04 · CineVerse

AI 영화 추천 서비스

무엇을 볼지 헤매는 시간에서,
보고 싶은 한 편을 고르는 경험으로

01 · IMPLEMENTATION서비스 구현

캐릭터 페르소나와 RAG, TTS를 결합해 감정과 취향을 반영하는 대화형 영화 추천 서비스를 구성했습니다. 캐릭터의 말투와 성격을 반영한 대화와 조건 기반 영화 검색을 연결했습니다.

영화 검색에는 Milvus와 임베딩, 재순위화를 활용하고 FastAPI와 스트리밍 응답으로 검색·추천·대화를 연결했습니다. 구현 과정에서 추천 품질과 응답 속도의 제약을 함께 이해했습니다.

추천 품질과 응답 성능을 개선하고 캐릭터 대화 품질을 평가했습니다. 아래 수치는 프로젝트 발표자료에 보고한 결과입니다.

발표자료에 보고한 기술 검증 결과
검증 항목	보고 결과와 해석 범위
추천 Hit@1	66.7%에서 100%로 33.3%p 상승. 검색 결과의 첫 번째에 원본 영화가 등장한 비율입니다.
응답시간	60~70% 감소로 보고했습니다. 측정 환경과 응답시간의 시작·종료 기준을 보완해야 합니다.
캐릭터 품질	4.37/5로 보고했습니다. 평가 참여자와 평가 항목을 함께 확인해야 합니다.

검색 성능은 정량 평가와 정성 평가로 검증했습니다.

영화 60편을 무작위로 선정하고, 각 영화의 줄거리 앞 60자를 검색 쿼리로 사용했습니다. 그다음 원본 영화가 검색 결과에서 몇 위에 등장하는지 측정했습니다.

각 쿼리의 원본 영화를 정답으로 두고 검색 순위를 확인했습니다. Hit@1은 전체 평가 쿼리 중 원본 영화가 검색 결과 1위에 등장한 비율입니다.

이 평가는 줄거리 일부로 원본 영화를 찾아내는 성능을 확인합니다. 사용자의 감정이나 상황을 담은 실제 대화형 요청에 대한 추천 품질은 별도로 검증해야 합니다.

사용성 테스트 결과 영화를 선택하지 못하고 OTT를 끄는 비율이 30%에서 15%로 감소한 결과도 제시했습니다. 이는 15%p 감소이며, 기존 대비로는 50% 감소입니다.

이 결과는 정식 출시 전 사용자 평가에서 확인한 것으로, 실제 서비스 환경에서도 개선 효과가 이어지는지는 출시 후 사용자 행동 로그를 통해 추가로 검증해야 합니다.

검색 중심의 탐색을 대화 기반으로 전환하면서 응답 속도와 탐색 마찰을 함께 설계 기준으로 삼았습니다. 정확한 후보를 제공하는 평가와 사용자가 실제로 선택하는 행동 평가는 각각 필요했습니다.

다음 단계는 시청 이력과 구독 OTT를 반영하는 개인화 구조를 보완하고, OTT 사업자 대상 무료 PoC로 도입 효과와 운영 적합성을 검증하는 것입니다.