트래픽 비결: X 추천 알고리즘과 효과적인 운영 전략 해제하기
저자: murmurmurphy.eth
Web3 분야에서 X(구 Twitter)는 프로젝트 운영과 시장 확장을 위한 핵심 거점이다. 또한 실무자와 투자자에게 있어 X는 개인 영향력을 강화할 수 있는 최적의 플랫폼일 뿐 아니라 새로운 기회를 발굴할 수도 있는 공간이다. 본문에서는 추천 알고리즘의 비밀을 밝히고, 신속하게 콘텐츠 노출과 상호작용을 높이는 실행 가능한 운영 전략을 공유한다.
본문은 X의 공식 추천 알고리즘 관점에서 출발해 알고리즘 로직을 분석하고, 즉시 적용 가능한 운영 전략을 제시함으로써 당신이 빠르게 성과를 낼 수 있도록 돕는다.
참고: 추천 알고리즘의 세부 절차가 궁금하지 않으신가요? 바로 아래 「트윗 유도 전략 및 리듬 관리」와 「고효율 유입 및 레버리지 전략」 부분으로 이동하여 실전 팁을 확인하세요.
X(Twitter) 추천 알고리즘 프로세스
Twitter의 「For You」 타임라인 추천 시스템의 핵심은 다양한 사용자 상호작용 데이터를 기반으로 각 트윗에 대한 사용자의 관심도를 예측하는 것이며, 구체적인 프로세스는 아래 그림과 같다:
Step1. 데이터 수집(Data) 이러한 데이터들은 추천 시스템의 '원료' 역할을 하며, 이후 특성 추출 및 모델 훈련을 위한 견고한 기반을 제공하여 알고리즘이 사용자의 관심사와 행동 특성을 정확하게 파악할 수 있도록 한다.
-
Social Graph: 사용자 간의 팔로우 관계와 상호작용을 수집하여 사용자의 소셜 네트워크를 구성하고, 이후 추천 과정에서 사용자의 소셜 서클과 활성 관계를 식별하는 근거를 제공한다.
-
Tweet Engagement: 좋아요, 댓글, 리트윗 등 사용자가 트윗과의 다양한 상호작용을 추적한다. 콘텐츠의 인기 정도와 사용자 관심도를 반영하며, 알고리즘이 트윗의 질과 적합도를 평가하는 데 중요한 데이터를 제공한다.
-
User Data: 사용자의 개인 취향, 사용 습관, 과거 행동 정보 등을 수집하여 모델이 사용자의 관심사와 행동 패턴을 더욱 정밀하게 식별하고 예측할 수 있도록 지원한다.
Step2. 특성 추출(Features) 원시 데이터를 확보한 후, 시스템은 일련의 '도구'를 활용해 데이터를 심층적으로 가공하여 머신러닝 모델이 사용할 수 있는 특성 지표를 생성한다.
-
GraphJet: 실시간 그래프 엔진으로, 사용자와 트윗 간 양방향 상호작용을 분석한다.
-
RealGraph: 실제 소셜 관계와 상호작용 패턴을 포착한다.
-
SimClusters: 클러스터링 알고리즘을 활용해 관심사가 유사한 사용자 또는 트윗을 그룹화하여 잠재적 연관성을 발견한다.
-
TwtNN: 딥러닝 모델로 다차원적 특성을 추출하여 사용자 관심사를 보다 정밀하게 파악한다.
-
TweepCred: 플랫폼 내 사용자의 신뢰도와 영향력을 측정하여 신뢰 평가에 참고 자료를 제공한다.
-
Trust & Safety: 위반 또는 유해 콘텐츠를 감지하고 필터링하는 전담 시스템으로, 추천 콘텐츠의 안전성과 규정 준수를 보장한다.
이러한 도구들을 통해 시스템은 방대하고 복잡한 원시 데이터를 구조화된 특성으로 변환하여, 어떤 트윗이 추천될 가치가 있는지를 정밀하게 판단하는 기반을 마련한다.
Step3. 후보군 생성(Candidate Source) 이 단계에서는 방대한 트윗 중에서 사용자의 관심사에 잠재적으로 부합할 수 있는 콘텐츠를 신속하게 선별하여 후속 순위 매기기 과정을 위한 데이터 기반을 마련한다. 주로 다음 네 가지 경로를 통해 이루어진다:
-
Search Index: 키워드 또는 인기 검색어를 기반으로 현재 트렌드와 관련된 트윗을 추출한다.
-
CR Mixer: 후보 리스트를 혼합, 중복 제거 및 필터링하여 후속 핵심 순위 매기기 엔진에 전달한다.
-
UTEG: 사용자, 트윗 및 포함된 키워드나 주제 간의 관계를 그래프 형태로 구성하여 알고리즘이 사용자와 콘텐츠 간 깊은 연관성을 이해하도록 돕는다.
-
FRS: 관심 있을 만한 미팔로우 계정을 식별하고 해당 계정의 트윗을 후보군에 포함시켜 계정 다양성을 높이고, 더 많은 고품질 콘텐츠를 발견할 수 있도록 돕는다.
전반적으로 이 단계는 다각도·다채널의 선별을 통해 후보 리스트가 현재의 핫이슈뿐 아니라 사용자의 장기적 관심사도 반영되도록 하여 정밀한 순위 매기기를 위한 견고한 기반을 마련한다.
Step4. 순위 매기기 엔진(Heavy Ranker) 이 단계에서는 시스템이 딥뉴럴네트워크(DNN)를 사용해 각 후보 트윗을 평가한다. 먼저 사용자가 좋아요, 댓글, 리트윗 등 다양한 상호작용을 할 가능성(예측 확률)을 계산한 후, 이를 사전 설정된 가중치와 곱해 누적하여 각 트윗의 종합 점수(score)를 산출한다. 점수가 높을수록 타임라인에 노출될 가능성이 커진다.
2023년 4월 5일 Twitter 공식 GitHub에서 공개한 기본 가중치에 따르면, 각 상호작용의 가중치와 의미는 대략 다음과 같다:
각 긍정 및 부정 상호작용에 가중치를 부여함으로써 Heavy Ranker는 사용자가 가장 선호할 가능성이 높은 콘텐츠를 신속히 식별하고, 반대로 노출을 줄여야 할 콘텐츠도 판단할 수 있다.
Step5: 규칙 및 필터링(Heuristics & Filtering) 순위 매기기가 완료된 후에는 일련의 규칙을 통해 추가 조정이 이루어져 추천 콘텐츠가 다양하면서도 플랫폼 기준을 충족하도록 한다. 이 과정에서는 트윗의 전반적 인기도 및 소셜 인정도를 확인하고, 작성자의 다양성에도 주목하여 동일 출처의 콘텐츠가 과도하게 집중되지 않도록 한다. 또한 트윗에 위반, 민감 정보 또는 과도한 중복이 존재할 경우, 시스템은 가시성 하락 또는 필터링을 통해 사용자 경험과 콘텐츠 보안을 유지한다. 이 단계는 말하자면 "최종 검증" 단계로, 중복, 위반 또는 부적절한 콘텐츠를 감점하거나 차단하는 역할을 한다.
Step6: 혼합 출력(Mixing) 및 타임라인 생성 마지막으로 시스템은 앞선 순위 매기기 및 필터링을 거친 트윗들에 광고 콘텐츠와 추천 새 팔로우 대상을 추가하여, 사용자에게 풍부하고 균형 잡힌 정보 타임라인을 제공한다. 시스템은 사용자의 새로운 행동 데이터를 바탕으로 지속적으로 조정하여 콘텐츠가 계속해서 사용자의 관심사에 부합하도록 한다.
한 줄 요약: Twitter는 데이터 수집, 특성 추출, 후보 생성, 순위 매기기 및 필터링, 혼합 출력이라는 일련의 프로세스를 통해 사용자 선호도에 가장 부합하는 콘텐츠를 층층이 선별하여 제시한다.
트윗 유도 전략 및 리듬 관리
트윗이 목표 사용자의 타임라인에서 더 많은 노출을 얻기 위해서는 후보 생성과 핵심 순위 매기기라는 두 핵심 단계에 초점을 맞춰야 하며, 콘텐츠가 시스템에 의해 후보 리스트에 포함되고, 순위 매기기 단계에서도 높은 점수를 받을 수 있도록 해야 한다. 아래는 효과 입증된 실전 팁들이다:
1⃣기초 상호작용: 좋아요, 댓글, 리트윗 유도
순위 매기기 엔진에서 '댓글 달기'의 가중치 점수는 가장 높으며, 특히 '댓글에 작성자가 응답하는 상호작용 연장'의 가중치는 무려 75.0에 달한다. 이러한 양방향 상호작용은 매우 강력한 긍정 신호로서, 트윗이 단순히 관심을 끌었을 뿐 아니라 작성자의 추가 참여까지 유도했다는 것을 의미하며, 이는 노출도를 크게 높인다. 개방형 질문이나 논쟁적인 주제를 제시해 독자의 댓글을 유도하고, 동시에 적극적으로 댓글에 회신하며 사용자의 질문이나 생각에 대해 심층 토론을 나누자. 이렇게 하면 댓글 수를 늘릴 뿐 아니라 독자가 존중받는 느낌을 받아 계정에 대한 충성도도 높아진다.
2⃣심화 상호작용: 프로필 방문 및 연장 열람 유도
한 편의 트윗을 통해 다른 사람이 당신의 프로필을 방문하고, 더 많은 콘텐츠를 살펴보고자 하는 흥미를 유발하는 것(가중치 12.0)은 사용자가 콘텐츠 자체뿐만 아니라 작성자의 다른 작품도 알아보려는 의지를 나타낸다.
트윗 내에서 명확한 유도 문구를 제시하여 프로필 방문을 장려하자. 또한 고정 트윗이나精选 리스트(Moments) 등의 기능을 활용해 가장 우수한 콘텐츠를 정리하면, 프로필 방문자가 빠르게 정보를 획득하고 추가 상호작용을 하기 쉬워진다.
3⃣ 안정성과 폭발성: 장기 및 단기 상호작용의 균형
Twitter의 「장기 (50일) + 단기 (3일 혹은 30분)」 롤링 어그리게이션 특성은 플랫폼이 장기간의 성과뿐 아니라 최근 또는 실시간 동적 성과도 실시간으로 추적한다는 것을 의미한다. 구체적으로:
-
장기 성과: 정기적으로 고품질 롱테일 콘텐츠(예: 매일 매크로 데이터 분석)를 게시하여 안정적인 상호작용을 지속적으로 축적하고, 브랜드 권한을 구축한다.
-
단기 폭발: 핫이슈 및 팬들의 활성 시간대를 적절히 활용해 신속하게 실시간 콘텐츠를 생산하여 단기간 내 높은 상호작용을 얻고, 단기 어그리게이션 데이터에서의 성과를 높인다.
또한 장기 및 단기 데이터는 지속적으로 갱신되며, 플랫폼은 항상 당신의 새로운 활동을 주시하고 있다. 따라서 정기적으로 상호작용 데이터와 팔로워 증가율을 모니터링하고, 단기 상호작용이 감소하는 징후를 발견하면 즉시 주제나 게시 시간을 조정하여 장기 데이터 성과에 악영향을 주지 않도록 해야 한다.
4⃣ 집단 상호작용: 소셜 그래프 확장 및 자연스러운 토론 유도
실제 계정 간 상호 언급을 통해 플랫폼의 「RealGraph(실제 그래프)」는 사용자 간 자연스러운 상호작용을 포착하며, 「GraphJet(실시간 그래프 엔진)」은 당신의 소셜 그래프 데이터를 실시간으로 업데이트한다. 이를 통해 활성 사용자를 식별할 수 있을 뿐 아니라, 당신과 파트너 사이의 연결을 더 많은 사용자가 인지하게 되어 추가 노출 효과를 얻을 수 있다. 댓글란의 상호작용 또한 매우 중요하다. 예를 들어, 댓글에 좋아요 누르기/댓글 답변하기, 2분 이상 머무르기 등의 행동은 각각 11.0 및 10.0의 가중치를 갖는다.
💡물론 다양한 전략을 조합하는 것이 더 큰 효과를 낸다. 예를 들어 동일한 주제를 중심으로 여러 각도에서 시리즈 트윗을 작성한 후, 그중 한 편을 메인 트윗으로 '입구'로 삼고, 댓글란이나 프로필 상단에 다른 관련 콘텐츠 링크를 배치하여 여러 콘텐츠를 서로 연결하는 것이다. 시리즈 콘텐츠와 상호 링크는 관련 후보 트윗 간 연관성을 강화하며, 후보 생성 및 소셜 그래프를 확장하고, 추가 상호작용(예: 프로필 방문)을 유도할 수 있다. 또한 이러한 콘텐츠 연계는 단기간에 높은 상호작용을 유발하면서 장기적인 콘텐츠 매트릭스를 형성하여 롤링 어그리게이션(50일+단기) 통계에서 안정적인 성과를 유지하도록 돕는다.
이러한 시리즈 연계 전략은 콘텐츠 생태계를 풍부하게 만들 뿐 아니라, 플랫폼 알고리즘이 상호작용과 연관성을 평가하는 기준에도 부합하여 전체적인 노출률 향상에 기여한다.
고효율 유입 및 레버리지 전략
1⃣트렌드 레버리지: 빠른 반응 및 핫이슈 따라잡기
데이터 수집 단계에서 시스템은 핫이슈로 인한 높은 상호작용과 사용자 관심을 「트윗 상호작용(Tweet Engagement)」과 「사용자 데이터(User Data)」에 포함시키며, 여기서 드러나는 '새로움' 또는 '시의성'을 핵심 특성으로 간주한다. 이러한 특성은 알고리즘이 콘텐츠의 현재 인기와 관련성을 판단하는 데 도움이 되므로, 핫이슈를 신속히 따라가는 트윗은 후보 생성 단계에서 우선적으로 선택될 가능성이 높으며, 「핵심 순위 매기기(Heavy Ranker)」에서 꾸준히 증가하는 상호작용량으로 인해 점수가 지속적으로 상승하고, 결국 「혼합 출력(Mixing)」에서 더 높은 노출 기회를 얻게 된다.
실효성 있는 방법은 핫이슈의 즉시성을 활용해 첫 번째로 관련 코멘트나 통찰을 게시함으로써 선점을 확보하는 것이다. 게시 후에는 사건 진행 상황에 따라 지속적으로 의견을 업데이트하거나 정보를 보완하여 트윗의 활성도를 유지해야 한다. 시스템은 상호작용과 댓글 데이터를 종합해 콘텐츠의 신선도를 판단하므로, 이후 점수 산정 및 추천에서 더 높은 가중치를 받으며, 당신의 콘텐츠가 전체 추천 프로세스에서 지속적으로 우위를 점할 수 있도록 한다.
2⃣논쟁 레버리지: 논란 및 토론 포인트 창출
독창적인 통찰이나 논란이 될 수 있는 주제를 제시하면 신속히 많은 토론과 답변을 유도하여 강력한 상호작용 신호를 발생시킬 수 있다. 특히 KOL들이 해당 주제에 참여해 리트윗 및 댓글을 달 경우, 트윗은 더 광범위한 사용자 노출 기회를 얻을 수 있다. 그러나 논쟁 레버리지를 사용할 때는 토론이 합리적이고 이성적인 범위 내에서 유지되도록 해야 하며, 위반 또는 민감 콘텐츠로 인한 부정적 피드백(예: 숨김, 차단, 신고 등)을 피해야 한다. 왜냐하면 이러한 부정적 조치의 가중치는 -74.0에서 -369.0에 달해, 해당 트윗의 노출에만 영향을 주는 것이 아니라 계정 전체에 부정적인 영향을 미칠 수 있기 때문이다.
3⃣명인 레버리지: 핫이슈 인물 또는 기관과의 상호작용
핫이슈 인물 또는 기관과의 상호작용, 특히 영향력이 큰 계정의 상호작용은 시스템이 계정의 「신뢰도(TweepCred)」와 전파 가능성이 높다고 판단하게 하며, 이러한 신호는 사용자의 「소셜 그래프(Social Graph)」에 직접 반영된다. 이러한 상호작용은 콘텐츠 자체의 소셜 가치를 높일 뿐 아니라, 딥러닝 모델을 통해 추가로 확대되어 최종 「혼합 출력(Mixing)」에서 더 높은 노출률을 얻는다.
따라서 관련 핫이슈 인물 또는 기관을 언급하거나 @처리하여 노출을 늘릴 수 있으며, 동시에 적절한 타이밍에 상호작용을 통해 그들의 응답을 유도함으로써 2차 전파를 촉진할 수 있다. 이 전략은 당신의 콘텐츠를 더 광범위한 소셜 네트워크로 확장시키고, 신뢰도와 전파 효과를 더욱 높이는 데 도움이 된다.
결론
안정적인 고품질 콘텐츠 생산을 유지하고, 단기적 핫이슈를 잘 포착하며, 다양한 상호작용 기술을 활용하고, 지속적으로 데이터를 추적하면서 전략을 즉시 조정한다면, 알고리즘 가중치가 어떻게 변화하든 당신은 완벽하게 대응할 수 있다. 만약 다른 유익한 경험을 갖고 계시다면, 댓글 섹션에서 자유롭게 공유해주길 바란다.
마지막까지 읽어주셔서 감사합니다! 이 내용이 도움이 되었다면, 저의 계정 @0x_kuma을 팔로우하고, 좋아요, 댓글, 리트윗을 남겨주시는 것이 저에게 가장 큰 격려가 됩니다!
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@0x_kuma
