉, 고객에게 영화 추천 내용을 언제, 어떤 방식으로 제시하는 것이 고객의 시청률과 충성도을 극대화할 수 있을지, 또는 어떤 종류의 섬네일을 제공하는 것이 바람직할지, 그리고 이미지 섬네일을 조정하면 시청률이나 구독자의 충성도에 긍정적인 영향을 미칠 것이라고 얼마나 확신하는지 등의 문제다. 2014년 이전에 넷플릭스에서 일부 제품의 담당자들은 이와 동일한 질문을 가지고 있었다. 그리고 그들은 2014년 UX 및 관련자와 함께 사용자의 행동 데이터를 기반으로 “이미지 섬네일이 보여주는 내용과 시청률 사이에 밀접한 연관이 있다.”는 가설을 확인하기 위한 연구를 했다. 넷플릭스에서 창의적 서비스 분야의 글로벌 매니저인 닉 넬슨Nick Nelson은 2014년 초, 넷플릭스 웹페이지를 검색하는 동안 사용자가 시청할 타이틀 결정에 이미지 아트워크가 가장 큰 영향을 미친다는 것과, 사용자의 82퍼센트 는 아트워크에 관심이 집중되어 있다는 것, 그리고 각 타이틀 이미지 를 보면서 생각하는 데 평균 1.8초를 소비한다는 사실을 확인했다고 발표했다. 그리고 넬슨은 이어서 “우리는 섬네일에 있는 타이틀 이미 지가 훌륭한 콘텐츠를 찾는 사람에게 얼마나 많은 영향을 미치는지, 그리고 그들의 관심을 유지할 시간이 얼마나 짧은지에 대해서 깨닫고는 무척 놀랐다.”고 말했다.
* 인터넷 서비스 제공자(ISP, Internet Service Provider): 인터넷 서비스를 제공하는 회사다. ISP는 사용자가 인터넷에 접근하는 통로를 제공한다. 즉, 집이나 직장에서 인터넷을 연결할 때마다 ISP를 통해 연결된다.
* 인터넷 교환 지점(XP, Internet eXchange Point): ISP와 NSP(Network Service Provider)의 인터넷 트래픽이 원활히 소통하도록 상호 교환해주 는 최상부 네트워크이며 인터넷 트래픽의 교차로라고 할 수 있다. 한국에는 네 개의 업체가 있다.
- 통계에 의하면 미국 인터넷에서 넷플릭스, 유튜브 등의 트래픽이 대략 전체의 3분의 1을 차지한다. ISP 네트워크에 연결되어 있는 사용 자들이 한꺼번에 영화와 같은 대용량 콘텐츠의 스트리밍을 요청할 수 있다. 특히 저녁 시간대에 흔히 있을 수 있는 상황이다. 사용자들이 요 청한 비디오를 콘텐츠 제공자가 그 ISP를 통해 전송할 경우 네트워크에 트래픽이 과도하게 증가해 데이터 전송 속도가 느려지는 네트워크 병목 현상이 발생한다. 명절에 귀성 차량이 많아지면 고속도로가 막 히는 현상과 같다. 이로 인해 콘텐츠 로딩에 상당한 시간이 걸릴 뿐 아니라 시청 중에 영상이 자주 끊기는 '시청 중단-재로딩 - 시청'의 현상 이 반복적으로 발생한다. 이러한 현상이 자주 발생하면, 사용자들은 네트워크 운영자인 ISP 혹은 스트리밍 OTT 사업자인 넷플릭스에 대한 불만이 쌓이게 된다. 심한 경우에는 사용자가 ISP 혹은 넷플릭스 가입을 해지할 수도 있 다. 따라서 이 문제는 ISP와 OTT 사업자가 협력해 해결해야만 한다.
그렇다면 스트리밍 서비스 품질 저하를 초래하는 이러한 문제의 해 결을 위해 넷플릭스는 CDN을 어떻게 활용하고 있을까? 기본적으로 CDN의 일부 속성은 '데이터 캐싱'이다. 데이터 캐싱은 향후 어느 시점에 특정 데이터에 대한 요청이 있을 경우 이를 신속하게 액세스할 수 있도록 데이터를 로컬 스토리지에 저장하는 프로세스다. 더 빈번히 요청되는 데이터를 우선적으로 저장한다. 웹 브라우저에서의 데이터 캐싱은 로컬 드라이브에 정적 데이터static Data의 복사본 을 저장한다. 캐싱을 사용함으로써, 다음에 동일한 데이터의 요청이 있을 경우, 웹 서버에까지 여러 번 왕복하는 대신 로컬 스토리지에 저장된 데이터를 가져오면 되기 때문에 시간을 절약할 수 있다. CDN에 의한 콘텐츠 캐싱을 활용하는 이유도 이와 유사하다. 다만 뒤에서 설 명하겠지만, 넷플릭스가 하는 CDN 캐싱은 자주 요청되는 콘텐츠를 캐싱하는 것이 아니라 사용자가 내일 시청할 가능성이 높은 콘텐츠를 캐싱해두는 것이 큰 차이점이다.CDN이란 지리적 혹은 물리적으로 멀리 떨어져 있는 사용자에게 콘텐츠 제공자 혹은 콘텐츠 중앙보관소의 콘텐츠를 더 빠르게 제공 할 수 있는 기술을 말한다. 기본적으로 멀리 떨어진 곳에 위치한 실제 서버로부터 비디오, 음악, 이미지, 문서 등의 콘텐츠를 다운로드하면 가까이 있는 서버에서 받는 것보다 시간이 오래 걸린다. 이 문제를 해결하기 위해 사용자와 가까운 곳에 위치한 CDN 캐시서버에 콘텐츠를 미리 저장하고 있다가, 나중에 사용자가 해당 콘텐츠를 요청하면 캐시서버가 보내준다. 따라서 사용자는 가까운 곳에 있는 CDN 캐시서버로부터 콘텐츠를 받게 되므로 실제 서버에서 받는 것보다 빨리 콘텐츠를 이용할 수 있게 된다.
- 넷플릭스는 스트리밍 서비스 출시 초기에 자체 CDN 구축을 위해 상당히 많은 노력을 쏟았다. 그러나 투자한 시간과 노력에 비해 넷플릭스의 시장 경쟁력 제고에는 별로 도움이 되지 않았다. 그리고 넷플릭스는 디지털 미디어 유통이 핵심 역량이지 네트워크 회사가 아니므 로 자신들은 핵심 역량에 집중하고 CDN은 전문 기업에 맡기는 것이 바람직하다고 판단했다. 이런 이유로 2009년 넷플릭스는 자체 구축 한 CDN이 아니라 전문 기업의 CDN을 사용하기로 결정하고, 아카마 이 테크놀로지, 라임라이트, 레벨-3 등의 전문 CDN 서비스 제공 회 사와 계약을 맺어 서비스를 받기로 했다. 이렇게 함으로써 넷플릭스는 사용자들이 최고 품질의 비디오를 시청하는 데 필요한 보다 중요한 분 야에 더 많은 시간과 노력을 할애할 수 있게 되었다. 2년여의 기간 동안 제3자 CDN 솔루션에 의존했던 넷플릭스는 글 로벌 확산을 공격적으로 추진 중이던 2011년경 다음과 같은 두 가지 이유로 자체 전용 CDN 솔루션이 필요하다고 판단했다. 첫째, 글로벌 확산을 위해서는 많은 CDN이 필요한데 고가의 외부 CDN 서비스 대신 넷플릭스 자체 CDN을 개발해서 사용한다면 많은 비용을 절약할 수 있다. 둘째, 전 세계 어디서나 스트리밍 서비스를 신속하게 지원하 면서 양질의 비디오 시청 경험을 제공하기 위해서는 넷플릭스가 컨트롤할 수 있는 자체 시스템 보유가 절실하다. 제3자 CDN은 일반적인 모든 콘텐츠를 지원해야 하는 반면, 넷플릭스 CDN은 넷플릭스가 스트리밍하는 제한된 종류의 비디오만 지원하면 되므로 CDN을 최적화할 수가 있다. 또한 넷플릭스는 고객들 을 잘 알고 있으며 그들이 어떤 비디오를 좋아하고 언제 콘텐츠를 즐 겨 보는지를 안다. 이런 정보를 이용해 넷플릭스는 성능이 아주 뛰어 난 CDN을 만들 수 있었다.넷플릭스는 2012년에 자체 CDN 캐시서버인 OCA를 출시했다. 넷플릭스는 캐시서버를 제3자 CDN 벤더나 사업자의 도움 없이 자체적으로 개발해 ISP에 무상으로 공급하는 넷플릭스 전용 CDN을 구축했 다. 그것이 넷플릭스의 OCA다. OCA는 사용 목적에 따라 여러 종류가 있다. 넷플릭스 비디오 카탈로그 전체를 저장할 수 있는 대용량 OCA 도 있고, 비디오 카탈로그 일부만 저장할 수 있는 소형 OCA도 있다. 넷플릭스는 정교한 데이터 분석에 의해 전 세계에 있는 가입자들이 감상하고 싶어 하는 콘텐츠가 무엇인지, 또 그것을 언제 감상할 것인지에 대해서 아주 정확하게 예측한다. 고객 근처에 위치한 소형 OCA 들은 매일 채우기 시간대 ill window'라고 부르는 오프피크 시간 동안에, 고객에게 필요하다고 예측된 비디오 콘텐츠를 다운로드해 OCA 캐시 서버에 캐싱해놓아야 한다. 이것을 능동적 캐싱'이라고 부른다. 각각의 OCA는 정기적으로 AWS에 있는 컨트롤 플레인 서비스에 사용자들에게 제공하기 위해 어떤 비디오 콘텐츠를 캐싱하고 있어야 하는지를 묻는다. 그러면 AWS 서비스는 익일 OCA가 캐싱하고 있 어야 하는 비디오 타이틀 리스트를 각 OCA에 보내서 알려준다. 보 내온 타이틀 리스트와 각 OCA에 현재 저장된 타이틀 사이에 차이가 있으면 각 OCA는 새 타이틀 또는 업데이트된 타이틀 리스트에 포함 된 비디오들을 보내줄 것을 요청한다. 이 요청에 응답해 AWS의 컨 트롤 플레인은 필요한 비디오 타이틀을 각 OCA로 보낼 조치를 취한 다. 각 OCA는 '채우기 시간대 동안에 받은 비디오를 캐시서버에 저 장해놓는다. CDN의 중요 운영 지표로서 '캐시 미스'라는 것이 있다. 이것은 고객이 특정 비디오를 CDN에 요청했는데 그 CDN이 요청한 비 디오를 가지고 있지 않는 경우를 말한다. 넷플릭스는 고객 개인화 및 예측 기능이 매우 뛰어나기 때문에 OCA에서 캐시 미스가 발생하지 않는다. 하지만 넷플릭스의 OCA와 달리 다른 CDN에서는 캐시 미스 가 발생한다. 넷플릭스의 오픈 커넥트 CDN과 다른 상용 CDN과의 중요한 차이 점은 고객에게 필요한 콘텐츠를 복사해 저장하는 능동적 캐싱기능이다. 넷플릭스는 그들의 고객들이 무엇을 볼 것인지와 언제 볼 것인 지를 예측할 수 있기 때문에, 오프피크에 해당하는 '채우기 시간대에 넷플릭스 네트워크의 OCA에 대부분의 콘텐츠의 업데이트를 다운로 드 한다. 능동적 캐싱은 다른 경쟁사에는 없는 넷플릭스의 경쟁력이며 넷플릭스 가입자들에게는 매우 큰 이점이다.
- 인터넷의 본질은 다른 네트워크끼리의 상호 연결이다. 우리가 흔히 '인터넷 회사'라고 부르는 ISP는 인터넷 접속에 필요한 장비와 통신회선을 갖추어 개인, 기업, 또는 콘텐츠 제공자에게 인터넷에 접속하는 수단을 제공하는 기관을 의미한다. IXP는 ISP 및 CDN과 같은 인터 넷 인프라 회사가 서로 연결되는 인프라로서 네트워크의 최상단에 위 치하고 있으며, 네트워크들이 빠르고 효율적으로 트래픽을 교환할 수 있도록 해 회선 비용을 낮추면서 효율적인 ISP 간 접속 경로를 제공한다. IXP는 마치 예전 시골에서 사람들이(개념적으로 여기서 각 사람은 각ISP에 해당) 각자 생산한 것을 가지고 와서 서로 교환하는 물물교환 시장과 유사한 개념이다. 넷플릭스가 자체 CDN인 OCA를 개발하면서 동시에 추진한 일은 전 세계 ISP와 협상해 그들의 네트워크 내부에 OCA 혹은 OCA 클러 스터를 배치한 것이다.
- ABR 스트리밍 기술로 발전된 점은 사전에 화면 품질 지정으로 생기는 번거로움이 없어졌다는 점뿐만이 아니다. 제일 크게 달라진 점은 비 디오 재생 시 버퍼링으로 인한 화면 정지 없이 부드러운 재생을 보장 받기 위해 화면 품질 수준을 자동으로 전환하는 기능이다. ABR 스트리밍은 무엇이고 어떻게 동작할까? ABR 스트리밍을 알아보기 전에 먼저 이에 대비되는 프로그레시브 다운로드progressive Download 에 대해서 알아보자. 프로그레시브 다운로드는 HTTP 웹 서버에서 노트북이나 스마트 폰과 같은 디바이스로 미디어를 스트리밍하는 데 사용되는 기법이 다. 단일 비디오 파일이 사용되며, 다운로드 완료 전이라도 미디어 재 생을 시작할 수 있다. 기술적으로 스트리밍과 프로그레시브 다운로드 모두 온라인으로 비디오를 전달하는 방법이다. 다만 스트리밍은 전용 스트리밍 서버를 통해 비디오를 전송하는 데 비해, 프로그레시 브 다운로드는 단순히 인터넷 HTTP 웹 서버를 통해 전송한다는 것이 다르다. 프로그레시브 다운로드 기능을 사용하면 디바이스 플레이어에 비디 오 파일의 일부만 다운로드되어도 바로 재생을 시작할 수 있어 사용성 이 크게 향상된다. 반대로 프로그레시브 다운로드 기능이 없으면 사용 자는 비디오 재생을 시작하기 전에 먼저 미디어 파일 전체를 다운로드 해야 하는데, 이렇게 되면 비디오를 보기 전에 상당한 시간을 기다려 야 한다. 특히 보통 80분 이상의 상영 시간이 걸리는 일반 영화는 파일 사이즈가 커서 다운로드하는 데 시간이 오래 걸린다.
- ABR 스트리밍을 제공하기 위해서는, 프로그레시브 다운로드와는다르게, 고화질의 원본 비디오 소스 파일을 서비스하고자 하는 디바이스 지원 해상도 및 비트레이트의 종류만큼 여러 개의 파일로 인코 딩하는 과정이 선행되어야 한다. | 하나의 비디오 소스를 특정 디바이스 프레임 폭(예를 들어 1280×720)과 네트워크 비트레이트(예를 들어 4mbps)에 맞도록 인코딩된 각각의 비디오 버전을 변형 비디오Rendition’라고 한다. 만일 도표 4-10의 비 디오 파일을 6mbps로 전송률을 가지는 1080p 화면의 디바이스, 4mbps 전송률의 720p 화면 디바이스, 1mbps 전송률의 480p 화면디바이스의 세 가지를 지원하도록 인코딩하면 세개의 변형 비디오가 생긴다.
- 비디오 파일이 어댑티브 포맷으로 인코딩되면 한 변형 비디오 안에 서 2~10초 길이의 짧은 여러 세그먼트segment'로 쪼개어져 각각 한 개 의 파일로 저장한다. 예를 들어 3분짜리 비디오를 다섯 개의 비트레이 트로 ABR 스트리밍하기로 하고 6초 단위로 세그먼트 비디오를 생성 한다고 하자. 그러면 각 비트레이트 별로 30개의 세그먼트(180:6)가 생성되므로 총 150개의 파일이 생기게 된다. 도표는 한 변형 비디오가 16개의 세그먼트로 분할된 것을 나타낸다. 비디오 세그먼트는 일련의 프레임으로 구성되어 있는데, 각 프레임 은 정지 이미지지만 순서대로 재생하면 동영상이 만들어진다. 어떤 변 형 비디오의 한 세그먼트 재생이 끝나면 같은 변형 비디오 내의 다음 세그먼트를 계속해서 재생할 수도 있고, 경우에 따라서 다른 변형 비디오에 있는 세그먼트를 재생할 수도 있다. 비디오 파일이 변형 비디오들, 그리고 각 변형 비디오 파일이 세그먼트들로 분할될 때 이들의 정보를 담은 '매니페스트 파일'이 함께 생성된다. 예를 들면, 도표 4-13은 앞에서 언급한 세 개의 변형 비디오와 세그먼트들이 생성될 때 매니페스트 파일이 함께 만들어진 것을 나타낸다. 여러 개의 다른 비트레이트의 세그먼트들에 대한 정보, 예를 들면 각 변형 비디오에 속한 세그먼트의 위치가 매니페스트 파일에 저장되어 디바이스 플레이어로 보내진다. 넷플릭스 스트리밍은 풀 Pull 기반 스트리밍이다. 풀 기반 스트리밍은 디바이스의 비디오 플레 이어가 특정 비디오를 요청해 OCA에 미리 저장되어 있는 변형 비디 오 및 세그먼트를 선택해 디바이스로 가져오는 것이다. 매니페스트 에 담긴 정보는 디바이스 플레이어가 비디오 스트리밍을 하는 과정 에서 어떤 변형 비디오에 속한 특정 세그먼트를 가져올 때 어디서 가 져와야 하는지를 알려준다. 넷플릭스는 다양한 네트워크 속도에 최적화된 여러 파일을 생성한 다. 동일 비디오 콘텐츠라도 시청자의 디바이스 유형(플랫폼, 웹 브라우 저, 엑스박스, 로쿠 등)과 CDN(아카마이, 라임라이트, OCA 등)에 따라 비디오 파일 요청 방식과 포맷이 다르다. 넷플릭스는 스트리밍을 위해 모든 영화에 대해 한 편당 약 1,200개의 파일을 생성한다. 스트리밍에 필 요한 모든 파일이 만들어지면 이것들은 OCA 서버로 보내진다. 파일 수가 매우 많은 비디오도 있다. 아홉 개의 에피소드로 구성된 〈기묘한 이야기>(시즌 2)는 많은 파일로 구성되어 있다. 8K로 촬영되어 비디오 소스 파일도 매우 많고 용량도 몇 테라바이트에 이른다. 한 시즌 비디 오를 인코딩한 결과 비디오, 오디오, 텍스트 파일을 합쳐 모두 9,570개 의 파일이 생성되었다. ABR 스트리밍을 제공하기 위해서는 앞에서 본 단일 비디오 파일로 서브하는 프로그레시브 다운로드에 비해 엄청나게 많은 파일이 필요하고 복잡도가 높다.
- 지난날을 돌아보면 AI 효과는 마케팅 부서가 내놓은 홍보성 멘트가 대부분이었다. 정작 AI 기술을 적용해 회사가 안고 있었던 어떤 난제 를 해결했다든지, 새로운 서비스를 개발했다든지, 경영에 도움이 되었 다든지 하는 따끈따끈한 스토리는 별로 들리지 않는다. 왜 이런 현상 들이 계속되는 것일까? 기본적으로 AI의 실체가 무엇이고, 이것을 어 떻게 개발하고 사용해야 하는지에 대한 지식과 경험이 부족했기 때문 이다. AI는 기존 시스템이 해결하기 어려운 문제를 해결해 줄 수 있는 약이다. 잘 써야 효과가 있지 오용하면 효과가 없고 부작용만 생긴다. AI는 고사양 하드웨어, 클라우드, 알고리즘 등을 갖춘다고 되는 게 아니다. 고스펙의 인력이 있다고 되는 것도 아니다. 고가의 AI 솔루션 을 섣불리 적용한다고 되는 것도 아니다. 오히려 실망스러운 결과와 함께 책임만 커질 따름이다. AI 프로젝트들이 실패하는 가장 큰 이유 는 회사가 갖고 있는 기존 시스템에 새로이 개발한 AI 솔루션을 결합 하여 하나의 시스템으로 만드는 것에 성공률이 낮기 때문이다. 이의 근본적인 원인은 이루어야 할 목적이 불분명해 이해 당사자들끼리 AI 프로젝트에 대한 합의가 미흡했기 때문이다. 성공적인 AI 프로젝트를 위해서는 먼저 해결해야 할 문제가 무엇이 며 목적이 무엇인지를 확실히 해야 한다. 그리고 기획, 개발 및 사용자 들 간에 이에 대한 확실한 합의가 있어야 한다. 문제와 목표가 잘 정의 되었다면 회사의 기존 시스템과 업무 프로세스를 잘 알고 AI를 잘 접목시킬 수 있는 인력이 참여해야 한다. 그리고 무엇보다도 회사 프로세스로부터 잘 정제된 고품질의 데이터가 지속적이고 안정적으로 되도록 해야 한다. 아무리 우수한 AI 시스템이라도 공급되는 데이터의 질이 나쁘면 좋은 결과를 기대할 수 없기 때문이다. 넷플릭스는 인공지능과 기계 학습을 원칙에 따라 매우 효율적으로 활용해 회사의 현안 문제를 해결하고 사용자에게 가치를 제공하고 있다.
- 기업이나 연구소에서 AI 활용을 위해서는 다음과 같이 4단계의 프로세스를 따르는 것이 합리적이다. 그래야 AI 기술을 성공적으로 적용할 수 있다.
(1) 문제점의 파악/정의: 기업/사회에서 중요한 문제로 인식되고 있지만 아직 풀리지 않고 있는 어렵거나 고질적인 문제를 파악한다. 보통 내부 멤버로 구성된 TF팀이나 외부 컨설팅 회사가 관여해 문제점을 파악한다.
(2) 솔루션 탐색: 도출된 어려운 문제를 풀기 위해, 전통적인 솔루션을 우선적으로 고려하며, 적절한 솔루션이 없거나 보다 효과적이며 나은 결과 도출을 위해 AI 기술 적용을 고려해본다. 최근에는 이 두 접근 방법을 적절히 혼합해 적용하는 트렌드가 있다. 오늘날, AI 알고리즘이나 솔루션들은 대부분 오픈 소스 소프트웨어 형태로 나와 있어서 쉽게 접근할 수 있다. (3) 시스템 구축: AI 과제라고 해도, 구현 단계에서 70~80퍼센트 정도의 노력과 비용은 서버, 클라우드, 데이터베이스, 데이터 분석, UX/UI 등의 노동집약적인 시스템 통합(System Integration)'에 소요된다. 자연어처리, 이미지 처리, 지식 기반 시스템 등 일부 AI 프로젝트를 제외하고는 AI 기술 비용은 20퍼센트 이하다.
(4) 테스팅 및 지속적 개선: 대부분의 AI 알고리즘은 경험적 탐색이나 기계학습에 기반한 것이므로 AI 시스템은 많은 데이터에 의해 오랫동안 학습되어야 비로소 현실 문제 해결에 적용할 수 있다. 이에 더해 솔루션이 출시되더라도 현업에 적용하려면 적어도 1년, 보통 3~5년 정도의 개선 작업이 필요하다.
- 넷플릭스가 활용하는 AI 기술은 비디오 스트리밍에서 고객의 과 거 시청 데이터를 분석해 대역폭 사용량을 예측하고, 스트리밍 수요 가 최대로 예상되는 시점에 로딩 시간을 단축할 수 있도록 해당 콘텐 츠를 언제 로컬 캐시서버에 옮겨놓아야 하는지 결정할 수 있도록 도와주기도 한다.
- 넷플릭스의 미래 AI/ML 적용 분야
* 글로벌 확산에 필요한 세계 26개 언어의 자막 번역 및 더빙작업.
* 넷플릭스 콘텐츠를 제작할 때, 최적화 기법을 적용해 제작 기간과 비 용의 효율성 향상.
* 향후 제작할 영화의 각본과 관련 자료를 분석해 기획 과정과 개봉 전 마케팅 지원,