AutoML로 광고, 콘텐츠 신뢰도 확보
Buzzvil에 대하여
2012년에 설립된 버즈빌은 잠금화면과 모바일 인앱 광고 모듈 특허를 기반으로 성장해, 현재는 세계 시장을 무대로 하는 리워드형 광고 플랫폼 기업입니다. 버즈빌은 광고 시장에서 리워드의 잠재력을 바탕으로 차별적인 아이디어와 데이터 분석을 통해 광고가 주는 가치를 높이기 위해 노력하고 있습니다. 콘텐츠를 통해 세상을 바꾸고자 하는 파트너와 광고주, 이용자가 함께 성장할 수 있는 플랫폼을 만드는 것이 버즈빌의 가장 중요한 미션입니다.
어떤 어려움을 겪고 계신지 알려주세요. Google Cloud가 도와드리겠습니다.
문의하기리워드형 광고 플랫폼 기업인 버즈빌은 Google Cloud Platform의 머신러닝 솔루션인 AutoML을 이용해 콘텐츠를 분류하는 서비스를 구축했습니다. AutoML 도입 이후 사람의 손을 빌리지 않고도 광고 속의 선정성, 폭력성, 위법성을 판단할 수 있게 됐습니다. 특히 머신러닝에 대한 전문 경험이 없어도 곧바로 콘텐츠 분류에 적용해 기대한 효과를 낼 수 있었습니다.
구글 클라우드 사용 효과
- 머신러닝 경험, 인프라 없이도 API 방식으로 데이터 분석 활용 가능
- 즉각적인 머신러닝 서비스 적용
- 다운 타임 없는 안정적 서비스 인프라
선정성, 폭력성 콘텐츠 실시간 분류 고객사, 이용자의 부정적 콘텐츠 피드백 감소
인터넷 세상에서 콘텐츠와 광고는 떼어 놓을 수 없는 중요한 요소입니다. 온라인 광고는 인터넷 산업에서 가장 빨리 성장하는 산업이기도 합니다. 하지만 모든 광고가 보는 사람들에게 달갑기만 한 것은 아닙니다.
광고에 불편함을 느끼는 가장 큰 이유는 서비스를 이용하는 데에 방해가 되기 때문입니다. 특히 이미지와 영상으로 시선을 끌고 메시지를 전달해야 하기 때문에 다소 자극적인 내용이 눈에 띌 때도 있습니다. 광고를 보여주는 매체, 그리고 광고 플랫폼 기업들의 고민 역시 선정성보다 이용자들이 관심을 갖고 필요로 하는 정보들이 광고를 통해 전달되기를 바라고 있습니다.
리워드형 광고 플랫폼을 운영하는 버즈빌 역시 더 좋은 정보가 담긴 광고와 콘텐츠 유통을 목표로 하고 있습니다. 그리고 그 숙제를 머신러닝으로 풀어내고 있습니다. 바로 구글 클라우드 플랫폼의 머신러닝 서비스인 ‘AutoML’입니다.
이미지 기반 머신러닝 솔루션으로 콘텐츠의 질 개선 노려
버즈빌이 광고와 콘텐츠 분석에 처음 AutoML을 도입한 것은 2017년입니다. 당시 버즈빌의 고민은 광고 내용과 콘텐츠에서 부적절한 내용을 효과적으로 골라내서 콘텐츠의 질을 높이는 것이었습니다. 특히 버즈빌의 핵심 비즈니스 중 하나가 바로 스마트폰을 켤 때마다 마주치는 잠금 화면에 적절한 광고를 띄우는 것인데, 이 화면에 이용자의 의도와 관계 없이 선정적이거나 폭력적인 이미지가 뜨는 것은 그 자체로 불편한 일일 뿐 아니라 콘텐츠 플랫폼으로서 서비스에 대한 신뢰에도 영향을 끼치는 요인입니다.
하지만 수많은 광고와 콘텐츠의 내용을 직원들이 하나하나 확인해서 분류하는 것은 사실상 불가능합니다. 이전까지는 이용자들의 피드백을 통해 부적절한 광고를 걸러냈지만 고요한 프로덕트 매니저는 데이터 분류가 강점인 머신러닝을 접목하면 간단히 콘텐츠를 구분할 수 있다고 판단했습니다.
“머신러닝에 대한 공부와 준비는 꾸준히 했습니다. 중요한 것은 기술 도입이 아니라 어떻게 활용하느냐에 달려 있었기 때문에 머신러닝으로 무엇을 할 수 있을 것인지에 대한 가능성을 짚어보고 있었습니다. 고민 끝에 비전 컴퓨팅으로 광고 콘텐츠의 종류를 분류하면 가장 효과적일 것이라고 생각했습니다. 콘텐츠 분류는 손이 많이 가는 작업인데, Vision API를 이용하면 많은 콘텐츠를 빠르고 정확히 분류할 수 있을 것이라는 기대가 컸습니다.”
하지만 2017년 당시에는 대중적인 관심에 비해 머신러닝 기술을 다루고 모델링을 설계할 수 있는 기술이 그렇게 발달하지 않았습니다. 버즈빌 내부에도 엔지니어가 없었습니다. 이때 고요한 매니저는 Google Cloud Platform의 AutoML을 접했고, 그 안에서 Vision API를 이용하면 간단하게 원하는 결과를 얻을 수 있다고 봤습니다.
“Vision API는 버즈빌의 플랫폼에 있는 콘텐츠들을 분석해서 이미지 안에 있는 요소들을 알아채고, 이미지에 담긴 내용과 맥락을 읽어냅니다. 각 콘텐츠에 대해 선정성, 폭력성, 승인받지 않은 의료 광고 등에 대해 점수를 매겨 주기 때문에 이 결과를 기반으로 일정한 규칙에 따라 콘텐츠를 분류했습니다.”
콘텐츠에 대한 기준은 국가마다 조금씩 다릅니다. 우리나라는 폭력성과 선정성에 대해 엄격한 편이고 일본과 미국도 서로 시각이 다릅니다. 버즈빌은 해외 서비스에도 Vision API 점수에 따른 평가와 분류 기준만 손보면 새로운 시장에 적절한 서비스를 만들어낼 수 있다고 합니다.
“AutoML의 강점은 쉽고 편리하면서 강력한 성능을 낸다는 데에 있습니다. AutoML은 구글이 범용적으로 쓰이는 모델을 직접 만들고 데이터 학습까지 지속적으로 업데이트하기 때문에 분석할 데이터와 API로 연결해서 바로 필요한 이미지 분석을 할 수 있었습니다. 버즈빌은 머신러닝 전문 부서 없이 AutoML을 활용해 부적절한 광고 콘텐츠를 골라내 플랫폼의 신뢰도를 높일 수 있었습니다."
기술보다 목표에 더 집중할 수 있는 머신러닝 서비스
머신러닝에 대한 관심은 지속적으로 높아지고 있지만 아직 기업들이 현장에 도입하는 것은 망설이는 경우가 많습니다. 아무래도 ‘어렵다’는 이유가 우선으로 꼽힙니다. 머신러닝의 기본을 설계하고 이를 현장에 적용하는 기술은 물론이고 운영하기 위해 비싼 컴퓨팅 환경도 갖춰야 한다는 생각 때문입니다.
“단순함과 편리함 때문에 AutoML을 선택했습니다. AutoML은 구글이 범용적으로 쓰이는 모델을 직접 만들고 데이터 학습까지 다 해 주기 때문에 해야 할 일은 갖고 있는 데이터와 연결하는 게 전부였습니다. 사내에 전문 인력이 없었지만 도입과 적용은 아주 쉬웠고 Vision API의 분석 능력은 뛰어났습니다. 쓰는 입장에서는 클라우드와 머신러닝의 이점을 모두 누릴 수 있었습니다.”
고요한 매니저는 AutoML의 가장 큰 이점으로 ‘쉽게 적용할 수 있다’는 점을 강조했습니다. 특히 구글이 모델 업데이트와 학습을 꾸준히 관리하기 때문에 모델의 설계나 고도화 등 유지 보수에 신경 쓰지 않아도 됐습니다.
“AutoML을 이용하기로 결정하고 나서 데이터를 붙이고 실제 운용하는 데에는 며칠이 채 걸리지 않았습니다. 머신러닝을 운영해본 적이 없었지만 구글의 문서가 잘 준비되어 있어서 외부 기술 파트너나 구글의 도움 없이도 따라하기만 하면 Vision API와 기존 데이터를 손쉽게 연동할 수 있었습니다.”
고요한 프로덕트 매니저는 기본적인 머신러닝에 대한 지식 정도만 있으면 구글의 설명 문서만 보고도 간단히 적용할 수 있다고 말합니다. 오히려 구글 클라우드 플랫폼의 데이터 관리 API 서비스를 이용하는 쪽에 가까운 느낌이라는 설명입니다. 신뢰성도 높아서 지난 2년간 AutoML을 쓰면서 구글 클라우드 플랫폼의 안정성이 서비스에 영향을 끼치는 일도 없었다고 합니다. 또한 하나의 이미지를 동시에 여러가지 관점으로 분석하는 기술도 서비스의 간결성을 높여주었습니다.
“Vision API를 선택한 기술적 이유 중 하나는 모델 하나로 복합적인 분석이 가능하다는 점이었습니다. 선정성과 폭력성, 승인되지 않은 의료 광고 등 시장마다 다양한 기준으로 콘텐츠를 분류해야 했는데 데이터를 여러 모델에 반복해서 입력하지 않고 한 번에 처리할 수 있는 서비스는 AutoML의 Vision API 뿐이었습니다.”
AutoML로 머신러닝에 대한 경험과 가능성 확인
버즈빌은 AutoML 도입 이후에도 특별히 Vision API에 대해 손 댈 필요가 없었다고 합니다. AutoML은 클라우드에서 운영되는데 모델링과 학습을 모두 구글이 직접 하고, 지속적으로 업데이트합니다. 그래서 이를 이용하는 기업 입장에서는 특별히 학습과 모델의 정확도를 신경 쓰지 않아도 지속적으로 AutoML이 고도화되기 때문에 계속해서 더 똑똑한 인공지능 서비스를 제공할 수 있게 되는 것이지요.
고요한 매니저는 “머신러닝에 대해 큰 부담을 갖지 말고 먼저 머신러닝이 필요한 부분을 찾아 AutoML처럼 모델과 학습이 준비된 클라우드 도구를 이용해 빠르게 적용하는 것이 중요하다”고 덧붙였습니다. 머신러닝은 서비스의 목표가 아니라 서비스를 고도화하는 도구이기 때문입니다.
버즈빌은 AutoML의 도입 이후 머신러닝의 힘을 직접 체감했고 가능성도 내다볼 수 있었다고 합니다. 이후 머신러닝 전담 부서를 꾸리고 여러 분야에 관련 기술을 붙이는 것을 검토중입니다. 최근 주력하는 것은 콘텐츠 개인화에 머신러닝을 접목하는 것입니다. 비즈니스 영역이 잠금 화면 광고에서 앱 내 광고로 확장되면서 이용자의 성향을 분석하고, 적절한 콘텐츠와 광고를 정밀하게 관리하는 것이 필요하기 때문입니다. 결과적으로 이용자들이 콘텐츠에 만족할 수 있도록 하는 겁니다. 만족도가 높아진다는 것은 타겟 효과가 뚜렷하다는 의미로 통하고 이는 곧 네트워크에서 불러오는 광고의 가치가 올라가는 효과를 기대할 수 있습니다.
이 프로젝트는 세세한 모델링이 필요하기 때문에 TensorFlow로 진행되고 있는데, 이 역시 클라우드 위에서 구축될 계획입니다. 버즈빌이 머신러닝을 다양하게 활용할 수 있는 계기는 역시 구글 클라우드 플랫폼과 AutoML의 즉각적이고 안정적인 서비스 경험이었습니다. 이용자와 파트너의 만족, 서비스의 효과, 그리고 플랫폼의 가치를 이끌어내는 데에 머신러닝이 큰 역할을 할 것이라는 확신을 학습하게 된 셈이지요.
어떤 어려움을 겪고 계신지 알려주세요. Google Cloud가 도와드리겠습니다.
문의하기
Buzzvil에 대하여
2012년에 설립된 버즈빌은 잠금화면과 모바일 인앱 광고 모듈 특허를 기반으로 성장해, 현재는 세계 시장을 무대로 하는 리워드형 광고 플랫폼 기업입니다. 버즈빌은 광고 시장에서 리워드의 잠재력을 바탕으로 차별적인 아이디어와 데이터 분석을 통해 광고가 주는 가치를 높이기 위해 노력하고 있습니다. 콘텐츠를 통해 세상을 바꾸고자 하는 파트너와 광고주, 이용자가 함께 성장할 수 있는 플랫폼을 만드는 것이 버즈빌의 가장 중요한 미션입니다.