국내에서도 페이월 방식에 대한 관심이 높아지고 있죠. 하반기에 중앙일보가 페이월을 개시한다는 소문도 들려오고 있고요. 그 성공 여부에 따라 다른 언론사들도 도입을 검토할 가능성이 높아지고 있습니다.

페이월 도입을 거론할 때 가장 자주 언급되는 언론사가 뉴욕타임스입니다. 가장 성공적인 결과를 내놓고 있기 때문입니다. 알려져 있다시피 뉴욕타임스는 계량형 페이월(metered paywall)을 거쳐서 지금은 다이내믹 페이월(동적 페이월, Dynamic Paywall)을 운용하고 있습니다. 일종이 개인화한 계량형 페이월 모델이라고 할 수 있을 겁니다. 개인적으로 블루닷을 통해 구현하고 싶은 페이월 모델이기도 합니다.

다이내믹 페이월은 머신러닝을 전제로 합니다. 학습할 데이터가 쌓여있어야 구현이 가능하죠. 말그대로 데이터과학과 기술의 영역입니다. 기술 투자에 인색한 국내 언론사의 현실을 감안할 때 뉴욕타임스와 같은 다이내믹 페이월을 전면적으로 도입하고 운영할 수 있는 국내 언론사의 드문 것이 사실입니다.

아래 번역글은 뉴욕타임스의 다이내믹 페이월이 어떻게 설계됐는지를 소개하고 있습니다. 뉴욕타임스가 예측적 머신러닝 모델이 아니라 처방적 머신러닝 모델을 활용하고 있다는 사실이 제법 흥미롭습니다. 그 둘의 차이는 아래와 같습니다. 사실 저 또한 이 차이를 제대로 설명할 수 있을 만큼 전문적 역량을 갖추고 있지는 못합니다. 다만 처방적 머신러닝이 실제적 의사결정을 돕는 모델이라는 정도만 말씀 드릴 수 있을 것 같습니다. 최근 머신러닝의 흐름이 이렇게 흘러가고 있다는 정도와 함께 말이죠.