트위터 '추천' 알고리즘: 조회수 분배 방식

대부분의 트위터 작성자들은 동일한 문제에 직면합니다. 게시물이 허공으로 사라지는 것입니다. 좋은 글, 적절한 타이밍, 인기 있는 주제에도 불구하고 조회수가 없습니다. 그 이유는 거의 항상 동일합니다. 게시물이 '추천' 피드에 들어가지 못했기 때문입니다. 트위터의 '추천' 알고리즘은 추천 콘텐츠를 무작위로 선택하는 것이 아닙니다. 이는 작성자의 팔로워를 넘어 누가 게시물을 볼지 결정하는 다단계 평가 시스템입니다. 이 작동 방식을 이해한다는 것은 맹목적으로 게시하는 것을 멈추고 도달 범위를 진정으로 이끄는 메커니즘과 함께 작업하기 시작한다는 것을 의미합니다.

'추천' 피드란 무엇이며 '팔로잉' 피드와 어떻게 다른가요?

트위터 '추천' 피드는 사용자가 작성자를 팔로우하는지 여부와 관계없이 게시물을 보여주는 홈페이지의 알고리즘적으로 생성된 섹션입니다. 이는 사용자가 팔로우하는 계정의 콘텐츠만 표시하는 '팔로잉' 탭과는 근본적인 차이입니다.

'추천' 피드에 진입한다는 것은 계정에 대해 전혀 들어본 적 없는 잠재 고객으로부터 노출을 얻는 것을 의미합니다. 여기서 유기적 성장이 일어납니다. 새로운 사용자가 게시물을 보고 상호 작용하며 구독합니다. 대부분의 작성자에게 트위터 추천 피드는 새로운 조회수와 팔로워의 주요 원천입니다.

X는 2026년 5월 GitHub에 업데이트된 '추천' 알고리즘을 공개하여 개발자와 마케터가 실제 순위 로직에 접근할 수 있도록 했습니다. 이는 주요 플랫폼이 추천 시스템의 원칙을 공개적으로 게시하는 몇 안 되는 사례 중 하나이며, 이를 활용할 가치가 있습니다.

'추천' 알고리즘이 추천을 위해 게시물을 평가하는 방법

'추천' 피드에서 X.com 게시물의 순위를 매기는 과정은 여러 단계를 거칩니다. 먼저 시스템은 방대한 게시물 배열에서 후보를 선택한 다음, 일련의 신호로 순위를 매기고, 그 다음에야 사용자에게 개인화된 선택을 보여줍니다.

초기 선택 단계에서 알고리즘은 주제 관련성, 즉 사용자의 관심사, 상호 작용 기록, 팔로우하는 계정을 살펴봅니다. 사용자의 흥미로운 클러스터와 일치하지 않는 게시물은 순위 매기기 전에도 필터링됩니다.

순위 매기기 단계에서는 Phoenix 모델이 활성화됩니다. 이는 게시물에 대한 예측 가능한 사용자 행동을 평가하는 시스템입니다. 알고리즘은 사용자가 좋아요를 누르거나, 리트윗하거나, 댓글을 달거나, "관심 없음"을 클릭할 확률을 계산합니다. 예측 가능한 참여도가 높은 게시물은 우선순위가 부여됩니다.

추가 필터는 계정 평판입니다. X 플랫폼은 TweepCred 메트릭을 사용합니다. 이는 계정의 권위와 활동에 대한 내부 평가입니다. TweepCred가 높은 계정은 시작부터 이점을 얻습니다. 그들의 게시물은 추천을 위한 기본 후보 풀에 들어갈 가능성이 더 높습니다.

X 알고리즘의 신호로서의 게시물 조회수

X 알고리즘은 게시물 조회수를 독립적인 지표가 아니라 행동 패턴을 평가하기 위한 입력 신호로 인식합니다. 조회수 자체는 게시물의 순위를 높이지 않습니다. 이러한 조회수 동안 일어나는 일이 중요합니다.

체류 시간은 2025-2026년에 핵심 순위 요소 중 하나가 되었습니다. 알고리즘은 사용자가 다음으로 스크롤하기 전에 게시물에 머문 시간을 추적합니다. 더 오래 읽히는 게시물은 높은 가치 신호를 받으며, 알고리즘은 '추천' 피드에서 도달 범위를 확장합니다.

이것이 높은 체류 시간과 결합된 조회수가 빠른 스크롤링과 함께하는 조회수와 근본적으로 다른 효과를 내는 이유입니다. 열리고, 읽히고, 반응하는 게시물은 동일한 수의 조회수를 가졌지만 주의 지연이 없는 게시물보다 알고리즘적 가중치를 훨씬 빠르게 축적합니다.

'추천' 피드에서의 참여 신호 및 도달 범위

참여와 트위터 도달 범위는 알고리즘 로직을 통해 연결됩니다. 게시물과의 각 상호 작용 유형은 '추천' 피드에서 순위를 매길 때 다른 가중치를 가집니다.

댓글은 가장 강력한 신호입니다. 알고리즘은 댓글을 게시물이 사용자가 답글을 쓸 만큼 강력한 반응을 유발했다는 신호로 해석합니다. 댓글에서 활발한 토론이 있는 게시물은 도달 범위가 확장됩니다. 알고리즘은 일부 사용자가 토론에 참여했다면 다른 사용자도 참여하고 싶어 할 것이라고 가정합니다.

인용은 댓글과 유사하게 작동하지만 추가적인 효과가 있습니다. 각 인용은 '추천' 피드에 들어갈 수 있는 새로운 게시물을 생성합니다. 이는 도달 범위 승수입니다. 하나의 원본 게시물이 다른 잠재 고객 세그먼트에서 게시물 체인을 생성합니다.

리트윗은 게시물을 다시 게시한 사람의 팔로워에게 게시물을 보여줌으로써 도달 범위를 직접적으로 확장합니다. 알고리즘은 또한 리트윗을 "사용자가 이것을 자신의 잠재 고객에게 가치 있다고 생각한다"는 신호로 사용하며 게시물의 우선순위를 높입니다.

좋아요는 나열된 신호 중 가장 가중치가 낮지만 초기 부스트에 중요합니다. 확산 초기 단계에서 활성 계정의 좋아요는 도달 범위 확장의 첫 단계를 촉발하고 게시물이 기본 '추천' 풀에 들어갈 기회를 제공합니다.

저장은 X 알고리즘이 장기적인 콘텐츠 가치의 지표로 간주하는 비교적 새로운 신호입니다. 저장 수가 많은 게시물은 배포 시스템에서 더 오랫동안 활성 상태를 유지합니다.