콘텐츠 추천 엔진Content Recommendation Engine

작동 원리는 크게 세 갈래예요. '나와 비슷한 사람들이 본 것'을 미는 협업 필터링, 콘텐츠 자체의 속성(주제·태그·임베딩)이 비슷한 것을 미는 콘텐츠 기반 필터링, 그리고 둘을 섞은 하이브리드죠. 요즘은 임베딩·LLM 기반으로 '의미가 비슷한 것'까지 잡아내는 쪽으로 진화하고 있어요.

마케팅 관점에선 체류시간·재방문·전환을 끌어올리는 개인화의 핵심 부품이에요. 미디어(유튜브·넷플릭스), 커머스(아마존의 '함께 구매한 상품'), 뉴스 피드가 대표 무대고, Taboola·Outbrain 같은 콘텐츠 추천 광고 네트워크와 Dynamic Yield·AWS Personalize 같은 개인화 솔루션이 이 시장의 플레이어예요.

시장조사 기관들은 2026년 글로벌 추천 엔진 시장을 대략 80억–150억 달러로 추정해요. 기관·범위 정의에 따라 편차가 커서 단일 수치보다는 '연 15–19% 성장 구간'으로 보는 게 안전해요. 스트리밍·커머스 데이터가 쌓일수록 커지는 구조적 성장 시장이죠.

실무에서 조심할 건 두 가지예요. 추천이 과거 행동만 강화하면 사용자가 새 관심사를 못 만나는 '필터 버블' 문제, 그리고 개인화에 쓰는 행동 데이터의 프라이버시·동의 관리 문제죠.