2006년 12월, 인공지능 로봇 에이전트를 표방했던 SK텔레콤의 일미리(1mm) 서비스가 조용히 사라졌다. 일미리는 이용자가 미리 등록해 놓은 개인정보와 유저가 컨텐츠를 구입하려는 시점에서 로봇과의 대화를 통해 얻은 그 시점의 기분 등과 같은 정보를 조합하여 그 시점에서 유저에게 가장 적합한 컨텐츠를 추천해 주는 서비스다. SK 텔레콤은 특히 일미리와의 연동을 통한 멜론에서의 음악 컨텐츠 구매에 기대를 모았던 듯하다.

 사실 PC에 비해 조작이 불편한 휴대폰에서 각 유저에게 적합한 컨텐츠나 상품을 추천해 주는 추천엔진의 유용성은 말할 나위가 없다. 그러나 이것은 유저가 의식하지 못하는 사이에 이루어질 필요가 있다. 아마존의 경우가 그러하다. 자신도 모르는 사이 과거의 구매이력 등을 분석하여 상품을 추천해 주기 때문에 유저는 이 기능을 이용하기 위해 특별히 무언가를 할 필요가 없다.

 일미리의 경우 여기에 유저의 기분이나 현재위치, 상황 등을 접목하여 컨텐츠를 추천해 주려는 시도는 좋았으나 이를 위한 정보를 유저가 그때그때 입력해야 했던 번거로움이 실패로 이어진 것으로 판단된다.

 그렇다면 어떻게하면 유저의 기분이나 현재위치, 상황 등을 유저가 알지 못하는 사이에 휴대폰이 스스로 파악해 낼 수 있을까. 이를 위해서는 인간의 행동과 관련되 수많은 데이터를 저장하고 활용할 수 있는 기술이 필요한데, 이것은 현재 '라이프로그'라는 명칭하에 연구가 진행되고 있다.

 라이프로그라는 단어는 미 국무부의 연구기관인 DARPA(방위고등연구계획소)의 라이프로그 프로젝트에서 나왔다. 2003년에 이루어진 이 프로젝트는 전세계적인 테러에 맞서기 위해 정보활동과 관련된 에이전트의 모든 행동을 기록하는 것이었다. 이 프로젝트 자체는 개인의 프라이버시 침해를 우려한 시민단체의 항의로 중단되었으나 그 개념과 용어는 현재까지도 다양한 연구기관에서 활용되고 있다. 일례로 마이크로소프트리서치의 '마이라이프비츠(MyLifeBits)'라는 실험이 있다. 마이라이프비츠는 말 그대로 내 인생의 모든 정보를 디지털화하겠다는것으로, 개인이 열람한 이메일과 웹사이트, 책, 서류 등 하루종일 개인이 보고 듣는 모든 시청각 정볼르 디지털 데이터베이스화한다. 그리고 나서 이를 검색엔진을 통해 손쉽게 찾아볼 수 있도록 하는 것이다. 이렇게 하면 자신도 기억 못하는 과거의 일이나 만났던 사람에 대한 정보 등을 쉽게 찾아볼 수 있다.

 사실 라이프로그는 모바일 연계의 행동 타케팅을 가능하게 하는 핵심요소로, 검색 연동형 광고가 웹2.0을 리드했다면 웹3.0시대를 리드하는 것은 바로 라이프로그와 연계한 행동타케팅 광고가 될 것이다. 이렇게 본다면 비록 실패로 끝나기는 했지만 일미리의 방향성에 대해서는 평가를 해주고 싶다.

 일본 KDDI와 산업기술종합연구소는 2005년 11월, 베이지언넷이라는 휴대폰용 추천엔진을 개발했다고 발표했다. 이것은 미리 등록된 유저 프로필과 상품 구매시 입력하도록 되어있는 당시의 기분이나 상황정보에 따라 상품을 추천해 주는 것으로, 그 개념이 SK텔레콤의 일미리와 매우 유사하다. 이에 더해 KDDI는 2006년 10월 라이프팟(Life Pod)이라는 시스템을 공개했는데, 여기서는 휴대폰을 정보수집 툴로 활용한다. 휴대폰에 탑재되어 있는 GPS, 디지털카메라, 바코드리더, RFID태그 및 리더 등을 활용하여 수집한 정보를 간단히 블로그에 업로드할 수 있도록 했다. 예를들어 라이프팟으로 수집한 개인 정보와 베이지언넷을 결합한다면 보다 효과적인 행동타게팅이 가능해질 것이다.

 현 시점에서 모바일 행동 타게팅을 실현하는 도구로 주목받고 있는 것으로는 휴대폰 다이어리와 GPS, RFID 등이 있다. 먼저 휴대폰 다이어리와 관련해서는 유저가 휴대폰 다이어리에 기록해 놓은 스케쥴 데이터를 활용하는 것이다. 예를 들어 어느 유저가 주말 토요일 오후 6시에 명동에서 친구와 만나기로 약속을 하고 그 내용을 휴대폰 다이어리에 입력해 놓았다고 하자. 그 내용을 바탕으로 약속시간에 맞추어 명동지역의 로컬정보를 추천(PUSH)할 수 있다. 이 때 친구와 함께 있다는 컨텍스트 정보를 활용하면 오후 8시에 유저가 로컬 정보를 검색한 경우 이미 저녁을 먹었을 것으로 생각하고 그 이후에 갈만한 장소에 대한 정보를 분배할 수 있다.

 GPS의 경우 위치 정보를 전제로 한 실세계에서의 행동범위 로그와 그 안에서 실제로 상품이나 서비스를 구입한 구매이력을 조합함으로써 어느 유저가 일반적으로 '어디서 어떤 상품을 구입하는 일이 많은가'를 판단할 수 있다.