동영상 플랫폼 음악 스트리밍 쇼핑몰 뉴스 앱 등 대부분의 서비스는 사용자의 취향을 분석하여 맞춤형 콘텐츠를 제공합니다.
그러나 모든 사용자가 이러한 맞춤화를 달갑게 받아들이는 것은 아닙니다.
일부 소비자들은 알고리즘이 자신의 선택을 과도하게 통제한다고 느끼거나 다양한 콘텐츠를 접할 기회를 빼앗긴다고 생각합니다.
이로 인해 일부 소비자는 의도적으로 알고리즘을 혼란스럽게 만드는 행동을 하기도 합니다.
1. 추천 회피 행동의 배경
추천 회피란 플랫폼이 제시하는 맞춤형 콘텐츠를 의도적으로 무시하거나 피하는 행위를 말합니다.
이러한 행동의 가장 큰 이유는 알고리즘이 제공하는 콘텐츠가 점점 한정된 범위로 수렴한다는 점입니다.
예를 들어 한 사용자가 특정 장르의 음악을 잠시 들었을 뿐인데
이후 음악 앱이 거의 모든 추천 목록을 해당 장르로 채워버리는 경우가 있습니다.
이 사용자는 처음에는 재미있게 느꼈지만 시간이 지날수록 다른 장르를 접할 기회가 줄어든다고 느꼈습니다.
결국 그는 플랫폼이 추천하는 목록을 의도적으로 피하고 스스로 검색한 곡만 재생하기 시작했습니다.
동영상 플랫폼에서도 비슷한 사례가 있습니다.
한 시청자는 다큐멘터리 한 편을 시청한 후 관련 영상이 끊임없이 추천 목록에 등장하는 것을 경험했습니다.
그는 이를 원치 않았기에 추천 영상 대신 전혀 다른 주제의 영상을 직접 찾아 시청했습니다.
이러한 행동은 알고리즘의 예측 모델을 교란시켜 추천의 정확도를 떨어뜨립니다.
결국 사용자는 더 다양한 콘텐츠를 경험할 수 있고 플랫폼은 사용자의 취향을 다시 파악하는 데 더 많은 시간이 필요하게 됩니다.
예를 들어 한 음악 애호가는 특정 재즈 곡을 한 번 들었다는 이유로
모든 추천 목록이 재즈로만 채워지는 것을 피하고자 추천 영역을 아예 보지 않는 습관을 들였습니다.
그는 대신 직접 검색을 통해 락 클래식 팝 등 다양한 장르를 섞어 들으며 음악적 스펙트럼을 넓혔습니다.
이러한 추천 회피는 혼자만의 취향을 지키기 위한 방어책이 될 수 있지만
경우에 따라서는 예상치 못한 새로운 취향을 발견하는 계기가 되기도 합니다.
무작위 선택 방식은 이러한 다양성 확보를 한 단계 더 확장시키는 전략이라 할 수 있으며
일부 소비자들은 이를 통해 플랫폼의 알고리즘을 더욱 혼란스럽게 만들고 있습니다.
2. 무작위 선택과 의도적인 다양성 실험
무작위 선택은 알고리즘이 예측할 수 없는 소비 패턴을 만드는 또 다른 방법입니다.
예를 들어 한 소비자는 온라인 쇼핑몰에서 매번 다른 카테고리의 상품을 무작위로 클릭하고 장바구니에 담습니다.
이때 실제 구매까지 이어지지 않더라도 플랫폼은 사용자가 다양한 제품에 관심이 있는 것처럼 인식합니다.
그 결과 추천 상품 목록이 한두 가지 범주에 치우치지 않고 넓게 퍼집니다.
또 다른 사례로는 뉴스 앱에서의 실험이 있습니다.
한 사용자는 정치 경제 사회 문화 등 모든 분야의 기사를 무작위로 클릭했습니다.
그는 관심 없는 기사도 일부러 열어보며 스크롤을 끝까지 내려 읽는 시늉을 했습니다.
플랫폼은 이를 사용자의 폭넓은 관심으로 해석하여 특정 주제에 국한되지 않는 다양한 뉴스들을 추천했습니다.
이 방식은 알고리즘이 사용자 프로필을 단일 취향으로 고정하는 것을 막는 효과가 있습니다.
음악 스트리밍 서비스에서도 무작위 재생 기능을 적극 활용하는 사람들이 있습니다.
특정 플레이리스트가 아닌 전혀 다른 장르와 시대의 곡을 섞어 재생함으로써 취향 패턴을 의도적으로 흐립니다.
이러한 방법은 사용자가 원할 때 새로운 아티스트와 장르를 발견할 가능성을 높입니다.
예를 들어 한 사용자는 음악 스트리밍 서비스에서 장르를 전혀 가리지 않고 매주 무작위로 50곡을 재생 목록에 추가했습니다.
그 중 절반 이상은 처음 들어보는 곡이었고 일부는 취향에 맞지 않았지만
그 과정에서 그가 평생 접하지 못했을 법한 아티스트를 발견하는 성과도 있었습니다.
이처럼 무작위 선택은 알고리즘의 예측을 흔들고 콘텐츠의 폭을 넓히는 데 유용하지만
행동 패턴 자체를 인위적으로 변형한다는 점에서 주의가 필요합니다.
3. 비정상 스크롤 패턴을 통한 데이터 교란
비정상 스크롤 패턴은 플랫폼이 수집하는 체류 시간과 시청 완료율 데이터를 교란시키는 방법입니다.
예를 들어 동영상 플랫폼에서 짧게는 3초 길게는 1분만 영상을 시청한 뒤 곧바로 다른 영상을 클릭하는 경우가 있습니다.
이러한 행동은 알고리즘이 해당 콘텐츠에 대한 관심을 정확히 측정하기 어렵게 만듭니다.
한 사례로 한 사용자는 소셜미디어 피드를 볼 때 의도적으로 빠르게 스크롤을 내리다가
특정 게시물에서 갑자기 멈추고 긴 시간 머물렀습니다.
하지만 그 게시물은 그의 실제 관심사와는 전혀 무관했습니다.
이로 인해 플랫폼은 해당 주제에 대한 관심을 과대평가하고 이후 피드에 해당 유형의 콘텐츠를 과도하게 배치했습니다.
사용자는 이를 이용해 피드 구성을 실험하며 자신의 취향과 무관한 콘텐츠가 얼마나 빨리 늘어나는지를 관찰했습니다.
이러한 방식은 알고리즘이 단일 관심사로 수렴하는 것을 방지할 수 있으나 동시에 원치 않는 추천이 늘어날 위험도 있습니다.
따라서 비정상 스크롤 패턴은 의도적으로 사용할 경우에만 효과적인 전략이 됩니다.
알고리즘을 피하려는 행동은 소비자에게 콘텐츠 다양성을 제공하고 예측 가능한 소비 패턴에서 벗어나는 데 도움을 줄 수 있습니다.
그러나 이러한 방법에도 한계가 존재합니다.
대부분의 플랫폼은 사용자의 행동 데이터를 장기간 수집하고 분석하기 때문에 단기간의 교란은 일시적인 효과에 그칠 수 있습니다.
또한 무작위 클릭이나 의도적 스크롤은 사용자가 실제로 보고 싶은 콘텐츠를 찾는 시간을 늘릴 수 있습니다.
무엇보다 플랫폼의 알고리즘은 점점 더 정교해지고 있습니다.
일부는 사용자의 의도적 교란 패턴까지 감지해 이를 보정하는 기능을 갖추고 있습니다.
따라서 장기적으로는 알고리즘과 소비자가 서로를 파악하고 적응하는 일종의 경쟁 구도가 형성될 가능성이 큽니다.
결국 중요한 것은 알고리즘을 완전히 회피하는 것이 아니라 사용자가 주도권을 가지고 이를 활용하는 방법을 찾는 것입니다.
필요할 때는 알고리즘을 혼란시키고 필요할 때는 추천을 적극적으로 받아들이는 유연한 태도가 바람직합니다.
알고리즘 회피 행동은 디지털 환경에서 소비자가 스스로의 선택권을 지키기 위한 일종의 전략입니다.
추천 회피 무작위 선택 비정상 스크롤 패턴은 그 대표적인 방법입니다.
이러한 시도는 때로는 플랫폼의 예측을 무너뜨리고 새로운 콘텐츠를 접하게 하지만 동시에 사용자의 노력과 시간이 필요합니다.
기술이 고도화될수록 이러한 소비자 주도의 실험은 더욱 다양해질 것이며 알고리즘과 사용자의 관계도 계속 변화할 것입니다.