추천을 넘어, 사용자 상태로 · 3부 / 전 3부

도메인은 달라도 사용자 상태의 질문은 반복된다

산업마다 이벤트의 이름은 다릅니다. 쇼핑에서는 조회·장바구니·구매가, 미디어에서는 재생·완주·이탈이, 교육에서는 시작·힌트·재시도가, 여행에서는 검색·저장·예약 취소가 중요합니다. 스포츠에서는 경기·하이라이트 시청, 일정 저장, 훈련 시작·완료가, 공공 서비스에서는 정책·민원 조회, 서식 시작·중단·완료, 도움 요청이 중요한 신호가 됩니다. 그러나 추천이 풀어야 하는 상위 질문은 놀랄 만큼 반복됩니다. 지금 깊게 몰입하고 있는가, 탐색을 원하는가, 즉시 행동보다 비교와 결정 유보가 필요한가, 피로하거나 회피하고 있는가, 사회적 반응이 영향을 주는가.

UMM의 확장 방식은 각 산업의 이벤트를 억지로 같은 이름으로 바꾸는 것이 아닙니다. 산업별 변환기가 원래 의미를 보존한 채 공통 신호로 바꿉니다. 그다음 산업별 추천 정책이 사용자 상태를 자기 목적에 맞게 해석합니다. 같은 탐색 상태라도 커머스는 새 카테고리 비중으로, 미디어는 장르 다양성으로, 여행은 목적지 탐색 폭으로 사용합니다.

도식 · 산업별 변환기와 공통 코어, 추천 정책

확장 공식 — “산업 이벤트 → 중립 사용자 상태 → 산업별 정책”의 세 구간을 분리하면, 코어를 복제하지 않고 각 산업의 맥락을 지킵니다.

공통 상태축의 이름과 출력 규격은 공유하지만, 이벤트 매핑·가중치·임계값·신뢰도 보정은 산업별 운영 데이터로 따로 검증합니다. 서로 다른 산업에서 산출된 점수를 직접 비교하거나 검증 없이 그대로 전이하지 않습니다. 예를 들어 교육에서의 반복 재생은 인지 부담일 수도 있지만 적극적인 복습일 수도 있으므로, 해당 산업의 실제 학습 결과와 함께 해석을 검증해야 합니다.

산업별로 달라지는 것은 출력 정책이다

커머스에서는 구매 의도와 결정 유보·즉시성 신호를 함께 읽어 즉시 구매 압박과 비교 탐색 사이의 균형을 조절합니다. 이 신호는 공통 코어의 고정 성격 축이 아니라 커머스 정책이 구매 의도·탐색 이력·시간 간격을 해석해 만드는 행동 기반 운영 신호입니다. 콘텐츠·OTT에서는 몰입 깊이와 인지 부담을 함께 보며 긴 콘텐츠, 짧은 콘텐츠, 휴식형 추천의 비율을 바꿉니다. 소셜에서는 사회적 반응과 회피 신호를 이용해 친밀 관계 콘텐츠와 새로운 발견의 비중을 조절하되, 관계의 민감도를 과도하게 추론하지 않습니다.

광고에서는 클릭 가능성만 높이는 대신 광고 피로와 명시적 거절을 노출 정책의 제약으로 사용합니다. 여행·모빌리티에서는 탐색 폭, 저장과 예약의 간격, 취소 패턴을 이용해 목적지 발견과 실행 가능한 일정을 연결합니다. 교육에서는 몰입과 인지 부담을 보고 다음 학습 콘텐츠의 난이도와 길이를 조절하지만, 능력이나 잠재력을 단정하는 평가 도구로 사용하지 않습니다. 스포츠에서는 경기·팀·선수·훈련 콘텐츠에 대한 몰입, 반복 스킵, 일정 저장, 리마인드 반응을 읽어 팬 경험과 생활체육 지원을 조정합니다. 공공 서비스에서는 정책·민원 정보 탐색, 서식 중단과 재개, 도움 요청을 바탕으로 절차 순서, 설명 깊이, 접근성 형식을 조정하되 권리·자격·처리 순위를 자동 결정하지 않습니다.

도식 · 여덟 산업에서의 신호와 추천 출력

산업별 적용 계약을 한눈에 보면

산업이 바뀌어도 UMM 코어가 내는 상태의 형식은 같습니다. 달라지는 것은 어떤 이벤트를 근거로 인정하는지와 그 상태를 어떤 추천 정책으로 바꾸는지입니다. 아래 표처럼 산업별 입력·출력·금지선을 함께 정의해야 “같은 상태 모델을 쓴다”는 이유로 서로 다른 산업의 의미가 섞이지 않습니다.

산업	대표 이벤트	공통 상태 해석	추천 정책	금지·안전장치
커머스	조회·장바구니·구매·환불	구매 의도·탐색·결정 유보·즉시성·회피	비교 정보, 인접 카테고리, 구매 후 동일 상품 억제	압박성 긴급 문구나 민감 특성 기반 가격 차별에 사용하지 않음
미디어·OTT	재생·완주·스킵·숨김	몰입 깊이·인지 부담·탐색·회피	길이, 장르 폭, 크리에이터 반복 비율, 휴식형 추천	피로 신호를 무시한 과도한 자동 재생을 제한
여행·모빌리티	검색·저장·예약·취소	탐색 폭·결정 유보·즉시성·실행 의도·회피	목적지 폭, 날짜 유연성, 이동 수단과 일정 조합	근거 없는 긴급성이나 취약 상황을 이용한 압박 금지
교육	시작·힌트·재시도·완료	몰입·인지 부담·탐색·회피	난이도, 설명 형식, 선수 개념, 선택 가능한 연습	능력·잠재력 라벨이나 선발 자동화에 사용하지 않음
광고	노출·클릭·숨김·관심 없음	구매 의도·피로·회피·현재 반응	빈도 제한, 소재 다양화, 동일 상품 억제	동의 없는 결합과 명시적 거절 이후의 반복 노출 금지
금융·헬스 정보	정보 조회·도움 요청·동의한 리마인드	몰입·인지 부담·형식 선호	설명 순서, 깊이, 빈도와 형식만 조정	승인·한도·가격·진단·치료 우선순위 자동 결정 금지
스포츠·팬/훈련	경기·하이라이트 시청, 일정 저장, 훈련 시작·완료, 알림 해제	몰입·탐색·인지 부담·회피·현재 반응	팀·선수·종목 다양성, 경기 일정, 훈련 설명·리마인드	선수 선발·계약, 부상 진단, 징계, 베팅 유도 금지
공공 서비스	정책·민원 조회, 서식 시작·중단·완료, 도움 요청	탐색·인지 부담·결정 유보·형식 선호·회피	절차 순서, 준비물, 이어하기, 쉬운 설명·다국어·접근성 형식, 상담 연결	공공급여 자격·수준, 법 집행·제재, 민원 처리 우선순위 자동 결정 금지

도식 · 산업별 적용 범위와 자동화 금지선

금융과 헬스케어처럼 규제가 강한 산업에서는 적용 범위가 더 좁아야 합니다. 금융에서는 상품 승인·한도·가격 결정이 아니라, 사용자가 요청한 정보의 순서와 설명 깊이를 개인화하는 보조 계층으로 사용합니다. 헬스케어에서는 진단이나 치료 우선순위가 아니라, 동의한 웰니스 콘텐츠의 빈도·형식·리마인드 강도를 조절하는 정도가 적절합니다. 고위험 의사결정은 별도의 규정, 사람의 검토, 설명과 이의제기 절차가 필요합니다.

금융·헬스케어에서 개인화는 승인된 정보의 순서와 설명 깊이를 조정하는 범위에 한정합니다. 필수 고지, 위험 경고, 자격 요건, 부작용이나 제한 사항을 개인화로 숨기거나 후순위로 밀지 않습니다. 비개인화된 정보 접근 경로와 정책 적용 기록을 함께 유지합니다. 추천 결과와 광고성 정보는 구분해 표시하며, 고위험 정보의 최종 제공 여부는 별도의 규칙과 사람의 검토를 따릅니다.

스포츠에서는 팬 콘텐츠와 생활체육 지원을 개인화할 수 있지만 선수 선발·계약, 부상 진단, 징계, 베팅 유도에는 사용하지 않습니다. 공공 서비스에서는 정보 탐색과 절차 이행을 돕는 보조 계층으로 한정하고, 공공급여의 자격·수준, 법 집행·제재, 민원 처리 우선순위를 자동 결정하지 않습니다. 두 영역 모두 비개인화 정보 경로, 사람의 검토, 결정 근거와 이의제기 절차를 보장해야 합니다.

어떤 산업부터 적용하기 좋은가

UMM이 특히 잘 맞는 산업에는 공통점이 있습니다. 사용자가 한 번만 방문하고 끝나는 것이 아니라 여러 번 상호작용하고, 행동의 결과를 관찰할 수 있으며, 사용자의 상태가 시간에 따라 달라지는 산업입니다. 추천할 수 있는 선택지가 충분히 다양해야 한다는 조건도 있습니다.

• 반복적인 조회·선택·거절 이벤트가 있습니다.
• 추천 이후의 클릭, 완주, 구매, 취소 같은 결과를 측정할 수 있습니다.
• 실시간 상태와 장기 선호를 따로 볼 가치가 있습니다.
• 추천 강도, 길이, 빈도, 탐색 폭처럼 조절 가능한 정책이 있습니다.
• 개인화 동의와 삭제·정정 절차를 운영할 수 있습니다.

이 조건이 부족하다면 복잡한 사용자 상태 모델보다 단순한 규칙이나 인기 순위가 더 나을 수 있습니다. UMM의 목적은 모든 문제를 복잡하게 만드는 것이 아니라, 상태 변화가 실제로 중요한 문제에 공통 기반을 제공하는 것입니다.

일곱 가지 시나리오로 보는 실제 사용법

첫 번째는 커머스입니다. 사용자가 사흘 동안 러닝화 9개를 조회하고 3개를 위시리스트에 저장했지만 결제로 넘어가지 않았다고 해 보겠습니다. 클릭률만 보는 순위 모델은 더 자극적인 상품을 계속 밀 수 있습니다. UMM은 구매 의도와 결정 유보·즉시성 신호를 함께 보여줍니다. 다만 위시리스트는 단순 북마크일 수도 있으므로 저장 한 번만으로 결정 유보를 확정하지 않습니다. 커머스 추천 정책은 반복 조회와 시간 간격까지 확인한 뒤 이를 “구매 압박”이 아니라 세 상품의 비교표, 재고 알림, 가격 변동 정보처럼 결정을 돕는 경험으로 번역합니다.

두 번째는 미디어입니다. 한 사용자가 장편 범죄 드라마 3편을 연속 완주한 뒤 20분 동안 6개의 영상을 스킵했다면 장기 선호만으로는 변화가 보이지 않습니다. 실시간 반응 상태는 최근의 피로를, 30일 상태는 반복적으로 관측된 장르 선호를 보존합니다. 스킵은 피로뿐 아니라 콘텐츠 부적합일 수도 있으므로 길이·주제·직전 노출을 함께 확인합니다. 미디어 추천 정책은 범죄 장르를 없애는 대신 10분 안팎의 요약·비하인드 콘텐츠를 먼저 보여주고 탐색 폭을 잠시 줄입니다.

세 번째는 교육입니다. 학습자가 같은 설명을 4번 재생하고 힌트를 3번 사용한 뒤 두 번째 시도에서 문제를 완료한 상황은 실패 라벨이 아닙니다. 단기 인지 부담과 지속적인 몰입이 함께 존재할 수 있습니다. 반복 재생은 적극적인 복습일 수도 있으므로 실제 학습 결과와 함께 해석합니다. 교육용 변환기는 재시도·힌트·완료 이벤트를 공통 신호로 번역합니다. 교육 추천 정책은 5분짜리 선수 개념, 그림 중심 설명, 단계별 연습 중 학습자가 선택할 수 있는 옵션을 제시합니다.

도식 · 커머스·미디어·교육의 상태 기반 추천 시나리오

네 번째는 여행입니다. 사용자가 열흘 동안 12개 목적지를 검색하고 4개 숙소를 저장했지만 예약하지 않았으며 날짜 필터를 반복해서 바꿨다고 해 보겠습니다. UMM은 탐색이 부족한 것이 아니라 선택지는 충분하지만 일정 결정이 남아 있을 가능성을 보여줍니다. 예약 취소도 회피가 아니라 일정 변경일 수 있으므로 날짜·환불 조건·재검색 흐름을 함께 확인합니다. 여행 정책은 새로운 목적지를 계속 늘리는 대신 저장한 세 지역의 이동 시간, 유연한 날짜, 취소 조건을 한 화면에서 비교하게 합니다. “마감 임박” 같은 근거 없는 압박은 사용하지 않습니다.

다섯 번째는 광고입니다. 사용자가 러닝화를 구매한 뒤 같은 상품 광고가 세 번 노출됐고 그중 두 번을 숨겼다면 과거 클릭률만으로는 계속 높은 점수가 나올 수 있습니다. UMM은 구매 이후 상품 의도는 낮추고 광고 피로와 회피의 근거를 높입니다. 광고 정책은 동일 상품 노출을 억제하고, 사용자가 동의한 경우에만 러닝 훈련 콘텐츠나 소모품처럼 인접한 주제로 전환합니다. 명시적 거절은 새로운 개인화 추론의 재료가 아니라 노출을 줄이는 제약으로 사용합니다.

도식 · 여행·광고·스포츠·공공 서비스의 상태 기반 추천 시나리오

여섯 번째는 스포츠입니다. 사용자가 축구 경기 하이라이트를 반복 시청하고 특정 팀 일정을 저장했지만 긴 전술 분석은 자주 중단했다고 해 보겠습니다. UMM은 팬 관심과 현재의 인지 부담을 분리합니다. 스포츠 정책은 응원 팀의 경기 일정·짧은 전술 요약·선수 인터뷰를 우선 제시하고, 같은 팀 콘텐츠가 피드를 독점하지 않도록 종목·리그·팀 다양성을 유지합니다. 생활체육에서는 사용자가 동의한 훈련 계획과 완료 이력을 바탕으로 설명 길이와 리마인드 시점을 조정할 수 있지만, 부상 상태를 진단하거나 선수 능력·선발 가능성을 자동 평가하지 않습니다.

일곱 번째는 공공 서비스입니다. 사용자가 전입신고 안내를 여러 번 조회하고 준비물 페이지를 저장한 뒤 온라인 서식 작성 중 중단했다고 해 보겠습니다. 이를 무관심이나 자격 부족으로 해석하지 않습니다. 공공 서비스 정책은 중단 지점에서 이어하기, 누락 서류 체크리스트, 쉬운 설명·다국어·접근성 형식, 상담 연결을 제시합니다. 개인화는 절차 완결을 돕는 데 한정하며 공공급여 자격, 제재 여부, 민원 처리 순서 같은 공적 결정을 자동화하지 않습니다.

이 시나리오들의 공통점은 UMM이 최종 행동을 자동으로 결정하지 않는다는 점입니다. UMM은 실시간 상태를 요약하고, 산업별 정책은 그 상태를 사용자에게 도움이 되는 선택지로 바꿉니다. 좋은 적용은 클릭률뿐 아니라 거절, 반복 수정, 장기 유지, 사용자 통제감 같은 반대 지표도 함께 봅니다.

성공을 클릭률 하나로 판단하지 않는다

상태 기반 추천은 단기 클릭률만 높이는 방향으로 평가하면 안 됩니다. 클릭이 늘어도 거절과 숨김이 함께 늘거나, 사용자가 같은 결정을 반복해서 수정한다면 좋은 추천이라고 보기 어렵습니다.

따라서 온라인 평가는 클릭·완주·구매 같은 목표 지표와 함께 광고 피로, 명시적 거절, 추천 수정 횟수, 장기 유지율, 개인화 해제율을 함께 봅니다. 스포츠에서는 경기 일정 저장·재방문·훈련 완료와 함께 반복 스킵·알림 해제를 확인합니다. 공공 서비스에서는 절차 완결률뿐 아니라 입력 오류·재작업·중단 후 재개·접근성 집단 간 격차를 함께 봅니다. 산업마다 목표는 다르지만, “사용자에게 도움이 되었는가”와 “과도하게 밀어붙이지 않았는가”를 동시에 확인합니다.

도입은 모델 학습보다 신호 계약에서 시작한다

새 산업에 UMM을 도입할 때 첫 질문은 “어떤 모델을 쓸까”가 아닙니다. 먼저 이벤트가 실제 행동을 의미하는지, 어떤 목적으로 수집됐는지, 사용자가 거부하거나 삭제할 수 있는지를 정의해야 합니다. 그다음 산업 어휘를 중립 신호에 매핑하고, 근거가 없는 축은 관측 부재로 유지합니다. 외부 JSON 계약에서는 해당 값을 null로 제공합니다.

도식 · 산업 도입을 위한 6단계 플레이북

권장 순서는 여섯 단계입니다.

• 추천 목적과 금지 목적을 먼저 적습니다.
• 원시 이벤트의 의미·품질·동의 상태를 계약으로 고정합니다.
• 산업별 변환기에서만 산업 어휘를 공통 신호로 번역합니다.
• 운영 데이터와 실제 결과로 상태의 예측력을 지속 검증합니다.
• 온라인 정책으로 운영하며 반대 지표와 데이터 변화를 상시 모니터링합니다.
• 사용자가 개인화 상태를 끄고 삭제·정정할 수 있는 운영 절차를 둡니다.

반드시 지켜야 할 선도 있습니다. 관측할 수 없는 성격을 편의상 추론하지 않고, 민감 라벨을 외부로 내보내지 않으며, 고객사 간 데이터를 섞지 않습니다. 보정된 신뢰도도 데이터 변화와 함께 지속 관리합니다. 데이터가 없으면 임의의 “중립값”을 만들어내지 않습니다. 금융 승인, 의료 진단, 고용 선발, 보험 가격, 선수 선발·부상 진단, 공공급여 자격·제재·민원 우선순위처럼 사람의 권리와 기회를 좌우하는 결정에는 이 상태 벡터를 자동 판단 근거로 사용하지 않습니다.

UMM이 열어 주는 산업 확장의 핵심은 모든 산업을 하나의 모델로 평준화하는 데 있지 않습니다. 각 산업의 행동 의미는 지키면서, 사용자 상태를 표현하는 공통 문법과 검증 절차를 공유하는 데 있습니다. 그렇게 하면 새로운 추천 경험은 더 빨리 만들어지고, 동시에 “왜 이 추천이 나왔는가”와 “언제 추천하지 말아야 하는가”를 더 명확하게 설명할 수 있습니다.

본문의 금융·헬스케어·교육·스포츠·공공 서비스 적용 사례는 제품 설계 원칙을 설명하기 위한 예시이며, 개별 산업의 법률·의료·금융·스포츠 행정·공공행정 규제 검토를 대체하지 않습니다.

---

시리즈 · 추천을 넘어, 사용자 상태로

• 1부. 추천을 넘어 사용자 상태를 모델링하다
• 2부. 이벤트가 사용자 상태가 되기까지
• 3부. 추천 산업의 경계를 넓히는 방법 — 지금 보는 글