유튜브 알고리즘 원리, 구글 엔지니어가 공개한 추천 시스템과 떡상 조건

1. 구독자 200명 채널이 100만 뷰가 터지는 이유

상상해보세요. 여러분이 구독자 200명짜리 채널에 영상을 올렸습니다. 첫날 조회수는 평소처럼 80. 그런데 사흘 뒤부터 그래프가 수직으로 꺾이더니 2주 만에 100만을 넘깁니다.

구독자가 본 게 아닙니다. 조회수의 대부분은 “홈 화면 추천”과 “다음 동영상”에서 왔습니다. 즉 유튜브가 내 영상을 모르는 사람들에게 계속 들이민 겁니다.

유튜브 공식 블로그에 따르면 사람들이 유튜브에서 보내는 시청 시간의 상당 부분이 검색이 아니라 추천에서 나옵니다. 유튜브 임원 닐 모한은 2018년 이 비중을 70%라고 언급하기도 했습니다. 하루 10억 시간이 넘는 전체 시청 시간의 대부분을 사람이 아니라 추천 시스템이 배분하고 있는 셈입니다.

그러니까 유튜브 성장의 진짜 질문은 “구독자를 어떻게 늘리지?”가 아닙니다. “추천 시스템은 어떤 영상에 점수를 주지?”입니다.

2. 유튜브 알고리즘, 정확히 무엇인가요?

유튜브 알고리즘은 한마디로 “이 사람이 지금 보고 싶어할 영상을 찾아주는 추천 시스템”입니다. 홈 화면, 다음 동영상(추천 영상), 검색 결과가 각각 이 시스템의 영향을 받습니다.

구글 엔지니어들이 2016년 공개한 논문에 따르면 이 시스템은 2단계로 일합니다. 1단계에서 수백만 개의 영상 중 그 사람이 볼 만한 후보 수백 개를 추려내고, 2단계에서 그 후보들에 하나하나 점수를 매겨 순서를 정합니다.

여기서 중요한 사실 하나. 유튜브는 공식적으로 “알고리즘은 영상을 평가하는 게 아니라 시청자를 따라간다”고 설명합니다. 시스템이 보는 건 영상 파일이 아니라 그 영상에 대한 시청자들의 반응 기록입니다.

내 영상이 노출됐을 때 사람들이 클릭하는지, 클릭한 다음 얼마나 오래 보는지, 보고 나서 만족했는지. 이 데이터가 쌓이면서 영상의 점수가 실시간으로 갱신되고, 점수가 좋으면 더 넓은 시청자에게 시험 범위가 확장됩니다. 구독자 200명 채널이 100만 뷰가 가능한 구조적 이유입니다.

3. 구글이 직접 공개한 공식 자료 3가지

유튜브 알고리즘 글은 넘쳐나지만 출처 있는 글은 드뭅니다. 이 글은 구글과 유튜브가 직접 공개한 자료 3개만 근거로 삼겠습니다.

자료 1: 구글 엔지니어의 추천 시스템 논문 (Covington et al., 2016)

구글 엔지니어 폴 코빙턴 팀이 학회에 공개한 논문 “Deep Neural Networks for YouTube Recommendations”입니다. 후보 생성과 랭킹의 2단계 구조, 그리고 시스템이 무엇을 목표로 학습하는지가 적혀 있습니다.

논문의 핵심 문장은 이겁니다. 랭킹 모델은 클릭이 아니라 “노출당 기대 시청 시간”을 예측하도록 학습된다. 클릭만 기준으로 삼으면 낚시성 영상이 이기기 때문에, 클릭 후 실제로 본 시간을 목표로 삼는다고 이유까지 명시했습니다.

자료 2: 시청 시간 중심 전환 발표 (2012)

유튜브는 2012년, 추천의 기준을 조회수에서 시청 시간 중심으로 바꾼다고 공식 발표했습니다. 이때부터 “클릭을 모으는 영상”과 “시청을 붙잡는 영상”의 운명이 갈리기 시작했습니다.

현재 유튜브 고객센터의 “검색 및 탐색 트래픽” 문서에도 같은 원칙이 이어집니다. 추천은 영상의 실적(클릭률, 시청 지속 시간 등)과 시청자의 이력을 함께 반영한다고 안내합니다.

자료 3: 유튜브 공식 블로그의 추천 시스템 해설 (2021)

유튜브 엔지니어링 부사장 크리스토스 굿로가 쓴 “On YouTube’s recommendation system”입니다. 추천에 쓰이는 신호를 공식적으로 나열했는데, 클릭, 시청 시간, 설문 응답(만족도), 공유, 좋아요, 싫어요가 그것입니다.

특히 “같은 영상이라도 사람마다 점수가 다르다”는 점, 그리고 시청 시간만 길다고 좋은 게 아니라 시청자가 만족했는지를 설문으로 직접 확인한다는 점이 이 글에서 처음 자세히 공개됐습니다.

4. 추천 점수는 무엇으로 결정될까요?

공식 자료를 종합하면 유튜브의 채점표는 세 단계 관문으로 정리됩니다.

첫째, 클릭률입니다. 썸네일과 제목이 첫 관문입니다

추천은 노출에서 시작됩니다. 노출됐는데 아무도 클릭하지 않으면 다음 데이터 자체가 생기지 않습니다. 유튜브 스튜디오에서 보는 노출 클릭률(CTR)이 이 관문의 성적표입니다.

다만 클릭률은 입장권일 뿐입니다. 논문이 명시했듯 시스템의 최종 목표는 클릭이 아니라 클릭 이후의 시청 시간이기 때문입니다.

둘째, 시청 지속 시간입니다. 채점표의 본체입니다

2012년 전환 이후 지금까지 변하지 않은 중심 지표입니다. 클릭한 사람이 영상을 얼마나 오래, 어디까지 보는지가 추천 확산의 본체입니다.

여기서 낚시 썸네일의 역설이 생깁니다. 자극적인 썸네일로 클릭률을 올려도 내용이 약해서 30초 만에 나가면, 시스템은 “클릭은 되는데 만족은 못 주는 영상”으로 학습합니다. 클릭률과 지속 시간은 곱셈 관계라서 하나만 높아서는 점수가 안 나옵니다.

셋째, 만족도 신호입니다. 설문·공유·좋아요까지 셉니다

굿로의 공식 해설에 따르면 유튜브는 시청 후 “이 영상 어땠나요?” 설문 응답을 추천 학습에 직접 사용합니다. 공유, 좋아요, 싫어요도 마찬가지입니다. 오래 봤어도 “후회한 시청”이면 다음 추천에서 빠지게 하려는 장치입니다.

채점표에 없는 것도 분명히 해두죠. 업로드 빈도 자체, 채널 나이, 구독자 수는 점수 항목이 아닙니다. 유튜브는 영상 단위로 평가하고, 구독자는 초기 데이터를 빨리 모아주는 역할을 할 뿐입니다.

5. 떡상 확률을 올리는 실전 전략 3가지

채점표를 알았으니 세 관문에 하나씩 대응하면 됩니다.

전략 1: 썸네일과 제목으로 “약속”을 만들고, 본문에서 지키기

썸네일과 제목은 시청자와의 약속입니다. “이 영상을 보면 이걸 얻는다”가 한눈에 보여야 클릭이 생기고, 본문이 그 약속을 지켜야 지속 시간이 따라옵니다.

영상을 만들기 전에 썸네일 문구부터 정해보세요. 약속을 먼저 정하면 내용이 약속에 맞게 정리되고, 낚시와 정직한 훅의 경계도 자연스럽게 지켜집니다.

전략 2: 첫 30초에서 “나갈 이유”를 제거하기

시청 지속 그래프가 가장 가파르게 꺾이는 구간이 첫 30초입니다. 긴 인사, 채널 소개, 구독 요청으로 시작하면 본론이 나오기 전에 시청자가 떠납니다.

첫 문장에서 약속을 다시 확인시키고(“오늘 이거 하나 가져가시면 됩니다”), 바로 본론으로 들어가세요. 유튜브 스튜디오의 시청 지속 시간 그래프에서 꺾이는 지점을 찾아 그 부분의 패턴을 다음 영상에서 고치는 게 가장 확실한 훈련법입니다.

전략 3: 영상 끝에서 다음 영상으로 이어주기

유튜브가 원하는 건 시청자가 유튜브에 오래 머무는 것입니다. 내 영상에서 시작된 시청이 내 채널의 다음 영상으로 이어지면, 채널 전체가 “시청 세션을 만들어주는 채널”로 학습됩니다.

그래서 단발 영상보다 시리즈가 유리합니다. 영상 마지막에 “다음 편에서 이어집니다”를 만들고 최종 화면에 그 영상을 걸어두세요. 구독 요청보다 다음 영상 연결이 추천 점수에는 더 직접적입니다.

마무리하며

유튜브 알고리즘은 영상을 심사하는 심판이 아니라 시청자 반응을 받아 적는 기록원에 가깝습니다. 클릭하게 만드는 약속, 머물게 만드는 본문, 다음으로 이어지는 설계. 이 세 가지가 채점표의 전부이고, 전부 만드는 사람이 통제할 수 있는 영역입니다.

지난 글 인스타 릴스 알고리즘 해부와 함께 읽으시면 두 플랫폼의 채점 기준이 어떻게 다른지 비교가 됩니다. 다음에는 또 다른 플랫폼의 설계도를 들고 오겠습니다!

---

6. 자주 묻는 질문 (FAQ)

Q: 구독자 수가 많아야 추천이 잘 되나요?

구독자 수 자체는 공개된 채점 항목에 없습니다. 유튜브는 영상 단위로 시청자 반응(클릭률, 시청 지속 시간, 만족도)을 평가하고, 구독자는 업로드 직후 초기 반응 데이터를 빨리 모아주는 출발선 역할을 합니다. 그래서 구독자가 적어도 반응 좋은 영상은 추천이 확산되고, 구독자가 많아도 반응 나쁜 영상은 멈춥니다.

Q: 영상은 길수록 시청 시간에 유리한가요?

길이 자체가 점수는 아닙니다. 10분 영상을 절반만 보는 것보다 5분 영상을 끝까지 보는 쪽이 만족도 신호까지 함께 좋아지는 경우가 많습니다. 핵심은 “내용이 버티는 만큼의 길이”입니다. 시청 지속 그래프가 완만하게 유지되는 한에서 길이를 늘리는 게 정석이고, 내용 없이 길이만 늘리면 이탈 지점만 많아집니다.

Q: 업로드 주기를 지키면 알고리즘 가산점이 있나요?

업로드 빈도는 공개된 채점 항목이 아닙니다. 다만 자주 올리면 시험 기회 자체가 늘고, 시청자와의 접점이 쌓이면서 초기 반응이 좋아지는 간접 효과는 있습니다. 매일 올리느라 영상의 약속과 완성도가 무너지면 오히려 채널 전체의 반응 데이터가 나빠지므로, 품질을 유지할 수 있는 최대 주기를 찾는 게 맞습니다.