추천 시스템은 어떻게 ‘나의 취향’을 ‘다수의 취향’으로 바꾸는가

1. 추천 시스템은 어떻게 ‘나의 취향’을 ‘다수의 취향’으로 바꾸는가

— 인터넷 쇼핑몰·맛집 탐방에서 벌어지는 욕망의 표준화 분석

---

Ⅰ. 질문 요약

➡ 인터넷 쇼핑몰의 “이 상품을 본 사람들이 함께 본 상품”, 맛집 앱의 “지금 가장 인기 있는 곳”, SNS의 “요즘 뜨는 메뉴”는 모두 같은 질문을 던진다.
“당신이 좋아할 만한 것”은 정말 ‘당신’의 취향인가, 아니면 이미 다수가 선택한 취향의 복사본인가?
이 질문은 앞서 논의한 알고리즘이 ‘타자의 욕망’을 표준화하는 방식이, 일상적 소비 영역에서 어떻게 작동하는지를 드러낸다.

---

Ⅱ. 질문 분해

1. 추천 시스템은 취향을 어떻게 정의하고 계산하는가?
2. 개인의 욕망은 어떤 과정을 거쳐 ‘다수의 취향’으로 수렴되는가?
3. 쇼핑·맛집 추천에서 이 현상은 왜 특히 강력하게 나타나는가?
4. 이 구조는 취향의 다양성과 자율성에 어떤 영향을 미치는가?
5. 우리는 이 구조 속에서 어떤 윤리적·실천적 태도를 취할 수 있는가?

---

Ⅲ. 심층 분석 — 취향이 만들어지는 구조

제1명제 — 취향은 더 이상 ‘내면’이 아니라 ‘패턴’이다

추천 시스템에서 취향은 이렇게 정의된다.

• 무엇을 클릭했는가
• 얼마나 오래 머물렀는가
• 장바구니에 넣었는가, 구매했는가
• 다른 사람들과 얼마나 비슷한 행동을 했는가

이때 취향은 “내가 좋아한다고 느끼는 것”이 아니라,
➡ 행동 데이터의 유사성으로 환원된다.

결과적으로 취향은 고백이나 사유의 문제가 아니라
**군집(clustering)**의 문제가 된다.

---

제2명제 — “비슷한 사람들이 선택한 것”이 욕망의 대리물이 된다

쇼핑몰과 맛집 앱의 핵심 문장은 거의 같다.

• “이 상품을 구매한 사람들이 함께 구매한 상품”
• “이 지역에서 요즘 가장 많이 찾는 맛집”

이는 라캉적으로 보면,
➡ ‘타자의 욕망’을 직접 보여주는 장치다.

문제는 여기서 발생한다.
타자의 욕망이 수수께끼로 남지 않고,
즉시 따라야 할 힌트로 제시된다는 점이다.

➡ 욕망은 해석의 대상이 아니라 참고 지표가 된다.

---

제3명제 — 추천은 선택을 돕는 것이 아니라, 선택의 방향을 고정한다

추천 시스템은 겉으로는 이렇게 말한다.
“선택지를 넓혀준다.”

그러나 실제로는 다음이 동시에 일어난다.

• 노출되는 선택지는 이미 필터링되어 있고
• 다수가 선택한 것일수록 더 많이 노출되며
• 덜 선택된 것은 점점 보이지 않게 된다

이 구조는 결과적으로
➡ 취향의 ‘롱테일’을 잘라내고, 중심값만 강화한다.

---

제4명제 — 맛집 탐방의 표준화: ‘맛’이 아니라 ‘검증된 선택’을 소비한다

맛집 추천의 핵심은 이제 ‘맛’이 아니다.

• 실패하지 않을 확률
• 인증 사진의 수
• 별점의 안정성

사람들은 이렇게 말한다.
“여긴 다들 가는 데니까.”

이 문장은 중요하다.
➡ 선택의 기준이 미각이나 호기심이 아니라
타인의 선택 이력으로 이동했음을 보여준다.

결과적으로 우리는
맛을 먹는 것이 아니라,
‘다수가 승인한 선택’을 소비한다.

---

제5명제 — 취향의 자기강화 루프

이제 루프가 완성된다.

1. 다수가 선택한 상품·식당이 추천된다
2. 추천되었기 때문에 더 많이 선택된다
3. 더 많이 선택되었기 때문에 다시 추천된다

이 과정에서 발생하는 착시는 이것이다.
➡ “이게 인기 있는 이유가 있으니까.”

그러나 실제로는
인기이기 때문에 더 인기 있어진 것일 수 있다.

➡ 취향은 발견되는 것이 아니라 증폭된다.

---

Ⅳ. 주체의 변화 — ‘취향을 고르는 인간’에서 ‘취향을 따라가는 인간’으로

이 구조 속에서 인간은 이렇게 변한다.

• “내가 뭘 좋아하는지” 묻기보다
• “다들 뭘 선택했는지”를 먼저 본다

취향은 실험이 아니라 리스크 관리가 된다.
실패하지 않기 위해,
다수의 선택에 편승한다.

➡ 개인의 취향은 점점
다수의 평균값에 접속하는 기술이 된다.

---

Ⅴ. 라캉적 재해석 — 대상 a의 일상화

앞선 논의를 연결하면 다음과 같다.

• 대상 a는 원래 결핍의 흔적, 설명되지 않는 끌림이었다
• 추천 시스템은 그 끌림을
  ➡ “많이 선택된 것”이라는 가시적 신호로 대체한다

그래서 우리는 이렇게 착각한다.
“이걸 원했던 것 같아.”

하지만 실제로는
➡ 원하도록 설계된 대상을
원하고 있을 가능성이 크다.

---

Ⅵ. 다섯 차원 정리 (5중 결론)

1️⃣ 인식론적
➡ 추천 시스템은 취향을 내면의 감각이 아니라 집단 데이터의 평균으로 정의한다.

2️⃣ 분석적
➡ 개인의 욕망은 ‘비슷한 사람들의 선택’이라는 통계적 근거로 재조립된다.

3️⃣ 서사적
➡ 취향의 서사는 탐색과 실패의 이야기에서, 검증된 선택의 리스트로 바뀐다.

4️⃣ 전략적
➡ 플랫폼은 다수의 취향을 강화함으로써 소비를 예측 가능하게 만든다.

5️⃣ 윤리적
➡ 취향의 윤리란, 때로는 실패할 자유를 감수하며
다수의 기준에서 벗어난 선택을 허용하는 태도다.

---

Ⅶ. 여백의 메모

우리는 종종 이렇게 말한다.
“괜히 이상한 데 갔다가 실패하기 싫어서.”

이 말은 합리적이다.
하지만 동시에,
취향이 자라날 공간이 사라지고 있다는 신호이기도 하다.

취향은 안전할 때 만들어지지 않는다.
조금 어긋나고, 조금 실패할 때
비로소 자기 것이 된다.

---

Ⅷ. 확장 질문

1. 추천 시스템이 없는 환경에서 취향은 어떻게 형성되는가?
2. ‘별점·랭킹 없는 맛집’은 새로운 윤리가 될 수 있는가?
3. 실패 경험을 허용하지 않는 사회는 어떤 인간을 만드는가?
4. 교육에서 추천 알고리즘은 탐색 능력을 키우는가, 줄이는가?
5. 느린 선택, 우연한 선택은 오늘날 어떤 저항의 의미를 갖는가?

---

Ⅸ. 핵심 키워드

추천 알고리즘, 취향의 표준화, 다수의 욕망, 평균화, 맛집 랭킹, 소비의 안전화, 대상 a의 일상화, 선택의 자기강화 루프, 실패할 자유

---

요약하면 이렇다.
추천 시스템은 취향을 없애지 않는다.
대신 취향이 혼자 자라날 시간을 빼앗고,
다수가 이미 선택한 길 위에 조용히 올려놓는다.

그 순간, “내가 좋아한다”는 말은
“이미 많이 좋아진 것이다”와
거의 같은 의미가 된다.