# 직장인 나선영 씨는 매일 아침 지하철 혼잡도를 확인하고, 밀집도가 낮은 칸에 탑승합니다. 출근길엔 맞춤 토익 문제를 풀죠. 점심엔 맛집 추천 서비스로 메뉴를 찾습니다. 오늘의 맛집은 매운 떡볶이집인데요. 진땀 빼며 먹다 보니 업무 스트레스가 싹 달아나는 기분입니다. 퇴근 후 선영 씨는 영화를 보며 여가를 보내는데요. 오늘도 그녀의 하루 마무리는 맞춤형 콘텐츠 시청입니다.

ICT 기술과 함께하는 일상, 이제는 익숙한 풍경이죠. 우리가 누리는 이런 서비스 속에는 ‘데이터 분석 기술’이 녹아 있다는 사실, 아셨나요? 데이터가 곧 서비스인 세상! 데이터가 어떻게 서비스로 거듭나는지 알아봤습니다.

공유하고, 결합하고, 예측하고…

일상 곳곳에는 많은 데이터가 산재합니다. 이 데이터는 저마다 가치를 갖고 있습니다. 예를 들어, 카드 소비 데이터 속에는 소비와 관련된 모든 인사이트가 담겼죠. 소비 데이터를 잘 분석하면 개인별 쇼핑 리스트를 뽑을 수 있고, 소비 패턴 분석 서비스도 제공할 수 있습니다. 이렇듯 데이터는 목적에 맞게 정제하고, 공유하는 것만으로도 하나의 서비스가 됩니다.

▲ 병원·약국 정보를 알려주는 굿닥

대표 사례는 ‘굿닥’입니다. 이 앱은 전국 병원·약국의 위치 정보와 병원 진료 정보를 제공합니다. 덕분에 이용자는 ‘병원과 약국이 어디에 있는지’, ‘진료 과목은 무엇인지’, ‘야간 운영을 하는지’ 등의 정보를 손쉽게 알 수 있습니다.

스타트업 굿닥은 한국보훈복지의료공단의 공공데이터(위탁병원 위치정보)와 건강보험심사평가원의 공공데이터(병원 진료 정보)를 활용해 굿닥 앱을 개발했는데요. 공공데이터를 잘 정제하고 공유한 사례로 손꼽힙니다.

▲ 세밀한 맛집 추천 서비스를 제공하는 T맵 미식로드

데이터와 데이터를 결합하면 더 세밀한 정보를 추출할 수도 있습니다. SKT가 지난해 론칭한 ‘T맵 미식로드’*는 우수한 데이터 결합 사례 중 하나입니다. 이 앱은 1,800만 T맵 고객의 이동 데이터를 토대로 맛집을 추천합니다. 성별·나이, 어린이 관련 검색 내역(키즈 카페 등), 동요 재생 내역 등을 결합해 세대별·성별·가구 형태별(1인 가구, 자녀가 있는 가구 등) 맛집을 알려주는 것이 특징입니다.

* 현재는 SKT에서 출범한 ‘T맵모빌리티’가 제공

데이터를 분석하다 보면 일종의 패턴이 발견되고, 향후 패턴도 예측할 수 있는데요. 이를 서비스에 접목하면, 고객에게 유익한 정보를 제공할 수 있게 됩니다.

▲ 지하철 칸별 혼잡도를 알려주는 T맵 대중교통 지하철 혼잡도

SKT에서 지난해 선보인 ‘T맵 지하철 혼잡도’*가 좋은 예입니다. SKT는 1~9호선 수도권 열차와 596개 역의 기지국, Wi-Fi 정보 등 빅데이터를 이용해 칸별·시간대별·경로별 혼잡도를 분석했습니다. 이를 통해 혼잡도를 예측하는 서비스를 만들었죠. 이 서비스는 ‘T맵 대중교통 앱’*에서 이용할 수 있습니다. 열차 혼잡도는 초록·노랑·주황·빨강 네 단계로 나뉩니다. 차례로 여유로운 수준~붐비는 수준을 의미합니다. 이용 고객은 혼잡도를 보고, 붐비는 칸을 피해서 탑승할 수 있습니다.

한편, T맵 지하철 혼잡도는 코로나19 확산 시기에 출시됐는데요. 승객 분산 효과를 내는 등 사회적 거리두기에 긍정적 영향을 준 것으로 평가받고 있습니다.

* 현재는 SKT에서 출범한 ‘T맵모빌리티’가 제공

AI 추천 더해 ‘맞춤형 예측정보’까지

T맵 지하철 혼잡도의 경우 ‘공공을 위한 예측 정보’로 볼 수 있습니다. 반대로 ‘개인을 위한 예측 정보’도 제공할 수 있습니다. 물론 데이터 분석만으로는 할 수 없죠. AI 추천 알고리즘의 도움이 필요합니다. 예컨대, 대량의 데이터를 학습한 AI가 나의 정보를 분석하고 나와 가장 유사한 데이터를 골라 추천하는 식입니다.

▲ 맞춤형 토익 문제를 추천해 주는 산타토익

우수 사례로는 ‘산타토익’이 있습니다. 산타토익은 뤼이드가 내놓은 AI 영어 학습 앱입니다. 1억 건 이상의 토익 학습 데이터를 공부한 AI 알고리즘이 내게 꼭 맞는 문제만 예측해 주죠. 산타토익 이용자는 ‘자주 틀리는 문제’나 ‘보충이 필요한 문제’ 위주로 추천받습니다. 덕분에 점수 상승 효과가 크다는 평가가 많습니다.

여기에는 토익 데이터 정제 및 학습 기술, AI 추천 알고리즘, 사용자의 문제풀이 데이터를 분석하는 기술 등이 녹아 있습니다. 한마디로 데이터 분석 기술과 AI 추천 기술이 총망라된 서비스로 볼 수 있죠.

▲ 맞춤형 영화 콘텐츠를 제공하는 웨이브

또 다른 사례는 SKT의 OTT 서비스 ‘웨이브(Wavve)’입니다. 웨이브는 데이터 분석 기반의 맞춤형 영화 콘텐츠를 제공하고 있는데요. 콘텐츠를 예측하기 위해선 사용자들의 시청 데이터를 하나하나 분석해야 하며, 이를 기반으로 AI 추천 알고리즘을 촘촘히 설계해야 합니다.

웨이브의 경우 5가지 유형의 추천 알고리즘 딥러닝 플랫폼을 활용합니다. 고객 만족도는 높은 편인데요. 영화 장르의 유입률(추천 콘텐츠를 실제 시청한 비율)은 80%에 달하고 있습니다.

국내외 기업은 다양한 분석·예측·추천 기술을 동원하여 데이터 기반 서비스를 앞다투어 출시하고 있습니다. 이제 평범한 서비스는 고객의 마음을 사로잡지 못하기 때문이죠. 앞으로도 데이터 분석과 AI 추천 알고리즘 기반의 맞춤형 서비스 열풍은 더더욱 거세질 것으로 예상되는데요. SKT 역시 고객에게 사랑받는 맞춤 서비스를 출시하기 위해 노력할 예정이니 많은 기대 바랍니다.