[AWS SUMMIT 2025] SBSPlay의 개인화 혁신:시청자와 함께 성장하는콘텐츠 경험

들어가며

SBSPlay의 개인화 혁신:시청자와 함께 성장하는콘텐츠 경험

🎙️경태훈 솔루션즈 아키텍트, AWS

🎙️하도영 차장, SBS

🎙️서인석 부장, SBSi

🗂️ 세션 토픽: 게임, 미디어 및 엔터테인먼트

SBS는 방송 콘텐츠의 유통을 넘어, 시청자와 함께 성장하는 디지털 경험을 만들고자 SBS PLAY를 런칭하고, 이를 통해 개인화 추천 서비스를 적극 도입하였습니다. 단순한 콘텐츠 소비에서 벗어나, 사용자의 취향과 상황에 맞춘 피드 구성을 위해 AWS의 Amazon Personalize를 도입한 사례를 알아보고 어떤 도전과제가 있었는지 궁금하여 세션을 선택하게 되었습니다.

엔터테인먼트 산업 트렌드

여러 산업 중에서 미디어 및 엔터테인먼트 산업은 항상 기술 혁신에 있어서 최전선에 있었다고 볼 수 있습니다. 트렌드에 맞춰 기술 도입을 하는 것은 이 산업에서의 생명줄과도 같았다고 표현해 주셨습니다. 지금 현재 직면한 트렌드는 아래와 같습니다.

1. 소비 패턴의 변화

영상 소비 방식이 수동적 탐색에서 능동적 추천 기반으로 이동하고 있습니다. 사용자들은 더이상 직접 콘텐츠를 찾기보다, 본인의 취향과 상황에 맞는 콘텐츠가 자연스럽게 노출되기를 기대합니다.

2. 복합적 기술 혁신

클라우드 기술, 고도화된 데이터, 생성형 ai 같은 기술들이 결합되며 기존에 복잡하거나 비효율적이던 솔루션들이 더욱 빠르고 쉽게 적용이 가능해졌습니다. 이로 인해 비용 효율성도 40% 이상 개선되는 사례가 나타나고 있습니다.

3. 개인 맞춤 경험의 필요성 증가

사용자의 유입보다 ‘체류’와 ‘재방문’이 핵심이 된 시대가 되었습니다. 유저가 계속해서 그 플랫폼 내에서 원하는 영상을 찾고 장기적으로 VIP 고객이 되게끔 만드는 것이 큰 숙제가 되었습니다. 이로 인해 AI기반의 추천 서비스를 도입한 글로벌 기업들은 이탈율을 30% 이상 감소시켰다는 결과도 있습니다.

4. 데이터 활용 범위 확대

단일 플랫폼 데이터를 넘어 SNS, OTT, 팟캐스트 등 다양한 서드파트의 데이터를 결합하여 사용자의 행동을 더욱 정교하게 예측하고 있습니다. 이는 마케팅 전략을 다양하게 시도할 수 있고 수익창출에도 직결 되고 있습니다.

이 네가지의 트렌드는 개인에게 더욱더 개인화된 콘텐츠, 차별화된 콘텐츠를 제공하기 위한 노력들의 일환이라는 것을 알 수 있습니다.

고객경험이 중요한 이유

현대 콘텐츠 플랫폼 시장은 극심한 경쟁 속에서 고객의 경험 자체가 브랜드 충성도와 수익성을 결정짓는 핵심 요소가 되었습니다.

충성도 높은 고객은 체류 시간과 활동성에서 차이를 보입니다. 장시간 앱에 머물며 콘텐츠를 소비하고, 좋아요, 댓글, 공유, 구독 등 다양한 액티비티에 자발적으로 참여합니다.

이러한 사용자층은 마케팅 효과도 극대화 합니다. 클릭률과 전환률이 높은 정밀 타겟팅이 가능해지고, 프로모션 및 설문조사와 같은 액션기반 KPI에 긍정적인 영향을 줍니다.

이는 곧 비지니스 성과로 이어지게 됩니다.

Amazon Personalize을 통한 맞춤형 추천

AWS는 Amazon Personalize라는 완전 관리형 추천 서비스를 제공 합니다. 이 서비스를 활용하면 복잡한 알고리즘을 직접 다루지 않고도 강력한 개인화 추천 시스템을 빠르게 구현할 수 있습니다.

서비스 구성 요소

• 입력 데이터 : 유저 행동 데이터, 유저 메타데이터(나이, 성별, 선호), 아이템 메타데이터(장르, 썸네일 등)
• 학습 방식 : CSV파일 기반 학습 -> 수 시간 내 예측 가능
• 레시피 제공
  – 유사 행동 기반 세그멘테이션
  – 신규/콜드 유저 대응용 퍼스널라이즈 랭킹 등

Amazon Personalize 와 Amazon Bedrock 통합

Amazon Personalize는 단독으로도 완성도가 높지만, Amazon Bedrock과 함께 활용하면 시너지 효과를 극대화 할 수 있습니다.

예시 : 추천 기반 마케팅 자동화

• 추천 결과 생성 : 유저에게 적합한 콘텐츠를 Personalize가 추천
• Bedrock 호출 : 추천 결과를 기반으로 LLM이 후속 작업 수행
  – 이메일, FC, SMS등 채널멸 메시지 구성
  – 영상 프리뷰 생성 및 다국어 번역
  – 시놉시스 요약, 키워드 자동 생성 -> 클릭 유도

기술 구성 방법으로는 복잡한 오케스트레이션 없이도 가능하며, AWS Lambda를 오케스트레이터로 사용하면 간단한 프롬프트 템플릿을 통해 LLM을 활용 할 수 있습니다.

SBS Play 모바일 개편 프로젝트 소개

SBS는 2023년 ‘SBS PLAY’라는 새로운 디지털 플랫폼 브랜드를 런칭하고, 2024년에는 모바일 앱 개편 프로젝트를 본격적으로 추진했습니다. 그 과정에서 개인화 추천 시스템 도입이 중요한 전략 과제가 되었고, AWS Personalize를 선택하게 된 이유와 과정을 소개해 주셨습니다.

SBS PLAY 플랫폼 개요

• 방송 콘텐츠 홍보 : 출연진, 인물 관계도, 예고편, 메이킹 영상등 부가 정보 제공
• 라이브 스트리밍 & VOD : 여러 채널을 통한 실시간 스트리밍 및 고화질 VOD 제공
• 시청사 소통 가능 : 프로그램 게시판, 실시간 채팅 기능 강화

SBS PLAY 수익 모델

• 월 정기 구독 : 광고 없는 1080p 스트리밍 제공
• 광고 기반 무료 스트리밍 : SMR 및 구글 네트워크 협업, 배너 광고 포함
• 주요 매출원 : 유료 구독 + 영상 광고

모바일 앱 개편 배경과 목적

• 브랜드 런칭 전 기존 홈페이지는 단순 홍보 중심
• 변화된 콘텐츠 소비 환경(SNS, 유튜브)에 맞춰 사업성과 사용자 경험을 모두 강화하는 방향으로 전략 전환
• UX 이슈(복잡한 메뉴, 중복 화면) 개선 -> 하단 내비게이션, 피드 UI 도입 결정

피드 UI 도입과 아래 기술적 과제들로 인해 머신러닝 기반 추천 시스템 필요성을 인식하였습니다.

• 피드 기반 UI : 무한 스크롤 구조에서 콘텐츠 추천량 급증
• 34년 방송 콘텐츠 아카이브를 수동 추천하기 어려워 자동화 필요

추천 시스템 솔루션 검토 기준

추천 시스템을 검토하였을 때 아래와 같이 크게 네가지 중점적인 요소가 있었습니다.

1. 단기간 구축 가능 여부 : 3개월 내 기획에서 운영까지 적용 완료 필요
2. 실시간 트렌드 반영 : 방송 직후 관심도가 급등하는 실시간 트렌드 추천을 함께 제공해 줄 수 있는지 여부
3. 운영자 커스터마이징 : 출연진 이슈, 사회적 이슈 필터링 가능성
4. 기존 AWS 인프라와 연동성 : 대용량 학습 데이터 처리와 주기적 재학습 필수

AWS Personalize 도입 이유 및 효과

SBS PLAY는 위 네가지 요소를 충족시켜주는 솔루션으로 AWS Personalize를 도입하였습니다. AWS Personalize를 도입함으로써 효과는 아래와 같았습니다.

• 하루 500만 건 이상의 사용자 액션 로그를 학습에 활용 가능
• 실시간 트렌딩, 프로모션, 필터 기능 제공 -> 커스터 마이징 완비
• AWS 협업을 통해 3개월 내 POC ~ 운영 전환 성공
• SBS PLAY 모바일 앱은 개인화 추천 피드를 중심으로 진화

기술 적용을 위한 설계 및 방법

추천 알고리즘, 데이터 처리, 인프라를 직접 구성하지 않고도 빠르게 구현 가능한 개발 편의성 / 실시간 피드 반영이 가능하며 LLM 기반 추천 대비 속도가 우수한 빠른 응답 속도 / 호출 수 기반 과금 구조 + CloudFront 캐싱으로 비용효율성 최적화 가능한 이유로 SBS PLAY는 AWS Personalize를 도입하였고 어떻게 설계하고 실제로 구현했는지 소개하였습니다.

시스템 아키텍쳐 및 구성

SBS PLAY는 기존 통계 데이터 파이프라인 위에 Amazon Personalize를 결합하여 다음과 같은 3단계 구조를 구성했습니다.

1. 데이터 처리 : 시청 이력 수집 -> AWS Glue로 전처리 -> S3저장
2. 모델 학습 : 데이터셋 등록 -> Personalize 학습 -> 캠페인 구성
3. 피드 구성 : 앱 요청 -> SDK를 통한 추천 호출 -> 정책 기반 필터 적용

데이터 셋 구성

데이터셋은 개인화 추천 서비스를 구성하기 위한 핵심 데이터 저장 공간입니다. SBS PLAY는 아래와 같이 Data Set을 구성하고 관리하였습니다.

사용자 데이터 셋

• 사용자 ID (필수)
• 나이대, 성별 등의 속성
• 학습에 포함할 컬럼은 카테고리로 지정 가능
• 주의 : 1,000개 이상의 고유값을 가지는 칼럼은 추천 품질 저하 우려
  

아이템 데이터 셋

• 콘텐츠 ID, 장르, 생성일 등의 필수 정보
• 프로그램 정보(예: 프로그램 ID, 제목, 썸네일)는 필수는 아니지만 필터링과 UI 표시를 위해 포함
• 백엔드 성능 향상을 위해 메타데이터를 포함
  

상호작용 데이터 셋

• 신규 사용자 대응 시 유용함 (콜드 스타트 해결)
• 이벤트 시간, 이벤트 유형(시청, 좋아요 등), 사용자 ID, 아이템 ID
• 컨텍스트 정보 : 접속 요일, 시간대, 기기 종류 등

데이터 업데이트 전략

구성한 데이터셋을 실시간 또는 배치 방식으로 업데이트 과정이 추가로 필요합니다.

배치 업데이트

• AWS Glue를 활용하여 시청 로그에서 유의미한 데이터를 선별
• 시청기간, 시청 비율 기준 필터링 후 S3에 저장
• 콘텐츠 메타데이터도 함께 업데이트
• 1시간 주기로 자동 수행
  

실시간 업데이트

• 유저가 좋아요, 구독 등 행동을 할 때마다 즉시 데이터셋에 반영
• 실시간 상호작용은 바로 추천 결과에 영향을 미침

추천 솔루션 구성 및 운영

솔루션은 데이터셋을 학습하여 만들어진 추천 모델입니다. Personalize에서는 여러가지 최적화된 솔루션을 제공하는데 SBS PLAY는 다음과 같은 솔루션을 사용하고 있습니다.

개인화 추천 솔루션

• 각 사용자에게 최적의 콘텐츠를 제공
• 최근 상호작용 이력을 우선 반영
  

최근 인기 솔루션

• 전체 사용자 데이터를 기반으로 인기 콘텐츠 추출
• 트렌드 주기는 3시간으로 설정
  

자동 재학습

• SBS는 주 1회 주기로 설정하여 최신 트렌드를 반영
• 재학습 시마다 새로운 솔루션 버전이 생성되며 최신 버전으로 자동 교체

캠페인 구성과 운영 전략

학습 된 솔루션과 최신 데이터 셋은 캠페인을 통해 사용자에게 개인화 추천을 제공합니다.

필터 기능

• 콘텐츠 유형 필터링 가능
• 사회적 이슈나 출연진 논란 시 콘텐츠 제외 가능

프로모션 필터

• 특정 콘텐츠를 추천 결과에 상단 고정 노출
• 전체 추천 결과 중 비율 지정
• 프로모션 네임으로 UI에서 구분 가능

컨텍스트 필터

• 요일, 시간대, 기기 기반 추천

성능 개선 사례 및 성과

DB 부하 절감

아이템 데이터셋에 콘텐츠의 메타데이터를 포함하도록 구조를 변경 후 추천 API응답에 콘텐츠 정보가 함께 포함되어, 백엔드 DB조회가 불필요해졌고 시스템 안정성과 응답속도 모두 향상 되었습니다.

비용 최적화

CloudFront를 통해 180초 캐싱을 적용하여 최적화를 진행하였습니다. 이 최적화 후 35~45%의 캐시 적중률을 기록하며 호출 수를 크게 줄이고 비용을 절감할 수 있었습니다.

도입 성과

• 사용자 체류 시간 : 17초 -> 27초 60% 증가
• 피드 내 클릭률  7~9% 수준 (업계 평균 대비 우수)

개인화 추천 도입으로 인해 사용자의 콘텐츠 탐색 효율과 만족도가 전반적으로 향상되었으며, 이는 플랫폼 전체의 체류 시간과 광고 수익 증가에도 기여 했습니다.

마무리하며

SBS PLAY의 사용자의 경험을 근본적으로 향상시키기 위해 Amazon Personalize 기반의 개인화 추천 시스템을 성공적으로 도입한 사례를 소개하는 세션 이였습니다. 세션을 통해 구축시 도전과제와 이를 해결하기 위한 전략을 알아가게 되어 유의미한 시간 이였습니다. 또한 향후 GenAI와 폐쇄 자막을 활용하여 감정을 반영한 개인화를 준비하고 있어 해당 부분도 기대가 되는 자리였습니다. 

글 │메가존클라우드, Cloud Technology Unit(CTU), AWS Delivery SA 10, 김미경 SA