[연구서] "유튜브 추천 알고리즘과 저널리즘"(2019.11.30) 발췌 요약

#책이야기 _200124. 오랜만에 시간 여유를 얻은 연휴라… 작년말에 다운만 받아놓고 다 읽어보지 못했던 [유튜브 추천 알고리즘과 저널리즘] 이라는 160쪽 짜리 논문(pdf 파일)을 아침에 짬내서 마저 살펴 봤습니다.

가설을 실제 데이터 수집 조사와 설문을 병행하여 직접 실증해보고자 시도했다는 측면에서, 실무적인 연구 노력이 부족한 우리나라 학계 풍토를 감안할 때 나름 신선했고 의미있다 싶었습니다. 다만, 실제 수집 조사한 내용의 규모가 키워드 5개에 비로그인 환경에서 유튜브 알고리즘이 추천하는 상위 3개의 영상을 연속 추적하는 방식으로 제한된 상태로 의미있는 비교 데이터 량이 5만개 정도에 불과(?)했던 터라, 보다 다양한 영역(카테고리)과 조건(로그인, 접속자성향 등)을 통해 의미값을 뽑아내는 데 한계가 있어보여 아쉽다는 느낌이 적지 않았습니다.

그럼에도 불구하고 향후 유튜브를 마케팅이나 브랜딩 채널로 운영하고자 하는 기업 특히 저널리즘을 과제로 하는 언론사(인터넷 언론사 포함)들이라면 충분히 의미있는 시사점을 발견할 수 있으리라 보여 꼭 읽어보시길 권합니다. 물론 광고 수익을 목표로 채널을 운영하고자 하는 유튜브 크리에이터 분들이나 단순 마케팅이나 비즈니스 홍보를 목적으로 하는 유튜브 마케터라 할지라도 읽어보시면 유튜브의 추천 알고리즘을 이해하는 데 많은 인사이트를 얻으실 수 있을 것입니다.

150쪽이 넘는 분량이라 책 한 권을 읽는 수고가 불가피합니다. 수고를 좀더 줄이고 싶으면 아래 링크된 게시물의 댓글에 핵심 요지 및 관련 그래프와 표들을 발췌하여 요약 정리해 두었으니, 첨부된 글의 댓글을 [최신순] 옵션으로 순서대로 읽어보시지요… ^^

웰컴 경자년, 비해피 설날!!!

https://www.facebook.com/utubguide/posts/173236774068566

보는 이들의 편의를 위해 위 게시글의 본문과 댓글 발췌 내용을 한 군데 묶어서 다시 엮어 놓습니다.

[본문_문제제기]

#리포트 _191225. 오세욱, 송해엽 [유튜브 추천 알고리즘과 저널리즘] (한국언론진흥재단 2019년 11월 30일 발간 연구서, 158쪽) 요지를 모아 봅니다.

>> 연구서 다운로드 링크 : http://j.mp/2PWB9P0

유튜브 추천 알고리즘과 저널리즘 (오세욱, 송해엽 한국언론진흥재단 연구서, 2019.11.30)

1. 문제제기

– 2018년 12월 31일을 기준으로 한 유튜브 기초 통계에 따르면, 1분 동안 621시간 분량의 동영상이 등록되고 있으며, 등록된 동영상의 평균 길이는 15분으로 매년 늘어나고 있다. 2018년에는 13억 개의 동영상이 등록됐으며, 동영상을 하나라도 등록한 사람의 수는 1억 1백만 명으로 나타났다. 2018년 한 해 동안 유튜브의 동영상 총 조회수는 29조이며, 동영상에 달린 댓글의 수도 2018년 한 해 동안 330억 개였다. (Turek, 2019.6.5.).

– ‘라이언의 장난감 평가(Ryan Toys Review)’라는 유튜브 채널1)을 운영하는 라이언(Ryan)이라는 아이는 2017년 6월부터 2018년 6월까지 기간 동안 유튜브에서 2,200만 달러의 수익을 얻어 같은 기간 가장 많은 수익을 얻은 것으로 밝혀졌다. 이 아이는 2015년 부모의 도움으로 처음 채널을 개설한 후 장난감을 평가하는 콘텐츠를 올려 왔는데, 현재 구독자 수는 2,240만 명 이상이다. 라이언은 현재 채널 운영을 위해 25명을 고용하고 있으며, 메이저 브랜드들의 상품을 채널에서 소개하는 방식으로도 수익을 얻고 있다.(Mardon, 2019.3.28.)

– 유튜브에 등록된 동영상의 절반 정도는 조회 수가 350회 미만이며, 90%는 11,000회에 미치지 못한다. 유튜브에 등록된 동영상의 90% 가량은 아무런 수익도 얻지 못한다. (Madrigal, 2019.2.21.)

– 이용자들이 동영상을 많이 볼수록 기업으로서 유튜브의 수익 규모도 늘어난다. 이를 위해 유튜브는 이용자들에게 어떤 영상을 보라고 추천한다. 이러한 추천은 대개의 경우 “사람의 직접 조치보다는 알고리즘을 이용”한다. 성향이 각기 다른 이용자들에게 시청 가능성이 가장 큰 영상을 추천하기 위해서는 수많은 요인을 복합적으로 계산해야 하기 때문이다. 유튜브가 밝힌 바에 따르면, 매일 자신들의 홈페이지에서 추천하는 영상의 수만 약 2억 개 이상이라고 한다. 사람의 인지 범위를 넘어설 만큼 많은 수다. 컴퓨터의 힘을 빌릴 수밖에 없다.(오세욱, 2019)

– 유튜브의 최고 상품 담당자(Chief Product Officer, CPO)인 닐 모한(Neal Mohan)이 뉴욕타임스와의 인터뷰에서 밝힌 바에 따르면, 유튜브 이용자들의 시청 시간 70%가 추천 알고리즘에 의한 결과다(Roose, 2019.3.29.).

이용자들이 유튜브의 알고리즘 추천 영상을 보는 데 전체 소비 시간의 70%를 쓰고 있다는 것이다. 유튜브의 추천 알고리즘은 당연히 영업 비밀이기 때문에 공개되지 않는다.

– 이용자의 선호를 우선시 하다 보니 자주 보는 영상 위주로 추천하게 돼 비슷한 영상만 반복 시청하는 ‘토끼 굴(rabbit hole)’에 빠지게 된다(O’Donovan et al., 2019.1.24.). 한 개인의 이러한 행동이 반복되면서 유튜브에서 더 많은 시간을 보내는 사람들의 시청 성향이 추천 시스템에 더 많은 영향을 미치게 되고, 그들이 관여하는 동영상이 더 많은 조회 수와 좋아요 수를 기록하게 된다. 동영상 생산자들은 이를 인지하고 그와 비슷한 동영상을 더 만들게 되며, 이에 따라 일반 사람들도 그러한 동영상을 보며 더 많은 시간을 보내게 되는 것이다. (Chaslot, 2019.7.13.)

– 유튜브의 추천 알고리즘에서 영상의 내용은 중요하지 않다. 현재 기술로는 영상의 내용을 확인하기 어렵고, 사람이 확인하기에는 시간이 너무 오래 걸리기 때문이다. 물론, 유튜브의 추천 알고리즘이 의도적으로 문제가 되는 영상을 추천하는 것은 아니다. 일반적인 관심사에 따라 영상을 찾아보다가 키워드가 일치한다든지, 자신과 비슷한 사람들이 많이 보는 영상 등을 이유로 우연히 선정적 내용을 접하게 되면 그것이 신호가 되어 관련 영상을 자주 추천받게 된다.

– 유튜브의 최고경영자(CEO)인 수잔 워저스키(Susan Wojcicki)는 현실적 어려움이 있다고 밝힌다. 그는 가디언지와의 인터뷰를 통해 “유해 및 혐오 콘텐츠 차단을 위해 1만 명 이상의 사람을 고용하고 있다. 하지만 1분마다 500시간 이상의 영상이 올라오고 있다. 다루기에 너무나 큰 양이지만 우리는 꽤 큰 기술적 진보를 이루어냈다. 2019년 1분기에만 우리는 830만 개의 유해 및 혐오 콘텐츠를 삭제했는데, 이 중 75% 이상은 우리의 인공지능이 알아서 삭제한 것이다. 그리고 자동으로 삭제한 영상의 대부분은 조회 수가 1이 되기 전에 삭제됐다. 커뮤니티 가이드라인을 제정하고 이의 준수를 위해 엄청난 노력을 하고 있다. 그런데 누가 좀 알려 달라. 삭제해야 하는 콘텐츠와 반드시 들어야 하는 콘텐츠 사이, 표현의 자유의 경계선은 어디에 있는가? 누군가 알려준다면 실행이 훨씬 쉬울 것이다.”라고 말했다. (Saner, 2019.8.10.)

[댓글_연구 발표 요지 발췌 모음]

2. 문헌 연구

이용자 대부분은 유튜브를 동영상 플랫폼으로 인식했지만(95.1%), 이용자의 절반 이상이 동영상 외에도 종합 콘텐츠 플랫폼(69.5%), 소셜 미디어(57%), 뉴스 정보 플랫폼(52.5%) 등 다양한 필요를 충족시켜주는 플랫폼으로 인식했다(양정애･오세욱, 2018).

이 중 뉴스를 유통하고 소비하는 플랫폼으로서의 역할은 나날이 커지고 있다. 로이터의 뉴스 리포트에 따르면 한국의 소셜 미디어/메시징 서비스 이용자 비율로는 카카오톡이 가장 높지만, 뉴스 이용자의 비중으로 보았을 때는 유튜브가 2018년보다 7% 증가한 38%로 가장 높았다(Reuters Institute, 2019).

유튜브와 다른 플랫폼에서의 뉴스 소비 방식을 비교할 때, 첫 번째 차이는 포털 뉴스와 비교하면 개인 뉴스 생산자의 콘텐츠가 활발하게 소비되고 있다는 점에 있다. 포털에서는 가장 많이 본 뉴스의 48%가 신문사의 콘텐츠였지만, 유튜브의 ‘뉴스 카테고리’에서 조회 수 기준 상위 200개 채널 중에서는 66%가 개인 뉴스 생산자였다. 두 번째 차이는 TV 뉴스보다 유튜브 뉴스의 집중도가 크다는 것이다. TV에서는 상위 3%의 콘텐츠가 전체 도달률의 20.6%지만, 유튜브에서는 상위 0.1%의 콘텐츠가 전체 조회 수의 20.7%에 달했다. 세 번째 차이는 팔로우를 중심으로 뉴스를 소비하는 다른 소셜 미디어 서비스와는 달리, 직접 검색 또는 관심사를 기반으로 한 유튜브의 추천 알고리즘으로 인한 소비가 크다는 점이다(Nielsen, 2019).

유튜브의 추천 알고리즘은 추천할 영상의 목록을 만드는 알고리즘(candidate generation)과 그 목록에서 추천 순위를 정하는 알고리즘(ranking)으로 구성된다. 추천할 영상의 목록을 만들 때는 여러 종류의 알고리즘이 사용된다. 예를 들면 현재 재생하는 영상과 비슷한 주제의 영상, 함께 재생된 적이 많은 영상을 모두 목록에 올린다. 이 과정에서는 사용자가 이전에 어떤 영상을 얼마나 긴 시간 동안 시청했는지, 어떤 키워드로 검색했는지, 어떤 지역에 거주하는지 등 사용자의 사용 기록과 더불어 사용자의 인구통계학적 정보를 사용한다. (12쪽)

추천 순위를 정하는 알고리즘은 추천 목록 영상에 대한 사용자의 반응을 예측하여 점수를 매긴다. 알고리즘으로 예측하는 사용자의 반응은 관여도(engagement)와 만족도(satisfaction)가 있다. 관여도는 클릭 여부와 클릭한 후의 시청 시간 등을 포함한다. 이 중 클릭보다는 시청 시간의 중요도가 더 큰데, 이는 클릭만 노리고 제목과 섬네일을 자극적으로 포장해서 사람들의 시청 시간은 길지 않은 영상을 걸러내기 위해서이다. 만족도는 사용자가 ‘좋아요’를 눌렀는지, 별점을 매겨달라는 요청에서 점수를 어느 정도 주었는지 등을 포함한다.

하지만 추천 순위를 정하는 알고리즘에서는 암시적 편향(implicit bias)을고려한다. 추천 영상이 순위에 따라 순서대로 표시될 때, 사용자가 추천 목록의 맨 위 영상을 선택하는 행동이 사용자의 선호를 반영한 행동일 수도 있지만, 단지 알고리즘 추천 목록의 맨 위에 있어서일 수도 있다. 만일 후자와 같은 암시적 편향이 반복해서 일어난다면, 알고리즘은 이용자의 선호를 학습하지 않고 알고리즘에 따른 행위를 학습하게 되어 점점 이용자가 원하는 콘텐츠보다는 알고리즘에 따른 추천 결과를 내놓게 되는 피드백 효과(feedback loop effect)가 나타난다.

이 문제를 해결하기 위해 구글 연구진은 높은 순위 영상의 가중치를 떨어뜨리고, 이용자들이 추천 목록의 하단까지 내려가 클릭한 영상의 가중치는 높이는 식으로 알고리즘을 수정하였다. 그리고 그 결과로 이용자들의 관여도와 만족도가 높아졌다고 밝혔다(Covington, Adams, & Sargin, 2016; Zhao et al., 2019).

요약하자면 유튜브의 추천 알고리즘은 이용자를 유튜브에 오래 체류시키는 것이 주요 목표이다. 이 과정에서 추천 알고리즘은 이용자 개인의 선호에 알맞은 영상과 다른 이용자들이 관심을 보이는 영상을 추천한다. 하지만 이는 유튜브의 수익을 극대화하기 위함이며, 그 과정에서 추천 알고리즘이 영상의 내용, 영상이 조회 수를 얻은 배경, 영상이 개개인과 사회에 미칠 파급력을 충분히 고려할 수 있는지는 의문으로 남아 있다. (15쪽)

필터 버블(filter bubble)의 ‘필터(filter)’는 추천 알고리즘을 뜻하며, 플랫폼이 개인화된 콘텐츠를 제공하기 위해 사용하는 추천 알고리즘의 추천 정보만 접한 이용자가, 관심이 없거나 본인의 의견과 다른 콘텐츠를 보지 못한 채 ‘버블(bubble)’ 속에 갇힐 수 있음을 나타낸다. 다시 말하면 추천 알고리즘은 이용자가 좋아할 만한 콘텐츠만 선별적으로 제공하기 때문에 이용자가 다양한 관점을 접할 수 없고, 자신이 옳다고 생각하는 정보만 접하면서 결과적으로 이용자 스스로의 이념적 성향만 강화할 수 있다는 것이다.

필터 버블은 엘리 프레이저(Eli Pariser)가 2011년 출간한 동명의 책에서 제시한 개념이다. 그는 필터 버블이 개인적인 차원에서 이념을 강화하는 것을 넘어, 다른 정치 성향이나 의견을 가진 사람들이 서로의 의견을 접하고 토론할 기회를 없애므로 사회를 이념적으로 갈라놓아 민주주의를 위협할 수 있다는 우려를 표했다(Pariser, 2011).

주8. YouTube 커뮤니티 가이드 시정 조치, https://transparencyreport.google.com/youtube-policy/removals

많은 경우 알고리즘은 설계자의 의도를 반영한다. 플랫폼의 알고리즘은 기본적으로 플랫폼 운영자, 즉 회사의 지향점을 반영한다. 하나의 예로, 세계 최대의 온라인 쇼핑 중개자인 아마존(Amazon)은 고객의 상품 검색 결과에 가장 연관성이 있는 상품이나 가장 많이 팔리는 상품이 아니라 아마존에 가장 이득이 될 만한 상품을 먼저 추천하도록 알고리즘을 수정하는 프로젝트를 진행한 바 있다(Mattioli, 2019.9.16.). 유튜브의 알고리즘 역시 지금까지 알려진 바에 따르면 필터 버블을 고려해서 영상을 추천한다기보다는 유튜브 이용자가 플랫폼에서 영상을 시청하는 시간을 늘리고 참여도를 높이기 위한 목적으로 추천 목록을 제공한다. (19쪽)

반향실 효과는 개인의 입장 또는 관점이 정해진 후에도 계속 정보를 탐색한다고 가정하므로, 다양한 의견에 노출되는 것이 반향실 효과를 벗어나는 방안이다. 페이스북과 트위터를 비롯한 소셜미디어 환경에서도 역시 자신의 신념과 정치적 지향, 태도가 비슷한 사람들의 게시글만 선택적으로 보고 소통하는 경향을 보인다는 연구(Hanson et al.,2010)와 함께, 소셜 미디어에서 정치적인 성향이 강하거나 정치 관련 화제를 언급할수록 견해 때문에 친구 관계를 끊는 경우가 잦아(Bode, 2016) 반향실 효과가 나타날 가능성이 크다는 점을 짚은 연구가 있었다. 반면에 소셜 미디어에서는 가까운 가족과 친구뿐만 아니라 조금 먼 사이의 사람과도 교류할 수 있어, 동질성이 큰 집단 내의 의견뿐만 아니라 다른 의견의 게시물에도 노출될 기회가 많아 다양한 의견을 접할 수 있다는 연구도 있다(Barbera, 2014). (21쪽)

반향실 효과에서 말하는 선택적 노출(selective exposure)은 개인의 동기에서 출발하는 자발적 선택이고 필터 버블은 알고리즘에 의해 선택된 노출(selected exposure)이라고 볼 수 있으나, 버블을 터트리고 나오는 데에는 개인의 선택이 여전히 중요하다는 목소리가 나오고 있다. 페이스북은 1,000여만명의 미국 페이스북 이용자들이 뉴스피드로 접하는 기사의 이념적 다양성을 측정한 결과를 사이언스지에 발표했다. 이 연구에 따르면 정치적 성향을 프로필에 표시한 이용자들이 다양성이 더 낮은 뉴스피드를 보고 있는 것은 맞으나, 이는 알고리즘에 의한 결과가 아니라 이용자가 스스로 이념과 일치하는 콘텐츠를 더 선택하기 때문이라는 결론을 제시했다(Bakshy, Messing, & Adamic, 2015). (22쪽)

3. 유튜브 추천 영상 수집 및 결과 분석

일반적으로 유튜브의 추천 알고리즘은

사람들이 무엇을 보는지(impression),

얼마나 많은 사람들이 해당 영상에서 시간을 보내는지(watch time, retention),

얼마나 빠르게 인기가 높아지는지(view velocity, rate of growth),

얼마나 새로운 영상인지,

해당 채널이 얼마나 새로운 영상을 등록하는지,

사람들이 플랫폼에서 얼마나 많은 시간을 보내는지(session time),

좋아요, 싫어요, 공유 등 관여도(engagement), 관심 없음(not interested) 피드백 등을 종합하여 작동하는 것으로 알려져 있다. (26쪽)

[소결]

지금까지 문인 대통령, 방탄소년단(BTS), 유시민, 홍준표, 조국 등 5개의 키워드에 따른 유튜브 알고리즘 추천 목록을 살펴보았다. 유튜브의 추천 알고리즘은 2장에서 서술했듯이 명확히 밝혀져 있지는 않다. 하지만, 5개의 키워드를 대상으로 일주일간 수집한 33만 4,425개의 추천 목록 분석을 통해 대략의 경향은 파악할 수 있었다. 물론, 구체적 작동 방식이나 추천의 이유를 알 수는 없었다.

5개 키워드의 추천 영상 분석을 통해 파악할 수 있었던 유튜브 추천 알고리즘의 대략적 특성은 다음과 같다.

첫째, 전통적 언론사에 대한 선호 현상이 보였다. 정치적 키워드의 경우 더욱 그런 현상이 강하게 나타나는 것으로 파악됐다. 일부 채널의 경우 개인이 운영하고 있음에도 자주 추천되는 경우가 나타났지만, 전반적으로 믿을 수 있는 출처로 전통적 언론사의 영상을 자주 추천하고 있는 것으로 파악된다. 다만, 전통적 언론사 중에서도 신문보다는 방송사의 영상이 많이 추천되고 있었다.

둘째, 제목이 길거나 제목 안에 주요 키워드가 많을수록 선호하는 현상이 보였다. 유튜브 추천 알고리즘에서 콘텐츠 기반 추천 방식이 적용될 경우, 알고리즘이 생각보다 단순하게 작동하는 것 같다는 추론이 가능하다. 조국 키워드 관련으로 자주 추천된 ‘(최초공개_고화질 Full ver) 조정래 작가와 유시민 노무현재단 이사장/ 조국 법무부장관 임명을 둘러싼 그들의 생각은?/ 유시민 이사장이 언론에 소리친 이유는?’이라는 제목의 영상이 대표적이다. 물론, 이는 한국어인 경우에만 한정된다.

셋째, 생중계(live) 영상에 대해 좀 더 선호하는 현상을 발견할 수 있었다. 추천 목록을 수집한 시기가 조국 전 법무부 장관 관련 이슈로 실시간 진행되고 있는 시기임을 감안하더라도 유튜브 추천 알고리즘이 생중계 영상에 대해 가중치를 두고 있음은 파악이 가능했다.

넷째, 필터 버블, 반향실 등의 문제에 대한 지적을 고려하여, 장르적 다양성을 의도하는 모습이 보였다. 정치적 키워드에 대해 엔터테인먼트 등 다른 장르의 영상을 관련 영상으로 추천하는 현상이 나타났는데, 이는 시청 시간을 중요시하면서 다양성을 확보하려는 유튜브의 전략이라고 추측할 수 있다. 또한, 추천하는 영상이 특정 시기에는 일정한 것으로 짐작된다.

예를 들어, ‘[생로병사의 비밀]삼겹살 리포트 (2012.2.11. 401회)’, ‘이경규 악플 고민… 법륜 “인간 세상은 원래 이런거다” @힐링캠프 130722’, ‘속 터지는 만두전쟁 @궁금한 이야기 Y130726’, ‘싸이 양현석 실체폭로’ 등의 영상은 문재인 대통령, 유시민, 홍준표, 조국 키워드에서 모두 동일하게 관련 영상으로 추천됐다. 이들 영상들은 네 키워드와 직접적 관련은 없다. 이용자들이 영상을 지속적으로 이용하게 하기 위한 전략도 배경에 있는 것으로 판단된다.

다섯째, 특정 기간에 특정 이슈 영상을 집중적으로 추천하는 경향을 발견할 수 있었다. 특히, 정치적 키워드에서는 수집 기간 중 가장 큰 이슈였던 조국 전 장관과 관련한 영상들이 집중 추천되었고, 추천되는 영상도 비교적 동일했다. 정치적 키워드보다 비정치적 키워드에서 더 다양한 영상과 채널이 추천되고 있는 것으로 나타났다.

여섯째, 시청 시간(watch time)이 유튜브 추천 알고리즘의 중요한 요인임이 밝혀졌다. 음원 스트리밍 영상의 경우 조회 수가 낮고 채널 구독자 수가 낮음에도 불구하고 집중적으로 추천되고 있었다. 특히, 음원 스트리밍 영상 등은 저작권 위반의 소지도 있었지만 집중적으로 추천되었다. 해당 채널 운영자들은 채널을 짧은 주기로 열고 닫는 것으로 파악됐지만, 유튜브의 추천 알고리즘은 해당 채널을 자주 추천했다. 이는 유튜브 추천 알고리즘이 시청 시간 요인을 중요시한 결과로 해석된다.

일곱째, 개별 키워드의 이념적 성향에 따른 추천 결과에 있어서 유의미한 차이를 발견하지 못했다. 해당 키워드의 주 활동 채널들이 자주 추천이 되지 않고 있었다. 한국어라는 점을 전제할 때, 유튜브의 추천 알고리즘이 키워드의 맥락성은 고려하지 못하고 단순히 제목의 일치도 등으로 영상을 추천하고 있다는 분석이 가능하다.

이외 여러 분석이 가능했지만, 유튜브 추천 알고리즘의 구체적 작동 방식을 모른 채 결과만으로 해석하게 되는 한계를 지니고 있다. 다만, 이번 분석을 통해 파악된 내용으로 판단해 볼 때, 유튜브의 추천 알고리즘이 한국어 환경에서는 생각보다는 단순하게 작동하고 있다는 느낌을 받았다. 비로그인 환경이라 이용자 맞춤형 요인을 감안하지 못했기에 단순해 보일 수 있다는 한계는 분명 존재한다. 그럼에도 불구하고, 제목, 제목 내 키워드 등 간단한 요인들이 강력하게 작동하고 있다는 점은 분명해 보였다.

(86~88쪽)

4. 유튜브 개인화 추천 알고리즘에 대한 이용자 인식

∙ 유튜브는 다수가 이용하는 주요 온라인 서비스 중 하나로 국민의 95%는 유튜브 이용자임

∙ 전체 국민의 54%는 유튜브를 통해 뉴스를 이용함

∙ 유튜브 미이용자는 약 5%에 불과함

성별 온라인 서비스 이용도_유튜브알고리즘_그림4-4

연령별 온라인 서비스 이용도_유튜브알고리즘_그림4-5

성별-연령별_온라인서비스이용도_유튜브알고리즘_그림4-8.9

유튜브 성격에 대한 인식_유튜브알고리즘_그림4-10

유튜브에서 자주 시청하는 영상 분야를 1순위부터 3순위까지 물었다. 1순위 기준으로 살펴보았을 때 “뉴스/시사”가 19.8%로 가장 많은 응답을 받은 분야였다. “예능/오락” 12.4%, “교육/학습” 10.9%, “생활 정보” 10.3%, “음악/댄스” 10.2%순서로 뒤를 이었다. 3순위까지의 복수 응답 결과 순위는 약간의 변동을 보였다.

“생활 정보”가 39.8%로 가장 높은 순위를 차지했으며, “뉴스/시사” 38.9%, “예능/오락” 38.7%, “교육/학습” 25.1%, “음악/댄스” 23.3% 순이었다. 두 가지 응답을 모두 고려하더라도 뉴스/시사가 유튜브에서 자주 시청하는 분야에 포함되었다는 사실은 유튜브를 통한 뉴스 콘텐츠 유통의 가능성을 다시 한번 확인시켜준다. (103쪽)

유튜브에서 콘텐츠를 시청하는 다양한 방식을 얼마나 사용하는지 물었다. 가장 많은 사람이 이용하는 방식은 채널 직접 방문을 통해 시청하는 방식(평균 3.39점)이었다. 절반에 가까운 50.6%가 자주 혹은 매우 자주 이용한다고 답했다. 유튜브 검색 역시 동영상을 보는 주요 경로 중 하나였다(평균 3.37점). 역시 절반에 가까운 50.5%가 자주 혹은 매우 자주 이용한다고 답했다.

시청 영상 관련 자동 추천의 경우 긍정 응답이 35.8%로 부정 응답 30.4%에 비해 약간 높은 수치를 기록했다. 유튜브 첫 화면에서 찾아볼 수 있는 개인맞춤형 추천을 사용한다는 응답은 긍정 31.3%, 부정 33.1%로 부정 응답이 약간 높았다.

인기 동영상 목록의 경우 긍정 응답 31.2%, 부정 응답 35.9%였다. 전반적으로 채널 방문이나 검색이라는 방식을 자주 사용한다는 결과는 많은 이용자가 추천콘텐츠를 이용하기보다는 자신이 시청할 영상을 직접 선택하는 방식을 선호하고 있음을 보여준다. (105쪽)

유튜브 시청경로_유튜브알고리즘_그림4-20

∙ 추천 영상 이용 방식 중 가장 높은 빈도를 차지하는 것은 “관련 영상 추천방식”임

∙ 자동 재생 기능을 이용하는 응답자는 40.8%로 시청 흐름이 끊이지 않고 적절한 관심 영상을 볼 수 있기 때문이라고 응답, 비이용자는 59.2%로 내가 보고 싶은 영상을 직접 선택해 보기 위해서라고 응답함

∙ 추천 목록에서 재생 여부 결정에 영향을 미치는 요인은 ‘제목’, ‘영상 소개글’, ‘영상 이미지(섬네일)’인 것으로 나타남

∙ 응답자 73.3%가 맞춤 동영상 이용에 전반적으로 만족하며, 불만족한 응답자는 직접 검색을 통해 적극적으로 영상을 탐색함 (113쪽)

추천영상 재생 결정요인_그림4-31

성별에 따른 추천 영상 재생 결정 요인을 살펴보았을 때 여성의 경우 영상 소개 내용, 영상 소개 이미지에서 남성보다 높은 응답을 보였다. 영상 소개 내용의 경우 여성 48.1%, 남성 46.7%였고, 영상 소개 이미지에서 여성 45.2%, 남성 42.1%였다. 실시간 여부에서 남성 21.3%, 여성 17.0%로 남성이 여성보다높았다. 연령별 차이를 살펴보면 20대는 제목(61.1%)과 채널명(37.9%)을 바탕으로 재생 여부를 결정한다는 응답이 다른 연령대에 비해 높았다. 30대는 조회수(43.6%)를 통한 결정이 다른 연령대에 비해 높았다. 40대는 댓글(22.1%), 50대는 영상 소개 내용(55.2%), 60대는 실시간 여부(30.5%)에서 다른 세대보다 높았다. 전반적으로 살펴보았을 때 영향을 미치는 요인은 제목, 영상 소개내용, 영상 소개 이미지였으나 각 연령대에서 영향을 미치는 요인의 순위는 약간씩 차이를 보였다. (118쪽)

정보 확인을 위해 사용하는 채널 중 가장 많은 응답자가 이용하는 채널은 검색 사이트로 96.5%가 사용한다고 답했고, 포털 뉴스가 95.1%로 두 번째를 차지했다. 전통 미디어인 방송은 세 번째로 86.1%를 차지해 전통 미디어는 검색이나 포털 사이트보다 이용자 비율이 낮음을 알 수 있었다. 메신저(80.9%), 블로그/카페(66.8%), 소셜 미디어(62.9%), 유튜브 외 동영상 서비스(61.4%)가 뒤를 이었다. 라디오 방송(40.9%)과 종이신문(32.4%)은 다른 온라인 서비스와 비교하면 정보 확인을 위해 사용하는 응답자가 매우 낮은 수준이었다. (123쪽)

∙ 유튜브에서 이용하는 뉴스의 출처는 전통 언론사 채널과 비언론사 채널이 같은 수준임

∙ 기존 언론사 유튜브 뉴스 채널에 대한 신뢰도는 지상파 방송사, 보도 전문채널, 라디오 방송사, 종이신문사, 종합 편성 채널 순으로 나타남

∙ 유튜브 뉴스의 보도 범위, 전문성, 정확성, 신뢰도에 대한 평가는 부정적으로 기존 뉴스 이용 방식을 대체하기보다는 보조적인 수단임

∙ 정치적으로 매우 진보적이면 유튜브 뉴스가 자신 의견과 일치한다고 보는 경향이 있지만, 매우 보수적이면 유튜브 뉴스가 일반 여론과 일치한다고 생각하는 경향이 있음 (124쪽)

유튜브 뉴스 이용 동기_그림4-43

유튜브 이용자는 누가 제작한 뉴스를 시청할까? 이를 살펴보기 위해 유튜브 뉴스 이용자가 접하는 뉴스의 제작자가 누구인지 물었다. 방송사, 종합 편성 채널, 보도 전문 채널과 같은 기존 언론사에서 만든 뉴스를 본다는 응답이 42.4%였으나 개인이나 단체에서 제작한 뉴스를 본다는 응답도 42.4%로 나타났다. 온라인에서 이용하는 뉴스의 출처를 정확하게 인지하지 못한다는 출처 망각에 관한 이야기가 있으나 유튜브 뉴스 이용자 중 출처를 기억하지 못한다는 응답은 예상보다 높지 않은 수준으로 전체 응답자의 15.3%인 것으로 나타났다. (129쪽)

정치성향을 ‘매우 진보적’에서부터 ‘매우 보수적’까지 5점 척도로 물었을 때 각 극단에 있는 정치성향에서 특징이 나타났다. 정치성향이 매우 진보적이면 나의 의견과 일치한다고 생각하는 경향이 있음을 확인할 수 있었다. 매우 진보적인 응답자는 52.9%가 내 생각이나 의견과 비슷하다고 답했다. 정치성향이 중간이라고 답한 응답자는 25.4%만이 비슷하다고 답해 큰 차이를 보였다. 매우 보수적인 응답자도 40.0%만이 내 생각이나 의견과 일치한다고 인식했다. 매우 보수적인 응답자는 유튜브 뉴스가 일반 여론과 비슷하다고 생각하는지 묻는 질문에 50.0%가 그렇다고 답했다. 중도 성향 응답자 30.6%와 매우 진보적 성향 응답자가 35.3%만이 동의한 것에 비해 높은 수치를 기록했다.

이러한 결과는 극단적 정치성향을 지닌 유튜브 뉴스 이용자가 어떤 방식으로뉴스를 받아들이는지에 대해 생각해 볼 필요성이 있음을 보여준다. 매우 진보적인 성향의 경우 유튜브에서 자기 생각이나 의견과 일치하는 영상을 시청한다고 예상해 볼 수 있지만, 매우 보수적인 성향의 경우 유튜브에서 보는 영상을 일반 여론과 같다고 생각할 가능성이 있음을 예상할 수 있다. 유튜브에서 제공하는 뉴스 알고리즘이 필터 버블과 같이 사회적으로 가져올 수 있는 문제점에 대한 우려가 있으나 이러한 효과가 모두에게 같게 나타나기보다 극단적 정치성향을 지닌 일부에게만 영향을 미칠 수도 있음을 생각해 볼 필요가 있다. (132쪽)

이용자는 광고가 채널의 영상 제작자를 후원할 수 있는 좋은 방식이라고 인식하고 있었으며 긍정 응답은 38.2%, 부정 응답은 14.7%로 나타났다. 하지만 광고가 포함된 영상을 보면 뉴스에 대한 신뢰도가 떨어질 것 같은지 물었을 때 긍정 응답이 38.7%, 부정 응답은 24.0%로 신뢰도가

떨어진다는 응답이 약간 더 높게 나타났다. 수익 때문에 자극적인 내용을 뉴스로 제작할 것 같다는 질문에는 절반 이상인 50.2%가 동의했다.

광고가 없는 뉴스를 찾게 될 것 같은지 물었을 때 54.8%는 그렇다고 답했으며, 그렇지 않을 것같다는 응답은 11.5%에 그쳤다. 유튜브 뉴스 이용자는 광고가 제작자를 후원하는 방법이라는 점은 공감했으나 뉴스에 광고가 포함되어 있을 때 신뢰도가 떨어진다고 느꼈으며 자극적인 내용을 뉴스로 제작할 것 같다는 우려를 표시했다. (134쪽)

직접 영상을 선택하는 경우 유튜브 이용자는 어떤 요인에 가장 크게 영향을 받는지 살펴보았다. 결과에 따르면 제목이 가장 우선순위였으며, 영상소개 글, 영상 이미지가 영상 재생 여부를 결정하는 데 영향을 미쳤다. 그러나 성별과 연령대에 따라 재생 여부 결정에 영향을 미치는 요인이 달랐다. 연령대에 따라 이미지에 더 집중하기도 하고, 채널 선호도를 고려하기도 하고, 실시간 방송 여부를 고민하기도 한다. 실제 유튜브 플랫폼을 통해 뉴스 콘텐츠를 유통하고자 하는 언론사는 목표로 하는 독자를 상정하고 적절한 전략을 고민할 필요가 있음을 말해준다. (142쪽)

이용자가 유튜브에서 접하는 뉴스의 출처는 언론사와 비언론사가 유사한 비율인 것으로 나타났다. 이는 뉴스 유통 플랫폼으로서 유튜브에서는 전통 언론의 영향력이 절대적이지는 않다는 것을 말해준다. 그러나

전통 언론의 유튜브 채널 신뢰도를 폭넓게 묻는 질문에서 지상파 방송사, 보도전문 채널, 라디오 방송사, 종이신문사, 종합 편성 채널 순으로 신뢰한다는 응답을 보였다. 즉, 기존 언론의 영향력이 유튜브라는 공간에서 제한적일 수 있으나 기존 언론사가 가지고 있던 신뢰도를 자산으로 활용할 여지가 있음을 보여준다.

이러한 가능성을 타진해 볼 수 있는 것은 유튜브 뉴스에 대한 이용자 평가가전반적으로 부정적이기 때문이다. 이용자는 유튜브 뉴스가 다루는 보도 범위, 전문성, 정확성, 신뢰도에 모두 낮은 평가를 했다. 유튜브는 아직 기존 뉴스를 대체할 수 있는 수단이라기보다는 다양한 편의성으로 인해 이용하는 보조적인 수단에 머무르고 있다고 봐야 한다. (144쪽)

5. 결론: 언론의 유튜브 활용을 위한 제언

유튜브 활용 체크리스트_표5-1

플랫폼에서 성과를 얻기 위해서는 해당 플랫폼이 요구하는 형식을 최대한 맞춰야 한다. 스스로가 플랫폼으로 성장하지 않는 이상, 특정 플랫폼 중심의 유통 전략에서 이를 간과해서는 안 된다. 예를 들어 유튜브에 15초짜리 영상을 등록하면 잘 추천되지 않는다. 유튜브는 광고조차 붙이기 어려운 짧은 영상을 의미 있게 노출하지 않기 때문이다.

각 플랫폼의 알고리즘은 그들이 유도한 방향으로 콘텐츠가 생산되고 소비되길 독려한다. 방탄소년단 키워드에서 분석했듯이, 음원 스트리밍 영상이 낮은 구독자 수에도 불구하고 자주 추천되는 이유는 이용자의 시청 시간의 지속적 확보를 위한 유튜브의 전략 때문이다.

이러한 형식을 잘 갖추더라도 채널의 연속성 유지가 더욱 중요하다. 지속적으로 신뢰할 만한 영상, 채널이라는 신호를 보내야 하기 때문이다. 이는 두 가지 차원으로 이야기 할 수 있는데, 하나는 영상을 정기적으로 등록하는 것, 다른 하나는 유튜브 채널에 대한 자원의 투입을 유지하는 것이다. (150쪽)

먼저 정기적 생산과 등록이다. 유명 유튜브 크리에이터인 션 커넬(Sean Cannell)과 벤지 트래비스(Benji Travis)는 채널에 영상을 자주 등록하고 질을 유지하는 것을 핵심 조언 중 하나로 제시하며 일주일에 한두 개 정도는 꾸준하게 영상을 등록할 것을 권장한다(Cannell & Travis, 2018). 사실 채널 운영 초반에는 이런 꾸준함이 구독자 유입이나 콘텐츠 확산에 드라마틱한 영향을 주지 않는 것이 사실이다. 그러나 지속적이고 정기적인 영상 등록은 채널의 성장 기반, 가능성을 만들어준다.

사실 대다수 유튜브 영상 제작자들의 경험에 따르면 유튜브의 성장 추이는 채널 운영 시간에 비례하지 않고 특정한 기회에 급격한 성장세를 타는, 2차 함수와 유사한 형태를 갖는 경우가 많다. 이는 어떤 영상이 갑자기 어느 순간에 인기를 끌고 이를 바탕으로 급격한 구독자 유입과 영상 조회 수증가가 이뤄진다는 뜻이다.
그런데, 문제는 어떤 영상이 속칭 ‘빵 터질’지 아무도 알 수 없다는 것이다. 심지어 수년 전에 등록한 영상이 뒤늦게 주목을 받기도 한다. 문제는 갑자기 큰 인기를 끈 영상 하나로 유입된 조회 수와 이용자를어떻게 유지할 것인가이다. 이때 채널에 등록된 기존 영상이 충분하다면 시청자는 채널의 다른 영상을 감상한 후 구독자가 될 가능성이 매우 높아진다. (151쪽)

– 위의 글은 한국언론진흥재단에서 발간된 연구서를 기초하여 가장 핵심적인 대목들이라고 판단되는 부분의 글과 표 일부를 수정 없이 그대로 퍼온 발췌본입니다.
– 다음은 한국언론진흥재단에서 공개하고 있는 공공데이터에 관한 제공 및 저작권 정책 안내입니다.
>> http://www.kpf.or.kr/site/kpf/01/10105000000002016090808.jsp#url