너무 잘 아는 죄

정확도가 오를수록 신뢰가 오른다는 믿음은 틀렸다. 어느 지점을 넘으면 정확함은 다정함이 아니라 소름으로 뒤집힌다.

개인화는 오랫동안 마케팅의 성배였다. 더 많은 데이터, 더 정밀한 추천, 더 개인적인 메시지 — 이 셋을 갖추면 소비자는 감동하고, 감동은 구매로 이어진다는 산식. 실제로 어느 지점까지는 맞는 말이다. 내 이름을 부르는 이메일, 내 사이즈를 기억하는 앱, 내 취향을 짐작하는 추천 목록은 분명 편리하다.

문제는 그 산식에 상한선이 없다고 믿는 순간부터 시작된다. 정확도는 끝없이 신뢰를 사는 화폐가 아니다. 어느 순간부터는 정확도 1퍼센트를 더 얻을 때마다 신뢰를 잃는다. 마케터들은 이 반전을 잘 모른다. 모델의 정밀도 지표는 계속 올라가는데, 왜 유저는 점점 더 자주 앱을 지우는지 설명하지 못한다.

정확도가 오르면 신뢰도 오르는가

로봇공학에는 오래된 개념이 하나 있다. 인간과 닮은 로봇은 닮을수록 호감이 오르지만, 어느 지점을 넘으면 갑자기 불쾌해진다는 것. 진짜 사람과 구분이 안 될 만큼 닮았을 때가 아니라, 사람 같지만 어딘가 이상할 때 가장 소름이 돋는다. 이 구간을 '불쾌한 골짜기(uncanny valley)'라 부른다.

개인화 추천에도 똑같은 골짜기가 있다. 다만 시각적 유사도가 아니라 '나에 대한 앎'의 정도가 축이다. 추천이 나를 조금 알 때는 편리하다. 추천이 나를 아주 잘 알아서 마치 오래된 친구처럼 느껴질 때조차, 우리는 그것을 기술이라고 받아들이고 넘어간다. 그런데 그 사이 어딘가, 추천이 내가 말하지 않은 것까지 맞혔을 때 — 감정이 급격히 뒤집힌다.

임신 사실을 아직 아무에게도 말하지 않았는데 유아용품 할인 쿠폰이 집으로 온다. 헤어진 연인의 이름을 검색창에 입력한 적도 없는데, 다음 날 이별 관련 광고가 피드를 채운다. 이런 순간에 소비자가 느끼는 감정은 '똑똑하다'가 아니라 '들켰다'이다. 정확도는 최고점을 찍었는데, 신뢰는 바닥을 찍는다.

이 반전이 지표에 잡히지 않는 이유는 측정의 구조 때문이다. 클릭률도 전환율도 반응한 사람만을 센다. 소름이 돋은 사람은 항의하지 않는다. 조용히 알림을 끄고, 추적 동의를 철회하고, 어느 날 앱을 지운다. 그 이탈은 추천 성능이 아니라 다른 팀의 리텐션 지표에 가서 찍힌다. 원인과 결과가 서로 다른 대시보드에 흩어져 있으니, 두 숫자를 같은 문장 안에 놓아 본 사람이 조직에 아무도 없게 된다.

적중의 골짜기

이 반전 구간에 이름을 붙일 필요가 있다. **적중의 골짜기 — 추천이 소비자의 자기인식보다 앞서 나가는 순간, 정확도가 오를수록 신뢰는 오히려 떨어지는 구간.** 정확도와 신뢰의 관계는 직선이 아니라 낙타 등처럼 굽은 곡선을 그린다. 어느 지점까지는 함께 오르다가, 정점을 지나면 정확도만 홀로 치솟고 신뢰는 곤두박질친다.

이 골짜기가 생기는 이유는 단순하다. 사람은 자신에 대해 '내가 아는 나'와 '아직 나도 모르는 나'를 구분한다. 추천이 전자를 맞히면 편의로 느낀다. 내가 좋아하는 브랜드, 내가 자주 사는 사이즈 — 이런 건 나도 안다. 그런데 추천이 후자를 맞히면, 즉 내가 스스로 인지하기도 전의 욕망이나 상태를 짐작해내면, 그건 도움이 아니라 침입으로 지각된다. 내 허락 없이 누군가 내 서랍을 열어본 것 같은 감각.

골짜기의 위치는 고정돼 있지 않다. 카테고리마다 다르다. 음악이나 영상 추천에서는 아주 정확해도 대개 감탄으로 끝난다. 취향은 들켜도 손해 볼 게 없는 정보이기 때문이다. 반면 건강, 돈, 몸, 관계처럼 자기 서사의 핵심에 닿는 영역에서는 훨씬 얕은 지점에서 이미 골짜기가 시작된다. 같은 수준의 정확도라도 무엇을 맞혔느냐에 따라 편의가 되기도 하고 침범이 되기도 한다. 그러니 "우리 모델은 이 정도면 안전하다"는 판단은 언제나 카테고리와 함께 내려져야 한다.

정교한 추천 엔진일수록 이 골짜기에 빠질 위험이 크다. 아이러니하게도, 알고리즘이 형편없을 때는 이 문제가 아예 발생하지 않는다. 엉뚱한 추천은 그저 무시당할 뿐이다. 위험은 언제나 '거의 다 맞혔을 때', 그리고 '너무 잘 맞혔을 때' 사이의 좁은 구간에서 발생한다.

소비자는 추천이 틀렸을 때가 아니라, 자신도 몰랐던 자신을 추천이 먼저 알았을 때 가장 불안해한다.

We don't fear being wrong about ourselves. We fear being known before we know.

감시와 개인화, 소비자는 어떻게 구분하는가

두 단어의 경계는 기술이 아니라 서사에 있다. 소비자가 스스로에게 설명할 수 있는 추천은 개인화다. 설명할 수 없는 추천은 감시다. "내가 저 브랜드 사이트를 어제 봤으니까 광고가 뜨는구나"는 개인화다. "내가 그걸 검색한 적도, 말한 적도 없는데 어떻게 알았지"는 감시다.

즉 감시와 개인화를 가르는 것은 정확도의 총량이 아니라 **추적 가능성**이다. 소비자가 자기 행동과 추천 사이의 인과를 스스로 재구성할 수 있으면 안심한다. 그 다리가 끊기는 순간 — 원인은 안 보이고 결과만 정확한 순간 — 편리함은 즉시 감시로 번역된다. 마케터가 아무리 "우리는 당신을 위해서"라고 말해도, 소비자의 머릿속에서는 이미 다른 문장이 완성돼 있다. "이들은 나를 나보다 더 잘 알고 있다."

인과의 다리가 끊기면 소비자는 빈칸을 스스로 메운다. 그리고 사람이 메우는 빈칸은 대개 실제보다 과격하다. 광고가 너무 잘 맞을 때마다 "휴대폰이 내 말을 듣고 있다"는 이야기가 반복해서 돌아오는 것이 그 증거다. 기술적으로는 설명하기 어려운 주장이지만, 그런 이야기가 사라지지 않는 이유는 명확하다. 소비자에게 더 그럴듯한 설명이 제공된 적이 없기 때문이다. 설명하지 않으면 소비자가 설명한다. 그 설명은 대체로 브랜드에 불리하다.

여기서 흥미로운 지점은, 실제로 감시하고 있느냐보다 **감시하고 있다고 느끼게 하느냐**가 더 중요하다는 사실이다. 기술적으로는 아무 문제 없는 협업 필터링 알고리즘도, 설명 없이 너무 정확한 결과를 내놓으면 사용자에게는 도청이나 다름없이 느껴진다. 반대로 실제로는 훨씬 많은 데이터를 쓰면서도, 그 과정을 투명하게 보여주는 서비스는 오히려 신뢰를 얻는다. 감시는 데이터의 양이 아니라 데이터의 은폐에서 태어난다.

널리 알려진 그 사례

미국의 한 대형 유통업체가 구매 패턴만으로 임신 여부와 예정일까지 추정해내는 모델을 운영했다는 이야기는 이미 여러 매체를 통해 널리 소개된 바 있다. 무향 로션이나 특정 영양제처럼 그 자체로는 아무 의미 없어 보이는 구매 신호를 조합해 정확도를 높였다고 전해진다. 그런데 그 정확함이 알려지자 돌아온 반응은 찬사가 아니라 항의였다. 가족에게 알리기도 전에 우편함에 도착한 유아용품 쿠폰 이야기가 오래 회자된 것도 그래서다.

이 사건이 지금까지 인용되는 이유는 모델이 틀려서가 아니다. 오히려 지나치게 맞았기 때문에 문제가 됐다. 이후의 대응으로 알려진 방식이 더 시사적이다. 정확한 타깃에게 정확한 유아용품 광고만 보내는 대신, 무관해 보이는 다른 상품 광고 사이에 섞어 보냈다는 것. 소비자가 "우연이겠지"라고 여길 여지를 만들어준 셈이다. 정확도를 낮춘 게 아니라, **정확도가 드러나는 방식을 낮췄다.**

이 대응의 본질은 비효율을 일부러 사들이는 데 있다. 관련 없는 지면에 예산을 흘리는 것은 어떤 효율 지표로 봐도 손해다. 그 손해로 무엇을 사는가. 소비자에게 돌려줄 알리바이 한 조각이다. 브랜드가 얼마나 알고 있는지를 소비자가 계산하지 않아도 되게 만드는 여백. 성능의 일부를 관계의 비용으로 지불한다는 발상은 대시보드 위에서는 결코 정당화되지 않는다. 그래서 대부분의 조직은 이 지출을 승인하지 않는다.

정확도보다 설명 가능성

마케터가 여기서 얻어야 할 결론은 '개인화를 줄이자'가 아니다. 정확도 자체는 죄가 없다. 문제는 그 정확도가 소비자에게 아무 설명 없이 도착한다는 점이다. 실무적으로 적중의 골짜기를 건너는 방법은 대체로 세 가지로 요약된다.

• 추천의 이유를 짧게라도 노출한다 — "최근 본 상품과 비슷해서", "함께 구매한 고객들이 많이 찾아서" 같은 한 줄이 인과의 다리를 이어준다.
• 완벽한 적중을 일부러 흐린다 — 100퍼센트 맞는 추천 하나보다, 여든 몇 퍼센트쯤 맞는 추천 여러 개가 덜 위협적으로 느껴진다.
• 소비자가 자신의 데이터를 들여다보고 고칠 수 있게 한다 — 통제감이 있는 개인화는 감시로 느껴지지 않는다. 통제감이 없는 개인화만 감시가 된다.

세 가지 모두 모델을 건드리지 않는다는 공통점이 있다. 건드리는 것은 결과가 도착하는 방식이다. 같은 추천도 "당신을 위해 골랐습니다"로 오면 결론만 통보하는 문장이 되고, "최근 본 것과 비슷해서"로 오면 소비자가 검증할 수 있는 문장이 된다. 후자는 반박도 가능하다. 반박할 수 있다는 감각이 통제감의 실체다.

알아도, 모르는 척

결국 적중의 골짜기를 건너는 기술은 아이러니하게도 '덜 아는 척하는 기술'이다. 사람 사이의 관계도 비슷하다. 친한 친구가 내 표정만 보고 무슨 일이 있었는지 정확히 맞히면 반갑다. 처음 만난 사람이 내 표정만 보고 그걸 맞히면 불편하다. 관계의 깊이가 없는 상태에서의 정확함은 친밀함이 아니라 침범으로 읽힌다. 브랜드와 소비자의 관계도 마찬가지다. 관계의 서사 없이 도착하는 정확함은, 아무리 유용해도 신뢰를 사지 못한다.

모르는 척한다는 말이 속인다는 뜻은 아니다. 오히려 반대다. 아는 것을 전부 즉시 사용하지 않는 절제에 가깝다. 사람 사이에서도 상대에 대해 알게 된 사실을 언제 꺼낼지 아는 사람이 신뢰를 얻는다. 알자마자 꺼내는 사람은 아무리 정확해도 피곤한 상대가 된다. 데이터를 쥔 브랜드가 배워야 할 것은 더 많이 아는 법이 아니라, 아는 것을 언제 쓰지 않을지 정하는 법이다.

그러니 개인화 전략을 설계하는 사람이 물어야 할 질문은 "우리가 얼마나 정확히 맞혔는가"가 아니라 "소비자가 그 정확함을 어떤 이야기로 받아들일 수 있는가"다. 데이터는 계속 정교해질 것이다. 골짜기는 사라지지 않는다. 다만 그 골짜기를 건널 다리 — 설명, 여지, 통제감 — 를 놓을 것인지는 여전히 우리의 선택이다.

The smartest recommendation is the one that lets you believe you found it yourself.