인기와 새로움의 전쟁 클릭을 끌어오는 최적 전략

본 연구는 수백만 명이 매일 이용하는 동적 웹사이트에서 사용자의 제한된 주의를 어떻게 효율적으로 끌어올릴 수 있는지를 탐구한다. 콘텐츠 제공자는 인기와 새로움이라는 두 가지 핵심 요인을 활용해 페이지 내 링크를 재배열하거나 개인화된 추천을 제공한다. 저자들은 이 두 요인의 상호작용을 정량화하기 위해 Digg.com의 실제 데이터를 기반으로 성장 모델을 구축한다. 먼저, 스토리의 클릭 수 Nₜ는 시간에 따라 Nₜ₊₁ = Nₜ(1 + aᵢ rₜ Xₜ) 로 표현된다. 여기서 aᵢ는 슬롯 i의 위치 효과이며, 실험적으로 a₁≈0.120, a₂≈0.106 등으로 측정되었다. rₜ는 새로움 감소 함수로, Digg에서는 rₜ = e^{‑0.4 t^{0.4}} 로 적합되었다. Xₜ는 평균 1, 표준편차 0.5인 정규분포 잡음으로, 기타 외생 요인을 포괄한다. 이 모델은 인기(누적 클릭)와 새로움(시간에 따른 감소)이 곱셈적으로 결합된 형태를 띠어, 두 요인이 동시에 작용함을 보여준다. 다음으로 저자들은 세 가지 인덱스 전략을 정의한다. 첫 번째 전략 O₁(t)=‑t는 순수히 새로움을 기준으로 최신 스토리를 최상단에 배치한다. 이는 현재 Digg이 실제로 적용하고 있는 방식이다. 두 번째 전략 O₂(t)=Nₜ는 현재 누적 클릭 수만을 고려해 가장 인기 있는 스토리를 상단에 둔다. 세 번째 전략 O₃(t)=Nₜ rₜ는 한 단계 앞을 내다보는 ‘one‑step‑greedy’ 접근으로, 현재 인기와 남은 새로움을 곱해 기대 성장률을 추정한다. 시뮬레이션 환경은 15개의 슬롯을 유지하고, 5분마다 페이지를 새로 고침한다. 새 스토리는 포아송(λ=0.2) 과정으로 도입되며, 가장 낮은 인덱스를 가진 스토리가 퇴출된다. 각 슬롯 i에서의 성장량은 ΔNₜ₊₅ = 5 aᵢ rₜ Xₜ Nₜ 로 계산된다. 시뮬레이션은 100,000 라운드(≈500,000분)까지 수행되어 각 전략의 총 클릭 수를 비교한다. 결과는 다음과 같다. 기본 파라미터(α=β=0.4) 하에서 O₁은 514,315 클릭, O₂는 354,600 클릭, O₃는 452,402 클릭을 기록했다. 즉, 새로움이 빠르게 사라지는 상황에서는 O₁이 가장 효율적이며, O₂는 최악의 성능을 보인다. 반면, 새로움 감소율 β를 변화시켜 실험하면 전략 간 성능 차이가 급격히 전환되는 임계점이 존재한다. β≈0.335에서 O₁과 O₃·O₂의 순위가 뒤바뀌며, 이는 물리학의 위상 전이와 유사한 현상이다. β>0.34(새로움이 빠르게 사라지는 경우)에서는 O₁이 O₃보다 약간 우수하고, β<0.33(새로움이 오래 지속)에서는 O₃와 O₂가 O₁을 크게 앞선다. 또한 O₃는 극한 상황(β→0, β→∞)에서 O₁·O₂에 수렴하지만, 중간 영역에서는 가장 안정적인 성능을 제공한다. 저자들은 로그 변환된 인덱스 O′₃=log Nₜ + log rₜ가 인기와 새로움을 동일 가중치로 결합한다는 점을 강조하고, 가중치를 조정한 O₄(Nₜ, t)=0.6·log Nₜ + log rₜ와 같은 변형이 O₁·O₃보다 8%~23% 더 높은 클릭 수를 달성함을 실험적으로 보여준다. 이러한 분석을 통해 저자들은 (1) 새로움 감소율을 정확히 측정하는 것이 전략 선택에 결정적이며, (2) 특정 사이트의 트래픽 특성에 맞춰 인덱스 함수를 맞춤 설계해야 함을 주장한다. 특히, 급격한 전략 전이가 발생하는 임계점 근처에서는 작은 파라미터 변화가 전체 사용자 주의 흐름을 크게 바꿀 수 있다. 최종적으로, 인기와 새로움 사이의 균형을 적절히 조절한 인덱스 전략이 동적 웹사이트의 클릭 수를 최적화하는 가장 현실적인 방법임을 결론짓는다.