마루날의 雜學辭典

요즘은 궁금한 것이 있으면 무조건 지식in에게 물어보는 것이 상식(?)이다. 얼마 전 아이가 태어난 처남집의 컴퓨터가 하드가 깨져서 부팅이 안되자, 당장 아이때문에 궁금한 것들을 물어볼데가 없어서 굉장히 불편해 하는 것을 보았다.

지금은 네이넘에게 물어보지만, 실제로 궁금한 것이 생기면 대부분은 친구나 주변의 지인들을 통해서 정보를 얻으려고 하는 것이 일반적인 정보 획득 프로세스이다.

나에게 필요한 정보는 내 친구나 지인들로 대표되는 Social Network에서 얻을 수 있다는 기본적인 컨셉을 검색에 적용한 Lijit(http://www.lijit.com)이라는 검색서비스가 있다.




검색에서의 개인화(사용자가 자신의 정보를) 및 개인의 데이터(글, 이미지, 동영상, 북마크 등)를 검색결과로 제공할 뿐만 아니라 블로거의 social network까지 연결하여 원하는 정보를 찾을 수 있도록 서비스를 제공하고 있다.

예를 들어 'www.theblogpound.com'라는 블로그를 운영하는 Leigh-Ahn이라는 블로거의 위젯에 'dog food'라고 검색을 하게 되면, 블로그의 내용과 블로거의 컨텐츠나 네트워크를 중에서 검색을 해서 결과를 제공한다.


Lijit의 검색 위젯을 사용하는 블로거에게는 다양한 통계를 볼 수 있는 통계도구를 함께 제공하고 있다.


그렇다면...

Lijit은 다양한 서비스와 연동 및 연계를 통하여 자신의 정보를 공유하고 개방하는 검색 2.0의 모습이다. Lijit은 최근에 BigSwerve라는 댓글 검색엔진 업체를 인수했는데, 블로그의 미디어로서의 영향력까지 고려해서 결과를 제공하고자 하는 것 같다.

네이넘의 묻고답하기 검색은 답하는 사람에 대한 신뢰도가 보장하지 않는 결정적인 한계가 있는데, Lijit의 경우는 댓글까지 분석을 해서 블로거의 신뢰도나 영향력을 계량화할 것으로 보여진다.

아무튼 검색 2.0에도 역시 웹 2.0의 공유와 개방의 철학은 철저하게 녹아있어야 하는 것 같다.



 마루날의 雜學辭典을 구독하세요~

Feeding하고 있는 블로그에 재미있는 설문조사가 올라왔다.
search 2.0에 대한 간단한 설문조사인데 흥미롭다.

개인적으로 생각하는 search 2.0의 목표는 User intention understanding + Semantic retrieval 이다. 사용자의 검색의 목적이나 의도를 알아서 원하는 결과를 의미기준으로 제공해 주어야 할 것 같다.

설문조사 결과는 순서대로 다음과 같다.

1. Artificial Intelligence (e.g. Hakia, Powerset) 23% (123 votes)

사실 Hakia나 Powerset 모두 자연어검색엔진이라고 자신들을 소개한다. 그런데, 이 검색엔진들을  AI로 분류한 이유는 검색 질의어의 의도를 자연어 기반으로 처리하여 알아내고(아마도 추론 과정이 적용), 검색결과 중에서 질의 의도에 적합한 결과를 알아내는(동일한 추론 과정이 적용)것 때문일 것이다.

실제로 Hakia는 문장구조가 제대로 된(주어/술어 등이 명확한) 질의어에 대하여 매우 놀라운 검색결과를 보여주고 있으며, Powerset의 경우 자신들의 블로그를 통해서 보여지는 데모도 Hakia와 유사한 수준이다.


2. People Powered Search (e.g. del.icio.us, ChaCha) 21% (115 votes)

사실 del.icio.us와 같은 검색은 우리나라의 네이버 지식in과 유사하다고 보여지며, 어떤 측면에서는 Social Search로도 보여진다.


3. Vertical Search (e.g. SimplyHired, Technorati) 15% (81 votes)

아직 놀라운 성능을 보여주는 엔진은 없지만, 동영상이나 사운드 전용 검색엔진은 기대되는 특징 중 하나이다.


4. Personalized Search (e.g. Collarity) 12% (63 votes)

개인화 검색은 사용자의 의도를 파악하여 관련된 랭킹을 통하여 사용자 개인에 최적화된 결과를 보여주는 방식이 있을 수 있고, 또 다른 하는 Collarity와 같이 검색 화면이나 대상을 지정하는 식의 User customized된 개인화 검색도 고려할 수 있다.


5. Clustering (e.g. Clusty, SearchMash) 11% (58 votes)

검색결과의 Visualization과 함께 향후 검색엔진의 기본적인 특성이 될 듯 하다.


6. Social Search (e.g. Eurekster, Rollyo) 7% (37 votes)

사용자들의 행위를 인구통계학적으로 정리하여 통계적인 형태의 recommendation을 해주는 형태인데, 아마도 개인화 검색과 연계가되어 향후 검색의 가치를 높여줄 것으로 보여진다.


7. Visualization (e.g. Quintura and Kartoo) 6% (33 votes)

 검색결과에 대한 Clustering이나 Visualization은 중복 정보의 제거나 새로운 정보의 탐지 등에 활용하기 적합한 기술로서 검색 정확도를 높이는 방식 중 하나가 될 것이다.

8. Previews (Snap, Live Image Search) 5% (25 votes)

이미 많은 도전들이 있었지만, 그렇게 썩 좋은 반응을 얻지 못한 서비스들이 많았었다. 하지만, 검색결과 중에서 사용자들이 원하는 정보를 확인하기 위한 브라우징 코스트를 생각하면, 분명 필요한 기술이 될 것이다.

덧)
개인적으로는 위의 8가지 검색서비스와 함께 가장 큰 특징이 될 요소는 'Convergence'라고 생각한다. 지금은 웹 검색, 무선 검색으로 나뉘어져 있지만, 웹 검색을 무선에서도 하면서, 무선에서도 웹의 정보를 검색할 수 있는 서비스가 출현할 것으로 예상된다.

물론 지금도 가능하지만, 실용성이 매우 떨어지는 형태인데, 예를 들어서 무선에서 검색을 했는데, 검색결과가 웹 정보라면 지금 처럼 Full browsing만이 아닌, 정보를 요약해서 무선 검색 화면에 맞추어 제공한다는 식의 서비스를 생각해 볼 수 있다.