[논문 리뷰] Challenges in Search on Streaming Services: Netflix Case Study

Sudarshan Lamkhede, Sudeep Das|arXiv (Cornell University)|2019. 03. 11.

Mobile Crowdsensing and Crowdsourcing참고 문헌 7인용 수 4

한 줄 요약

이 논문은 넷플릭스와 같은 스트리밍 플랫폼에서 검색 시스템을 구축하는 데 있어 고유한 과제를 조사하며, 발견 기능을 지원하고 가용하지 않은 콘텐츠를 처리하며 글로벌 다국어 사용자들을 대상으로 즉각적이고 기기 종속성이 없는 검색을 가능하게 하기 위해 추천 기능을 검색에 통합하는 데 중점을 둔다. 기존 정보 검색 모델을 넘어서 사용자 만족도와 콘텐츠 발견을 향상시키기 위해 어휘 매칭과 행동 신호를 융합한 하이브리드 검색-추천 프레임워크를 제안한다.

ABSTRACT

We discuss salient challenges of building a search experience for a streaming media service such as Netflix. We provide an overview of the role of recommendations within the search context to aid content discovery and support searches for unavailable (out-of-catalog) entities. We also stress the importance of keystroke-level instant search experience, and the technical challenges associated with implementing it across different devices and languages for a global audience.

연구 동기 및 목표

• 기존 정보 검색 기술의 한계를 해결하기 위해, 사용자가 특정 콘텐츠를 찾는 것 외에도 발견 기능과 뜻밖의 추천을 원하는 경우를 고려한 스트리밍 미디어 검색 환경에서의 도전 과제를 해결한다.
• 사용자의 검색 심리 유형 세 가지를 이해하고 지원한다: 검색 대상이 명확한 'Fetch'(특정 항목), 관련된 항목을 찾는 'Find'(유사 항목), 넓은 콘텐츠 영역을 탐색하는 'Explore'(광범위한 영역)로, 각각 다른 시스템 동작이 필요하다.
• 가용하지 않은 콘텐츠를 처리하고 사용자 참여도를 향상시키기 위해 추천 기능을 어휘 기반 검색과 원활하게 통합하는 검색 시스템을 설계한다.
• 다양한 기기와 입력 방식, 특히 한국어 입력과 같은 다국어 환경에서 저지연, 키스트로크 수준의 즉각적 검색을 가능하게 한다.
• 콘텐츠 선호도와 쿼리 패턴이 다양한 22개 이상의 현지화된 언어에서 고성능이고 확장 가능한 검색 및 추천 성능을 보장한다.

제안 방법

• 시스템은 제목과 메타데이터 매칭 기반 어휘 검색과 함께 공동 필터링 및 행동 신호를 활용하여 가용하거나 비가용 콘텐츠 모두에 대한 추천을 생성한다.
• 각 키 입력 후 결과가 즉각 갱신되는 실시간, 인크리멘탈 검색 인터페이스를 구현하여 사용자 상호작용 비용을 줄이고 반응성 인식을 향상시킨다.
• 비라틴 문자 체계를 위한 입력 효율성을 높이기 위해 언어별 인덱싱(예: 한국어의 경우 자모 수준 인덱싱)을 적용한다.
• 미국 영어 기반 전이 학습을 통해 신규 시장에 맞는 검색 및 추천 모델을 현지화하여 지역 콘텐츠 선호도와 쿼리 패턴에 적응한다.
• 검색 결과 내, 비가용 항목에 대한 추천, 쿼리 이해 단계에서 추천을 통합하여 사용자가 콘텐츠 탐색을 유도하는 다단계 추천 통합을 구현한다.
• A/B 테스트 및 사용자 연구를 통해 다양한 사용 케이스와 지역에서 검색 품질, 상호작용 효율성, 사용자 만족도를 평가한다.

실험 결과

연구 질문

• RQ1 스트리밍 플랫폼의 검색 시스템은 특정 제목을 찾는 것이 아니라 콘텐츠를 탐색하거나 발견하고자 하는 사용자를 효과적으로 지원할 수 있는가?
• RQ2 사용자가 검색한 콘텐츠가 스트리밍으로 이용 불가능할 경우, 검색 결과에 추천이 어떤 역할을 해야 하는가?
• RQ3 특히 한국어와 같은 복잡한 스크립트를 사용하는 언어에서, 다양한 기기와 입력 방식 간에 효율적으로 즉각적 검색을 구현할 수 있는가?
• RQ4 사용자 상호작용 비용을 줄이고 콘텐츠 발견을 증가시키기 위해 검색 및 추천 시스템을 공동 최적화할 수 있는가?
• RQ5 글로벌 스트리밍 플랫폼과 기존 웹 검색 간의 검색 행동 및 시스템 요구사항에 있어 핵심적인 차이점은 무엇인가?

주요 결과

• 넷플릭스에서 20퍼센트 이상의 콘텐츠 발견이 검색을 통해 이루어지며, 이는 단순 검색 기능을 넘어서 핵심적인 역할을 한다는 것을 시사한다.
• 대부분의 검색(약 75퍼센트)은 특정 제목을 찾는 'Fetch' 목적을 가진 반면, 상당 부분은 더 넓은 의도를 가진 'Find'와 'Explore'를 포함하여 추천 통합이 필요하다.
• 사용자는 자주 가용하지 않은 콘텐츠를 검색한다(예: 상어 영화를 찾는 도중 'Jaws'를 검색), 이에 따라 시스템은 참여도를 유지하기 위해 관련 추천을 효과적으로 노출시켜야 한다.
• 키스트로크 수준의 즉각적 검색은 사용자 노력 감소에 기여하지만, 짧은 쿼리가 다수 발생하고 네트워크가 불안정할 경우 오류율 증가로 인해 시스템 복잡도가 증가한다.
• 언어별 인덱싱, 예를 들어 한국어의 자모 수준 인덱싱은 문자 수준 입력 대비 최대 60퍼센트까지 키 입력 수를 줄여 입력 효율성을 향상시킨다.
• 타이틀의 현지화(예: 'La Casa de Papel'을 'Money Heist'로 번역)는 사용자 쿼리와 인덱스된 콘텐츠 간 불일치를 유발하며, 이에 대비해 강력한 크로스 타이틀 매칭 및 추천 전략이 필요하다.