히트작 TV 쇼를 만들기 위한 데이터 사용법
-
0:01 - 0:05로이 프라이스라는 사람에 대해
아시는 분이 얼마 되지 않을 거예요. -
0:05 - 0:08그가 2013년 4월 19일에 여러분이
-
0:08 - 0:15형편없는 22분을 보낸 이유일
수도 있지만 말입니다. -
0:15 - 0:18그는 일부에게는 아주 흥미로운
22분을 보내게 하기도 했지만 -
0:18 - 0:20여러분 대부분은 아닐테죠.
-
0:20 - 0:21그리고 이 모든건
-
0:21 - 0:24삼년 전 로이가 만들어야 했던
결정으로 되돌아 갑니다. -
0:24 - 0:29네, 로이는 아마존 스튜디오의
고위 간부입니다. -
0:29 - 0:32아마존의 TV 기획 부서죠.
-
0:32 - 0:35로이는 47세로 마르고
뾰족한 머리를 했으며 -
0:35 - 0:40트위터에 스스로를 다음과 같이
묘사했습니다. "영화, TV, 기술, 타코" -
0:40 - 0:43로이의 일은 책임감이 막중했는데
-
0:43 - 0:49그가 하는 일은 아마존이 만들
시작 컨텐츠를 선택하는 것이니까요. -
0:49 - 0:52물론 경쟁이 매우 심한 분야이죠.
-
0:52 - 0:54그러니까 이미 많은 TV 쇼가 있고
-
0:54 - 0:57로이는 아무 쇼나 선택할 수 없죠.
-
0:57 - 1:01매우 훌륭한 쇼를 찾아야 해요.
-
1:01 - 1:02즉, 다시 말해서
-
1:02 - 1:06바로 이 곡선 오른쪽 끝에
있는 것들이어야 한다는 뜻이죠. -
1:06 - 1:09이 곡선은 IMDB 웹사이트의
2,500 여개의 TV 쇼를 -
1:09 - 1:13평가하여 분석한 내용을 담고 있습니다.
-
1:13 - 1:16평점은 1점부터 10점으로 매겨지며
-
1:16 - 1:19여기 이 높이는 그 평점을
받은 쇼의 개수를 보여주죠. -
1:19 - 1:249점 이상을 받았다면 대박인 거예요.
-
1:24 - 1:25상위 2%의 쇼라는 거죠.
-
1:26 - 1:29"브레이킹 배드", "왕좌의 게임",
"더 와이어" 처럼요. -
1:29 - 1:32이 쇼들은 중독성이 강해요.
-
1:32 - 1:35한 시즌을 보고나면 여러분의 뇌는
-
1:35 - 1:37"다른 시즌들은 어디서 구하지?"
라고 생각할 거예요. -
1:37 - 1:38그런 쇼들이죠.
-
1:39 - 1:41명확히 보여드리기 위해 왼쪽 끝에는
뭐가 있는지 알려드리자면요. -
1:41 - 1:45"토들러 앤 티아라"가 있어요.
-
1:45 - 1:47(웃음)
-
1:47 - 1:49여러분은 충분히 그 곡선 끝에서
-
1:49 - 1:51어떤 일이 일어나고 있는지
예측할 수 있을 거예요. -
1:51 - 1:55네, 로이 프라이스는 왼쪽 곡선에
머물게 되는 것에 신경쓰지 않아요. -
1:55 - 1:57왜냐하면 여러분이
-
1:57 - 2:00"토들러 앤 티아라"를 제치시려면
뇌를 좀 많이 쓰셔야 할테니까요. -
2:00 - 2:04중요한 건 이 가운데 지점이에요.
-
2:04 - 2:06평균 TV의 중간 지점
-
2:06 - 2:09아시다시피 그다지 좋지도
나쁘지도 않은 쇼들이죠. -
2:09 - 2:10그렇게 흥미롭지도 않아요.
-
2:10 - 2:15로이는 반드시 이 오른쪽 끝에
있도록 해야 해요. -
2:15 - 2:17부담이 있죠.
-
2:17 - 2:19물론 아마존이 이런 일을 하는 것도
-
2:19 - 2:21처음이기도 해요.
-
2:21 - 2:25로이 프라이스는 위험을 피하고
싶어 할 거예요. -
2:25 - 2:27그는 성공을 만들어내길 꾀하죠.
-
2:27 - 2:29그에겐 보장된 성공이 필요해요.
-
2:29 - 2:31그래서 그는 경쟁을 시킵니다.
-
2:31 - 2:35그는 텔레비젼 쇼의 여러
아이디어를 모은 다음에 -
2:35 - 2:37아이디어와 평가를 토대로
-
2:37 - 2:41여덟 개의 TV 쇼를 선택합니다.
-
2:41 - 2:44그리고 각 쇼들의 첫 번째 에피소드를
-
2:44 - 2:47온라인에 누구나 시청할 수 있도록
무료로 제공해요. -
2:47 - 2:50아마존이 무료로 제공하면
-
2:50 - 2:51당연히 보게 되지 않겠어요?
-
2:51 - 2:56수 백만 명의 시청자들이
첫 번째 에피소드를 볼 것입니다. -
2:56 - 3:00쇼를 시청할 땐 알아채지 못하지만
-
3:00 - 3:02사실 그들은 감시당하고 있어요.
-
3:02 - 3:04로이 프라이스와 그의 팀으로부터요.
-
3:04 - 3:06그들은 모든 것을 기록해요.
-
3:06 - 3:09시청자들이 언제 재생하고
언제 정지하는지 기록하죠. -
3:09 - 3:12어느 장면을 건너 뛰고
어디를 다시 보는지를요. -
3:12 - 3:14그들은 무수히 많은
데이터 포인트를 수집해요. -
3:14 - 3:16그들에게 필요한건
데이터 포인트거든요. -
3:16 - 3:19그리고 이를 통해 어떤 쇼를
만들어야 할지를 결정하죠. -
3:19 - 3:21당연히 그들은 모든 정보를 수집하고
-
3:21 - 3:24분석하면 정답은 나타납니다.
-
3:24 - 3:25정답은
-
3:25 - 3:30"아마존은 공화당 의원 네 명에 대한
시트콤을 만들어야 한다" 입니다. -
3:30 - 3:32그래서 정말 만들었어요.
-
3:32 - 3:34쇼의 제목을 아시는 분이 계신가요?
-
3:35 - 3:36(청중: "알파 하우스")
-
3:36 - 3:37네, "알파 하우스"죠.
-
3:38 - 3:42그런데 많은 분들이 기억하고
계시지는 않은 것 같아요. -
3:42 - 3:43그렇게 대박난 작품은 아니거든요.
-
3:44 - 3:45중간 정도의 쇼였어요.
-
3:45 - 3:50사실 이 곡선의 중간은 7.4점이고
-
3:50 - 3:52"알파 하우스"는 7.5점이니깐요.
-
3:52 - 3:54평균보다 아주 약간 위죠.
-
3:54 - 3:57하지만 분명 로이 프라이스와
그의 팀이 목표한 것은 아니었죠. -
3:58 - 4:01한편 그와 동시에
-
4:01 - 4:03다른 회사에서도
-
4:03 - 4:07회사 간부가 데이터 분석을 통해
탑 쇼 하나를 배출했습니다. -
4:07 - 4:10그의 이름은 테드 사란도스로
-
4:10 - 4:12넷플릭스의 웹사이트 콘텐츠
부문 최고 경영자예요. -
4:12 - 4:14로이처럼 그는 끊임없이 좋은 TV쇼를
-
4:14 - 4:16찾아야 하는 일을 맡고 있어요.
-
4:16 - 4:18테드 또한 이를 위해
데이터를 이용하는데 -
4:18 - 4:20조금은 다른 방식을 사용합니다.
-
4:20 - 4:24경쟁을 붙이는 대신에 테드와 그의 팀은
-
4:24 - 4:27넷플릭스 시청자들에 관한
기존의 데이터를 봅니다. -
4:27 - 4:29시청자들이 메긴 평점과
-
4:29 - 4:32시청 기록과 사람들이 어떤 쇼를
좋아하는지 등을요. -
4:32 - 4:34그리고 그 데이터를 통해서
-
4:34 - 4:37관객들에 대한 소소한
모든 것들을 발견해 나갑니다. -
4:37 - 4:38어떤 종류의 쇼를 좋아하는지와
-
4:38 - 4:40어떤 제작자와 배우를
좋아하는지 말이에요. -
4:40 - 4:43이런 정보들을 한데 모아서
-
4:43 - 4:44상당한 신뢰를 가지고
-
4:44 - 4:47결정한 것은
-
4:47 - 4:49네 명의 국회위원에 대한
시트콤이 아니라 -
4:49 - 4:52한 명의 국회위원에 대한
드라마였습니다. -
4:53 - 4:54그 쇼가 무엇인지 아세요?
-
4:54 - 4:56(웃음)
-
4:56 - 4:59네, "하우스 오브 카드"죠.
최소 두 번째 시즌까진 성공적인 -
5:00 - 5:02넷플릭스의 쇼이죠.
-
5:02 - 5:06(웃음) (박수)
-
5:06 - 5:09"하우스 오브 카드"는 이 곡선에서
9.1점을 받았어요. -
5:09 - 5:12그들이 원하던 수준이죠.
-
5:12 - 5:14질문을 해보죠.
무슨 일이 일어난 걸까요? -
5:15 - 5:17두 개의 매우 경쟁적인 데이터를 잘
다루는 회사들이 있다고 합시다. -
5:17 - 5:20그들은 수 백만 개의 데이터
포인트들을 연결시켜요. -
5:20 - 5:22그들 중 한 쪽에게만 아주 잘 작동하고
-
5:22 - 5:24다른 쪽에서는 잘 작동하지 않아요.
-
5:24 - 5:26왜 그럴까요?
-
5:26 - 5:29왜냐하면 논리적으로 보면 이것이 항상
작동하는 것이 맞을 것이기 때문입니다. -
5:29 - 5:32결정을 하기 위해
-
5:32 - 5:33수 백 만의 데이터
포인트를 수집한다면 -
5:33 - 5:36꽤 훌륭한 결정을 내릴 수 있어야
마땅할 것입니다. -
5:36 - 5:38여러분에게 200년동안의 믿을만한
통계 자료가 있어요. -
5:38 - 5:41강력한 컴퓨터를 이용하여
이를 증폭시킵니다. -
5:41 - 5:45최소한 좋은 TV프로는 기대하실테죠?
-
5:46 - 5:49만일 정보 분석이 그렇게 되지 않으면
-
5:50 - 5:52조금 무서워 집니다.
-
5:52 - 5:55왜냐하면 우리가 사는 현 세대는
더 많은 정보 수집을 통하여 -
5:55 - 6:00TV프로 이상으로 훨씬 더 중대한
결정을 내리는 사회거든요. -
6:01 - 6:04"멀티-헬스 시스템" 이라는
회사에 대해 들어 보신 분 계신가요? -
6:05 - 6:07아무도 없군요. 좋습니다.
-
6:07 - 6:10좋아요, 멀티 헬스 시스템은
소프트웨어 회사입니다. -
6:10 - 6:13여기 계신 여러분 중 아무도
-
6:13 - 6:16그 소프트웨어와 만나지
않으시길 바래요. -
6:16 - 6:18만일 그런다면 바로
감옥에 있다는 뜻이니까요. -
6:18 - 6:19(웃음)
-
6:19 - 6:23미국에서 수감중인 누군가가
가석방을 요청하면 -
6:23 - 6:27그 회사의 정보 분석
소프트 웨어를 통해 -
6:27 - 6:31가석방 여부를 결정할
가능성이 높습니다. -
6:31 - 6:33아마존과 넷플릭스와 같은 원칙이죠.
-
6:33 - 6:38하지만 지금은 TV쇼가 좋은지
나쁜지를 판단하는 대신에 -
6:38 - 6:41여러분은 어떤 사람이 좋은지
나쁜지를 결정하게 될 거예요. -
6:41 - 6:47평범한 TV를 22분동안
보는 것은 별로죠. -
6:47 - 6:49하지만 감옥에서 몇 년 더 사는 것은
훨씬 나쁜 일일 것입니다. -
6:50 - 6:54애석하게도 분석된 정보가
-
6:55 - 6:59그 방대한 양에도 불구하고 항상 최상의
결과를 얻는 것은 아니라는 증거가 있습니다. -
6:59 - 7:01멀티 헬스 시스템과 같은 회사가
-
7:02 - 7:03데이터를 어떻게 이용해야 할지
몰라서 그러는게 아니에요. -
7:03 - 7:05가장 데이터를 잘 다루는
회사들도 틀리는 걸요. -
7:05 - 7:08구글마저도 가끔은 틀립니다.
-
7:09 - 7:132009년 구글은 데이터 분석을 통해
-
7:13 - 7:17고약한 독감인 인플루엔자 발발을
예측할 수 있다고 주장했었어요. -
7:17 - 7:21구글 검색의 정보 분석을 토대로요.
-
7:21 - 7:25아주 잘 흘러 갔고
뉴스에 크게 보도 됐어요. -
7:25 - 7:27과학적 성공의 정점과 함께 말입니다.
-
7:27 - 7:30"네이쳐"에 개제된 것이죠.
-
7:30 - 7:33해마다 성공적이었죠.
-
7:33 - 7:35한 해 실패하기 전까진요.
-
7:35 - 7:37그리고 아무도 왜 실패했는지
확실한 이유를 규명하지 못해요. -
7:37 - 7:39그 해는 그냥 실패였죠.
-
7:39 - 7:41물론 그것 또한 빅뉴스였고
-
7:41 - 7:43"네이쳐" 학술지에
-
7:43 - 7:45개제되는 것은 철회되었습니다.
-
7:46 - 7:50아마존과 구글같은
데이터를 잘 다루는 회사들도 -
7:50 - 7:52가끔은 틀린다는 거예요.
-
7:52 - 7:55이러한 실패 속에서도
-
7:55 - 7:59데이터는 아주 급속하게 실제
의사결정에 이용되고 있습니다. -
7:59 - 8:01직장에서도
-
8:01 - 8:02법률 실행 시에도
-
8:03 - 8:04의료 분야에서도요.
-
8:04 - 8:08그러니까 실질적으로 데이터가
도움이 되도록 해야겠죠. -
8:08 - 8:11개인적으로 저는 데이터 때문에
고생한 경험이 많아요. -
8:11 - 8:13왜냐하면 전 컴퓨터 유전학 분야에
종사하고 있거든요. -
8:13 - 8:15이 분야에서는 수많은
뛰어난 인재들이 -
8:15 - 8:19상상하지 못할만큼 많은 양의 정보를
이용하여 중대한 결정을 내립니다. -
8:19 - 8:23예를 들어 암 치료나 신약 개발
등의 결정에 말입니다. -
8:24 - 8:26최근 몇년 사이 새로운
패턴을 발견하였는데 -
8:26 - 8:28차이에 관한 일종의 규칙이라고 해두죠.
-
8:28 - 8:31데이터를 이용하여 성공적인 결정을
-
8:31 - 8:33이끌어 내는가 실패 하는가의
차이에 대한 규칙 말입니다. -
8:33 - 8:37이 패턴은 공유될 가치가 있는데
그 내용은 다음과 같습니다. -
8:39 - 8:41복잡한 문제에 직면했을 때
-
8:41 - 8:42여러분은 주로 두가지를 합니다.
-
8:42 - 8:46첫번째는 그 문제를
여러 조각으로 쪼개서 -
8:46 - 8:48그 조각들을 깊이 분석하는 것이고
-
8:48 - 8:50물론 여러분이 하는 두 번째 일은
-
8:50 - 8:53조각들을 다시 하나로 합쳐서
-
8:53 - 8:54결론을 내는 것입니다.
-
8:54 - 8:57종종 그 과정을 반복해야 할텐데요.
-
8:57 - 8:58그래도 역시 두 가지 뿐이죠.
-
8:58 - 9:01쪼개고 다시 합치기.
-
9:02 - 9:04그리고 중요한 것은
-
9:04 - 9:07데이터와 데이터 분석은
-
9:07 - 9:09오직 첫 번째 파트에서만
중요한 것이라는 겁니다. -
9:09 - 9:12데이터와 데이터 분석이 얼마나
영향력이 있던 간에 -
9:12 - 9:16문제를 쪼개고 그 조각들을
이해하는 것에만 도움을 줄 뿐 -
9:16 - 9:20그 조각들을 다시 하나로 합쳐서
-
9:20 - 9:21결론을 내는데 도움을 주진 않아요.
-
9:22 - 9:24그것을 할수 있는 또다른 도구가 있는데
우리 모두는 그것을 가지고 있습니다. -
9:24 - 9:26그 도구는 바로 뇌에요.
-
9:26 - 9:28뇌가 능통한 일들 중 하나는
-
9:28 - 9:30조각들을 합치는 것입니다.
-
9:30 - 9:32완전하지 않은 정보를
가지고 있을 때조차 -
9:32 - 9:33좋은 결정을 내리죠.
-
9:33 - 9:36전문가의 두뇌라면 말입니다.
-
9:36 - 9:39그게 제가 생각하는 넷플릭스의
성공 비결이예요. -
9:39 - 9:43데이터와 뇌를 이용해서
일을 처리 했거든요. -
9:43 - 9:46첫 번째는 데이터를 이용해서
대중들에 관한 조각들을 이해했는데 -
9:46 - 9:50데이터가 없었다면 그렇게 깊이
이해하지 못했을 것입니다. -
9:50 - 9:52하지만 그 조각들을 다시 하나로 합쳐
-
9:52 - 9:56"하우스 오브 카드" 같은
쇼를 만든 것은 -
9:56 - 9:57데이터로부터 나온 것이 아니었습니다.
-
9:57 - 10:01테드 세란도스와 그의 팀은
그 쇼에 특허를 내기로 결정했어요. -
10:01 - 10:04즉, 다른 말로
-
10:04 - 10:06꽤 큰 개인적 위험을
감수한다는 뜻이죠. -
10:06 - 10:09반면에 아마존은 실수를 했어요.
-
10:09 - 10:12그들은 결정을 내리기까지 계속
데이터를 사용했습니다. -
10:12 - 10:15먼저 TV 아이디어 경쟁을
벌일 때 사용했고 -
10:15 - 10:18"알파 하우스" 쇼를 만들기로
선택했을 때도 사용했습니다. -
10:18 - 10:21물론 그들에겐 아주 안정적인
결정이었습니다. -
10:21 - 10:23왜냐면 그들은 항상 데이터를
가르키면서 말할 수 있었으니까요. -
10:23 - 10:25"이것이 데이터가 말해준 것입니다".
-
10:25 - 10:29그렇지만 그들이 원하던 특별한
결과에 이르지는 못했어요. -
10:30 - 10:35당연히 데이터는 더 나은 선택을
위한 매우 유용한 도구이지만 -
10:35 - 10:37때로는 잘못될 수도 있다고 생각해요.
-
10:38 - 10:40데이터가 그러한 결정을
이끌기 시작한다면 말이죠. -
10:40 - 10:44얼마나 강력하건 간에,
데이터는 도구일 뿐입니다. -
10:44 - 10:47이를 유념하기 위해서는
이 장치가 꽤 유용하다고 생각합니다. -
10:47 - 10:48여러분들 중 많은분들이
-
10:49 - 10:50(웃음)
-
10:50 - 10:51데이터가 있기 전에
-
10:51 - 10:54이것을 의사결정 장치로
이용하셨을 것입니다. -
10:54 - 10:55(웃음)
-
10:55 - 10:56대부분은 아실 거예요.
-
10:57 - 10:58이 장난감의 이름이 매직 에잇 볼이고
-
10:58 - 11:00멋진 것이라는 것을요.
-
11:00 - 11:03왜냐하면 어떠한 결정을 내려야 할 때
예 또는 아니오 식의 문제일때요. -
11:03 - 11:06이 공을 흔들기만 하면
답을 얻을 수 있습니다. -
11:06 - 11:09지금 여기서의 실제 답은
"아주 그렇다"이네요. -
11:09 - 11:11이따가 기술 시현 때 보여드리죠.
-
11:11 - 11:13(웃음)
-
11:13 - 11:16물론 중요한 것은-
제 인생에서 결정들을 종종 내렸는데 -
11:16 - 11:19뒤늦게 그냥 그 공의 말을
들을걸 하고 깨달은 적이 있습니다. -
11:19 - 11:22그런데 당연히 데이터가
있는 상태라면 -
11:22 - 11:26좀 더 지적인 결정을 내리고 싶어지죠.
-
11:26 - 11:29데이터 분석을 통해 더 나은 결정을
내리는 것 처럼 말이예요. -
11:29 - 11:32하지만 그렇더라도 기본 환경은
바뀌지 않아요. -
11:32 - 11:35공이 더욱 지능적으로 계속
진화할지는 모르지만 -
11:35 - 11:38여전히 결정을 내리는 것은
우리의 몫이 될꺼에요. -
11:38 - 11:41무언가 특별한 일을 이루고 싶다면요.
-
11:41 - 11:43즉 곡선의 오른쪽 끝에
도달하고 싶을때요. -
11:43 - 11:47저는 사실 이것이 아주 희망적인
메세지라고 생각하는데 -
11:47 - 11:51엄청난 양의 데이터에도 불과하고
-
11:51 - 11:55결정을 내리고
-
11:56 - 11:58전문가가 되고
-
11:58 - 12:00위험성을 감수하는 댓가가 주어지니까요.
-
12:00 - 12:03왜냐하면 결국 데이터가 아니라
-
12:03 - 12:07당신이 감수하는 위험이 곡선의
오른쪽 끝으로 데려다 줄테니까요. -
12:08 - 12:09감사합니다.
-
12:09 - 12:13(박수)
- Title:
- 히트작 TV 쇼를 만들기 위한 데이터 사용법
- Speaker:
- 세바스찬 워닉 (Sebastian Wernicke)
- Description:
-
더 많은 정보를 수집하는 것이 과연 더 나은 의사결정을 가져다 줄까요? 치열하고 데이터를 잘 이해하는 아마존, 구글과 넷플릭스같은 회사들은 데이터를 분석하는 것이 항상 최선의 결과를 가져오지 않는다는 사실을 배웠습니다. 이 강연에서 데이터 과학자 세바스찬 워닉이 데이터에만 의존하여 의사결정을 할 때 무엇이 문제인지에 대해 분석하고 더 똑똑한 데이터 사용법에 대해 알려드립니다.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:25
Jihyeon J. Kim approved Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim accepted Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim edited Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim edited Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim edited Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim edited Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim edited Korean subtitles for How to use data to make a hit TV show | ||
Jihyeon J. Kim edited Korean subtitles for How to use data to make a hit TV show |