개인화된 알림 시스템을 위한 '생각에 관한 생각(Thinking Fast & Slow)'

Netflix는 수억 건의 개인화된 알림(Push, 이메일, 인앱 알림)을 보내며, 단기적인 클릭 유도와 장기적인 사용자 피로도 사이의 균형을 맞추는 데 어려움을 겪어왔다.

기존의 단일 인과 모델(Causal Model) 기반 시스템은 단기적인 성과 지표 최적화에는 효과적이었으나, 다음과 같은 한계가 있었다.

• 단기적 보상 중심: 메시지 발송 직후의 반응에 집중하여, 메시지 누적으로 인한 사용자 피로도나 장기적인 구독 해지 위험을 예측하지 못함.
• 결정의 결합: 메시지 발송 여부와 콘텐츠 선정(Ranking)이 하나의 시스템에서 동시에 결정되어, 사용자별 맞춤형 발송 빈도(Pacing)를 정교하게 제어하기 어려움.

이를 해결하기 위해 Netflix는 계층형 Slow-Fast 아키텍처를 도입했다. 이 시스템은 인간의 인지 과정을 모방하여 두 가지 계층으로 나뉜다.

Slow Policy는 전략적 의사결정을 담당한다. 각 멤버를 위한 주간 메시지 계획(채널별 발송 빈도 및 페이싱)을 수립하여 장기적인 사용자 경험을 관리한다.

Fast Policy는 전술적 의사결정을 담당한다. 발송 기회가 생겼을 때, 설정된 계획 범위 내에서 가장 관련성 높은 특정 콘텐츠를 실시간으로 선택하여 즉각적인 반응을 이끌어낸다.