Netflix AI Discover, 익숙한 추천 기능에 기분 기반 탐색 추가
Netflix는 11월 3일 Netflix AI Discover를 도입하며, 일부 TV 시청자가 기분에 따라 다음에 볼 콘텐츠를 고를 수 있도록 했다. 이번 실험은 기존 시청 기록에 기반한 추천에 더해, 지금 어떤 콘텐츠가 끌리는지를 명시적으로 표현하는 방식을 추가한다. 핵심적인 질문은 실용적이다. 시청 상황을 묻는 방식이 새로운 탐색 공간을 정당화할 만큼 선택을 개선할 수 있을까?
이 차이는 중요하다. 시청 기록과 즉각적인 선호는 서로 다른 질문에 답하기 때문이다. 범죄 드라마를 좋아하는 사람도 오늘 밤에는 가벼운 코미디를 원할 수 있다. 새 탭은 시청자가 제목을 알고 있을 필요 없이, 그러한 일시적 선호가 콘텐츠 탐색 과정에서 눈에 띄는 자리를 갖도록 한다.
Netflix는 iOS의 대화형 검색과 더욱 반응적인 TV 추천을 포함해 이전에도 이 방향을 탐색해 왔다. Prime Video 역시 AI를 활용해 시청 제안을 구성해 왔다. 이제 관건은 탐색 경험 자체다. 테마 선택이 추가적인 수고를 만들지 않으면서 사람들이 만족스러운 선택에 도달하도록 도울 수 있어야 한다.
Netflix AI Discover, 제한적인 TV 실험으로 시작
Netflix의 기분 기반 콘텐츠 탐색 발표는 소규모 회원 그룹을 위한 새 탭을 설명한다. 초기 출시는 지원되는 TV에서 Netflix를 이용하는 미국 내 영어 사용자에게 적용된다. Netflix는 향후 몇 주 동안 접근 범위를 점진적으로 확대할 예정이라고 밝혔다.
초기 경험은 클립과 함께 제시되는 테마로 구성된다. 시청자는 옵션을 선택하고, 이에 맞는 제안을 받은 뒤 추가 테마를 통해 관심사를 좁혀 간다. 다른 방향을 요청할 수도 있다. Netflix는 AI가 이러한 테마 생성에 도움을 주며, 경험이 진행되는 과정에서 결과를 설명한다고 밝혔다.
즉각적인 변화는 제목을 고르기 전에 입력을 제공하는 새로운 방식이다. 시청자는 시청 상황, 이용 가능한 시간 또는 원하는 감정 상태에서 출발할 수 있다. 이는 어떤 영화나 시리즈가 매력적으로 보이는지에 관한 익숙한 판단보다 앞서 선택 과정의 일부를 이동시킨다.
저녁 식사 후 무엇을 볼지 결정하는 가상의 가정을 생각해 보자. 모두 가볍게 볼 만한 것을 원한다는 데는 동의하지만, 특정 영화가 떠오르는 사람은 없다. 기분 중심의 출발점은 개별 제목을 논의하기 전에 함께 표현할 수 있는 공통된 선호를 제공한다. 이 예시는 검증된 사용자 결과가 아니라 의도된 사용 방식을 설명한다.
혼자 콘텐츠를 탐색하는 사람에게도 같은 차이가 적용된다. 어떤 사람은 자신에게 짧은 몰입만 가능한 콘텐츠가 필요하다는 점은 알지만, 어떤 장르가 맞을지는 모를 수 있다. 이 제약은 추천이 나타나기 전에 유용하다. 제목이 그 사람의 전반적인 취향에는 맞더라도, 이용 가능한 시간에는 적합하지 않을 수 있다.
Netflix의 발표는 실험 내에서 추천을 유지하거나 특정 제목이 더 이상 표시되지 않도록 요청하는 제어 기능도 설명한다. 이러한 기능은 콘텐츠 탐색에서 의견 불일치를 하나의 요소로 만든다. 서비스는 거부된 모든 제안을 간접적으로 해석하는 대신, 시청자에게 더 명시적인 반응 수단을 제공한다.
다만 이번 출시는 여전히 실험이다. Netflix는 이 공간을 시간이 지나며 변화할 수 있는 경험을 시험하는 장소로 설명한다. 이런 설명은 개별 기능이 발전하거나 사라지거나, 더 넓은 서비스로 옮겨갈 여지를 남긴다. 현재 인터페이스가 Netflix의 최종 접근 방식을 보여 준다는 뜻은 아니다.
이 차이는 기대를 형성할 때 반영돼야 한다. 초기 접근은 Netflix가 하나의 제품 방향을 시험하고 있음을 보여 준다. 기분 기반 탐색이 만족도를 높인다거나, 지원되는 모든 가정에 도달한다거나, 서로 다른 시청 상황에서 똑같이 잘 작동한다는 사실을 입증하지는 않는다.
시청자에게 가용성과 유용성은 별개의 문제다. 탭을 받는다는 것은 그 사람이 해당 경험을 시도할 자격이 생긴다는 의미다. 이 기능이 일상에서 꾸준히 쓰일지는 결과로 제시되는 추천이 그 순간에 얼마나 잘 맞는지에 달려 있다.
오늘 밤의 의도는 어제의 행동에 기반한 추천에 압박을 가한다
추천은 한 사람의 취향에 맞으면서도 시청 상황을 놓칠 수 있다. 이것이 기분 기반 탐색을 진지하게 볼 가장 강력한 이유다. 과거 행동은 선호에 대한 증거를 제공하는 반면, 즉각적인 선택은 일시적인 예외를 표현할 수 있다.
평소에는 몰입도 높은 드라마를 보지만 저녁을 준비하는 동안에는 배경용 오락거리를 원하는 사람을 상상해 보자. 또 하나의 호평받은 드라마를 추천하는 일은 그 사람의 기록을 정확하게 반영할 수 있다. 그러나 현재 상황을 존중하지 못할 수 있다. 문제는 제목의 품질이 아니라 추천의 시점에 관한 것이다.
이는 개인화, 즉 제안을 개인에 맞게 조정하는 과정을 담당하는 제품 팀에 압박을 준다. 이들은 즉각적인 선호가 언제 확립된 패턴보다 우선해야 하는지 결정해야 한다. 또한 일시적인 요청과 지속적인 취향 변화를 구분해야 한다.
매일 저녁의 선택을 영구적인 것으로 취급하는 시스템은 이후 추천을 왜곡할 위험이 있다. 명시적인 선호를 무시하는 시스템은 상호작용을 무의미하게 느끼게 할 위험이 있다. 설계의 과제는 이전 행동에서 얻은 유용한 정보를 보존하면서 현재 의도에 충분한 영향력을 부여하는 데 있다.
개인의 선호와 가정의 결정 사이에도 차이가 있다. 하나의 프로필 시청 기록이 소파에 함께 앉아 있는 모든 사람을 반드시 설명할 수는 없다. 계정이 특정 개인에게 속해 있더라도, 함께하는 시청 상황은 그룹에 속하는 제약을 가져올 수 있다.
Netflix에게 이는 콘텐츠 탐색이 예측뿐 아니라 조율의 문제이기도 함을 뜻한다. 유용한 인터페이스는 시청자가 합의를 표현하도록 도와야 한다. 이를 위해 완벽한 감정 이해가 필요한 것은 아니다. 다음 결정을 더 쉽게 만드는 옵션을 제시하면 된다.
추론으로서 상업적 논리는 간단하다. 시청자가 매력적인 콘텐츠를 고르지 못한다면, 이용 가능한 오락 콘텐츠의 가치는 제한적이다. 더 나은 탐색은 기존 제목을 더 유용하게 만드는 방법을 제공한다. 이 추론이 유지율이나 시청 시간에 미치는 측정된 효과를 입증하는 것은 아니다.
이번 실험은 인터페이스 쪽으로도 책임을 옮긴다. 시청자가 선호를 제공하면 눈에 보이는 반응을 기대한다. 서비스가 원하는 것을 명시적으로 물은 뒤에는 일반적인 결과를 내놓기가 더 어렵다. 그 요청은 다음 화면을 평가할 수 있는 기준을 만든다.
AI 제품 사용자에게 이러한 기대는 스트리밍을 넘어선다. 우선순위를 묻는 보조 도구는 답변에 그 우선순위를 반영해야 한다. 맥락을 수집하는 일은 출력이 적절하게 달라질 때에만 가치를 더한다. 그렇지 않다면 상호작용에 단계 하나만 추가할 뿐이다.
개발자와 제품 관리자에게 관련된 질문은 더 나은 결과를 받기 전까지 사람이 얼마나 많은 정보를 제공해야 하는가다. 추가 선택이 이후의 불확실성을 없앤다면 그만한 가치가 있을 수 있다. 하지만 익숙한 옵션을 단지 재배열할 뿐이라면 반복된 선택은 부담이 된다.
따라서 Netflix AI Discover는 행동을 관찰하는 것만으로 다음에 무엇을 원하는지 이해할 수 있다는 특정 가정에 압박을 가한다. 직접 묻는 방식은 또 다른 증거 원천을 제공한다. 제품은 여전히 그 증거가 언제 경험을 개선하는지 보여줘야 한다.
테마 선택은 대화형 검색과 다른 경로를 제공한다
2025년 5월 7일 발표된 Netflix의 TV 경험 재설계는 이미 즉각적인 관심사에 반응하는 추천을 강조했다. 같은 발표에서는 일상적인 문구를 사용하는 소규모 선택형 iOS 검색 베타도 소개했다. 이러한 이전 시도는 현재 실험의 분명한 배경을 보여 준다.
테마를 선택하는 일과 요청을 작성하는 일은 시청자에게 서로 다른 요구를 한다. 대화형 인터페이스는 사람들이 원하는 것을 직접 표현하도록 요구한다. 테마 기반 인터페이스는 가능한 출발점을 제공한다. 어느 접근도 자동으로 더 나은 추천을 만들어 내지는 않지만, 각각 시작하는 데 필요한 수고를 바꾼다.
요청 작성은 유연성을 제공한다. 사람은 분위기, 배경, 전개 속도, 제외 조건을 자신의 말로 조합할 수 있다. 그 대가는 그러한 선호를 어떻게 표현할지 결정해야 한다는 점이다. 특히 아무 콘텐츠도 지금은 매력적으로 보이지 않을 때는 어색할 수 있다.
테마는 이러한 상호작용을 뒤집는다. 서비스가 어휘를 제안하고, 시청자는 어느 방향이 가장 가까운지 표시한다. 이는 누군가가 설명하기 어려운 관심사를 알아차리는 데 도움이 될 수 있다. 동시에 이용 가능한 선택지가 어떤 관심사를 쉽게 표현할 수 있는지에 영향을 준다는 뜻이기도 하다.
TV에서는 이 차이가 특히 중요하다. 리모컨으로 옵션을 선택하는 일은 문장을 입력하는 것과 다른 종류의 수고를 요구한다. 따라서 안내형 선택은 합리적인 제품 가설이지만, 발표는 입력 또는 음성 요청과 비교한 성능을 입증하지는 않는다.
더 넓은 업계에는 이미 AI 지원형 구성 사례가 있다. Amazon의 스트리밍 AI 기능 자료는 Prime Video용 개인화 마이크로장르 캐러셀과 AI 생성 검색 결과를 설명한다. 이는 서비스들이 동등한 기술을 사용한다는 점을 보여 주지 않으면서도 관련 경쟁 기준을 제공한다.
이 비교는 독특한 표현만으로는 차별화가 제한적일 것임을 시사한다. 여러 플랫폼이 익숙한 장르 레이블보다 더 구체적인 분류를 제시할 수 있다. 더 중요한 차이는 그러한 분류가 사람들이 원하는 콘텐츠로 이끄는지, 그리고 제안이 빗나갔을 때 회복할 수 있게 하는지다.
이 때문에 핵심 경쟁은 행동에 관한 것이다. 인터페이스가 불확실성을 줄일 수 있는가? 시청자는 왜 특정 제목이 나타났는지 이해할 수 있는가? 전체 과정을 다시 시작하지 않고 결과의 방향을 바꿀 수 있는가? 이러한 질문은 테마가 유난히 구체적으로 들리는지보다 일상적인 유용성에 더 중요하다.
서비스가 얼마나 많은 선택지를 제시할지에는 상충 관계가 있다. 넓은 테마는 이해하기 쉽지만 안내를 거의 제공하지 않을 수 있다. 좁은 테마는 더 강한 방향성을 제공하지만 제한적으로 느껴질 수 있다. 효과적인 진행은 접근하기 쉬운 출발점에서 유용한 구분으로 이동해야 한다.
예를 들어, 한 시청자는 코미디에 대한 일반적인 욕구에서 시작할 수 있다. 다음으로 의미 있는 구분은 더 좁은 장르가 아니라 감정적 분위기에 관한 것일 수 있다. 또 다른 시청자는 몰입 시간이나 함께 보는 사람들에게 적합한지를 더 중요하게 여길 수 있다. 이는 확인된 인터페이스 순서가 아닌 분석적 예시다.
제품은 마음을 바꾸는 일도 지원해야 한다. 콘텐츠 탐색은 종종 이미 가진 선호를 단순히 표현하는 일보다, 자신의 선호를 발견하도록 돕는 과정에 가깝다. 추천은 누군가가 원하지 않는 것이 무엇인지 분명하게 할 수 있다. 유용한 상호작용은 성급한 확신을 강요하지 않으면서도 이 정보를 보존한다.
바로 이 지점에서 Netflix의 기분 추천은 대화 능력의 시연이 아니라 제품 설계의 문제가 된다. 서비스가 대화를 완벽하게 모방할 필요는 없다. 각 상호작용이 더 나은 엔터테인먼트 결정에 기여하도록 만들면 된다.
더 구체적인 제안에도 더 나은 선택의 증거가 필요하다
더 설명적인 추천이 더 만족스러운 시청 세션의 증거는 아니다. Netflix는 하나의 경험을 발표하고 의도된 동작을 설명했다. 출시 자료에는 이 탭이 일반적인 탐색보다 우수하다는 점을 보여 주는 비교 만족도 결과가 제시되지 않았다.
이는 제품의 작동 방식과 실제 성과 사이에 의미 있는 간극을 남긴다. 시스템은 매력적인 테마를 생성하고, 제안의 이유를 설명하며, 피드백에 반응할 수 있지만 여전히 적합하지 않은 제목을 추천할 수 있다. 각 기능은 탐색을 지원할 수 있으나, 어느 하나만으로 성공을 입증하지는 못한다.
Netflix의 추천 제어 기능 문서는 이러한 경계를 더 명확히 한다. 참여는 선택 사항이고, Kids 프로필은 제외되며, 일반 Netflix 서비스는 계속 이용할 수 있다. 회사는 이 경험이 실수할 수 있다고도 경고한다.
특히 관련성이 큰 제약은 부정적 피드백에 관한 것이다. Netflix 도움말 페이지에 따르면 특정 제목을 추천하지 않도록 선택하면 AI Discover 내에서 해당 제목이 제거된다. 이 조치는 서비스의 다른 영역에서 제공되는 추천에는 영향을 주지 않는다. 따라서 시청자는 이 제어 기능이 이 경험에만 적용된다는 점을 이해해야 한다.
이는 기대와 실제 사이의 간극을 만들 수 있다. 누군가는 제안을 거절하는 행위가 더 광범위한 선호를 전달한다고 합리적으로 생각할 수 있다. 해당 제목이 다른 곳에 다시 나타난다면, 문서화된 설계를 따르고 있더라도 서비스가 사용자의 선호를 잊은 듯 보일 수 있다. 사용자는 제품 전체를 평가하기 때문에 명확한 소통이 중요하다.
제목 자체를 거절하는 것과 그 제목이 제시된 맥락을 거절하는 것은 다르다. 시청자는 특정 영화를 싫어할 수도 있고, 이미 봤을 수도 있으며, 단지 오늘 밤 보기에는 맞지 않는다고 여길 수도 있다. 이러한 반응은 서로 다른 향후 행동을 시사한다. 하나의 부정적 신호만으로는 어느 설명이 적용되는지 반드시 드러나지 않는다.
추천이 감정적 언어를 포함하면 문제는 더 복잡해진다. 사람들은 편안한, 긴장감 있는, 가벼운 같은 표현을 서로 다르게 사용한다. 시스템은 그럴듯한 라벨을 적용할 수 있지만 개인의 해석과 일치하지 않을 수 있다. 따라서 자신감 있는 제시는 유용한 수정 기능을 대신하기에 부적절하다.
부드러운 작품을 찾는 시청자는 다른 사람이 무해하다고 여기는 테마에도 이의를 제기할 수 있다. 서스펜스를 원하는 사람은 겉보기에는 적합한 제목이 지나치게 예측 가능하다고 느낄 수 있다. 이러한 사례는 주관적 선호의 모호함을 보여 준다. Netflix의 실험에서 특정 실패가 있었다는 점을 입증하는 것은 아니다.
독립 연구 역시 추천 개선 효과가 모든 이용자에게 동일하다고 간주하지 말라고 경고한다. 2026년 10월 공개된 추천 실험 결과 프리프린트는 별도의 Netflix 추천 테스트를 검토했다. 저자들은 이용 빈도가 높은 사용자에게서는 긍정적 효과가 나타났지만, 덜 활동적인 사용자와 재시청 성향의 사용자에게서는 혜택에 대한 근거가 제한적이었다고 보고했다.
이 논문은 새로운 Discover 탭을 평가하지 않는다. 그 관련성은 방법론에 있다. 서로 다른 집단은 동일한 추천 변경에 다르게 반응할 수 있다. 긍정적인 평균 수치는 가장 적극적으로 참여한 이용자와 다른 시청 습관을 지닌 사람들에게서 더 약한 결과를 감출 수 있다.
이번 실험에서는 가끔 시청하는 이용자에게 특히 주목할 필요가 있다. 이들은 더 명확한 안내의 혜택을 받을 수도 있고, 추가된 목적지가 혼란스럽다고 느낄 수도 있다. 자주 시청하는 이용자는 더 세밀한 구분을 반길 수도 있고, 새로운 라벨 아래에 같은 익숙한 카탈로그가 있다는 점을 알아차릴 수도 있다. 근거 없이 어느 결과도 가정해서는 안 된다.
성공 여부를 측정할 때는 호기심과 지속적인 유용성도 구분해야 한다. 새 기능을 열어 보는 것은 관심의 신호다. 새로움이 사라진 뒤에도 자발적으로 다시 찾는다면 반복되는 문제를 해결한다는 더 강한 근거가 된다. 제목을 재생했다가 곧바로 중단하는 일은 만족스러운 작품을 선택하는 것과는 다른 이야기를 들려준다.
개인정보 보호에 관한 질문에도 비슷한 신중함이 필요하다. 발표 내용은 숨겨진 감정 감지, 공개되지 않은 모델 제공업체, 또는 특정 데이터 보존 관행에 대한 주장을 뒷받침하지 않는다. 기분 중심의 제시 방식을 Netflix가 시청자의 감정 상태를 파악할 수 있다는 증거로 간주해서는 안 된다.
현재로서 방어 가능한 평가는 더 제한적이다. 인터페이스는 선호를 표현할 또 하나의 채널을 만든다. 그 가치는 해석, 수정, 그리고 그에 따른 선택에 달려 있다. Netflix의 기분 추천은 AI라는 라벨에서 추론하기보다 행동을 통해 유용성을 평가해야 하는 실험으로 남아 있다.
앞으로 몇 달이 안내형 탐색이 반복 이용을 얻을 수 있는지 보여 줄 것이다
가장 유용한 다음 신호는 접근성, 지속적인 채택, 그리고 피드백 이후 개선되는 결정에 관한 것이다. 이 신호들은 서로 다른 질문에 답한다. 함께 보면 스크린샷이나 새로움, 또는 서비스가 표시할 수 있는 테마의 수보다 더 명확한 평가를 제공한다.
먼저 11월부터 2월 초까지의 출시 확대를 지켜봐야 한다. Netflix는 향후 몇 주에 걸쳐 접근성을 넓힐 것이라고 밝혔다. 후속 발표나 도움말 문서는 이용 자격이 더 많은 기기, 언어 또는 시장으로 확대되는지, 그리고 초기 경험이 그 과정에서 바뀌는지를 분명히 해야 한다.
확대는 지속적인 투자와 더 많은 시청 상황에 기능을 노출하려는 의지를 보여 줄 것이다. 그렇다고 추천이 더 나아졌다는 사실이 입증되는 것은 아니다. 반대로 제한적인 출시는 자동으로 실패를 뜻하지 않는다. 팀이 기술적 또는 사용성 문제를 해결하는 동안 실험은 좁은 범위에 머물 수 있다.
관련 증거는 구체성이다. 명확한 이용 자격 업데이트는 향후 이용 가능성에 관한 일반적인 언급보다 시청자에게 더 많은 정보를 제공한다. 경험에 대한 문서화된 변경 역시 Netflix가 어떤 부분을 더 발전시킬 만큼 유용하다고 보는지 드러낼 수 있다. 어느 쪽도 독립적인 검증으로 오인해서는 안 된다.
둘째, 지속적인 이용과 의미 있는 결과 보고를 살펴봐야 한다. Netflix AI Discover는 첫 방문을 넘어 관심을 얻어야 한다. 사람들이 자발적으로 다시 찾는다는 증거는 안내형 탐색이 반복되는 필요를 충족한다는 주장을 강화할 것이다. 단순 노출은 더 약한 신호일 뿐이다.
공개되는 모든 결과는 서로 다른 시청자와 상황을 구분해야 한다. 즉각적인 의도를 중심으로 설계된 기능은 서로 다른 의도에 걸쳐 평가해야 한다. 익숙한 작품을 다시 보려는 사람은 낯선 엔터테인먼트를 탐색하는 사람과 과제가 다르다. 이 상황들을 합치면 인터페이스가 실제로 어디에서 도움이 되는지 가릴 수 있다.
유용한 보고는 상호작용과 만족도도 구분할 것이다. 더 많은 선택은 적극적인 탐색을 의미할 수 있지만, 적합한 결과를 찾기 어렵다는 뜻일 수도 있다. 탐색 시간이 줄어든 것은 효율성을 나타낼 수 있지만, 이탈을 반영할 수도 있다. 지표가 신뢰할 수 있는 해석을 제공하려면 충분한 맥락이 필요하다.
셋째, 피드백 제어 기능과 그 적용 범위에 어떤 일이 일어나는지 살펴봐야 한다. 현재 Discover와 Netflix 나머지 영역 사이의 경계는 명시적이다. 더 폭넓은 선호 처리, 더 명확한 수정 옵션 또는 개선된 설명을 보여 주는 향후 문서는 회사가 출시 후 이 경험을 어떻게 발전시키는지 알려 줄 것이다.
이 신호가 중요한 이유는 추천 시스템이 실수에서 회복할 수 있어야 하기 때문이다. 첫 번째 제안이 적합하지 않다고 해서 반드시 결정적인 문제는 아니다. 표현된 선호를 반복해서 무시하는 일은 더 큰 피해를 준다. 신뢰할 수 있는 수정의 증거는 시청자에게 추가 입력을 요청해야 한다는 주장을 강화할 것이다.
반대의 결과는 그 주장을 약화시킬 것이다. 사람들이 이해할 수 있는 반응을 보지 못한 채 제목을 반복적으로 거절한다면, 이 상호작용은 혜택을 입증하지 못하면서 노력을 요구하게 된다. 피드백이 사라지는 듯한 느낌을 매력적인 테마가 무기한 보완할 수는 없다.
경쟁 스트리밍 서비스에 이러한 신호는 탭의 브랜딩보다 더 유용하다. 성공적인 패턴은 일시적인 의도를 쉽게 표현하게 하고, 그것을 눈에 보이게 적용하는 데 있다. 의사결정 과정을 개선하지 않고 어휘만 복제한다면 아이디어의 표면만 재현하게 된다.
AI 제품팀에 더 폭넓은 교훈은 사용자 신호를 해석할 때 절제해야 한다는 점이다. 하나의 행동은 호기심, 일시적 선호 또는 지속적인 비호감을 표현할 수 있다. 제품이 적응한다고 주장한다면 이러한 차이를 고려해 설계하는 것이 필수적이다. 더 많은 입력은 더 많은 기회를 만들지만, 일관되게 대응해야 할 더 큰 책임도 만든다.
TV에 이 탭이 표시된다면 평범한 저녁의 선택을 기준으로 Netflix AI Discover를 평가해 보자. 실제 선호에서 시작해 제안이 이를 반영하는지 살피고, 무언가 잘못되었다고 느낄 때 경험이 어떻게 반응하는지 확인하라. 기능을 첫인상만으로 평가하지 말고, 평소의 탐색 방식과 비교해 필요한 노력을 따져 보라. 유용한 탐색 도구라면 방향을 바꿀 여지를 남기면서도 만족스러운 선택에 도달하도록 도와야 한다. Netflix가 테스트를 확대하고 학습한 내용을 보고하는 동안 이 기준을 염두에 두자. 오늘 밤의 기분을 표현하면 선택이 더 쉬워지는가, 아니면 익숙한 탐색 방식이 여전히 더 빠르게 목적지에 데려다주는가?
