구글 PageRank와 쌍벽, 페북 EdgeRank 알고리즘

검색 노출을 알고자하면 PageRank를 공부하고 SNS 노출을 알고자하면 EdgeRank를 공부해야..

SNS를 이용하려는 사람이라면 "소통"이란 문제에 대해 심각하게 고민하고 있을 것입니다. SNS를 시작하는 목적도 결국엔 사람과 사람 사이의 관계를 통해 소통이란 요건을 만들고 싶어서 일텐데 문제는 소통을 하기 위해선 누군가와 교류를 해야한다는 문제점이 발생합니다.

교류라는 것은 다음 국어사전을 통해 검색해 보면 "근원이 다른 물줄기가 서로 섞이어 흐름 또는 그런 줄기"를 만들어 내는 것으로 이야기하고 있습니다.

즉, 서로 다른 주체가 서로 통하는 어떤 관심사를 중심으로 커뮤니케이션을 진행하며 관계(relationship)을 만들어 가는 것으로 해석 할 수 있는데 교류를 만들어가는 방법에 힘겨워하는 사람들이 많은 것 같아 오늘은 그 주제로 이야기를 해보려고 합니다.

위의 공식은 Facebook의 EdgeRank 알고리즘을 표현한 이미지입니다. EdgeRank는 페이스북에서 뉴스피드 영역에 특정한 기준을 정해 콘텐츠를 노출하기 위한 일종의 랭킹 알고리즘 입니다.


SNS 서비스 페북에서 EdgeRank가 필요한 이유?
교류를 통한 관계를 형성하기 위해서는 자신의 관심사와 특정한 주제를 같이 나눌 수 있는 집단을 알아야 합니다.

하지만 트위터, 페이스북, 미투 데이등에서 이런 집단을 찾는 방법은 그리 많지 않았습니다. 괌심있고 이런 서비스를 통해 무언가 얻으려는 사람은 적극적 행동과 노력을 통해 검생과 지인들의 도움으로 조금씩 해당 SNS에 적응해 가지만 문제는 이런 행동조차 하지 못하는 하위 30%는 결국 도퇴대 SNS에서 이탈하는 현상이 생긴다는 것입니다.

이런 이탈자를 줄이고 SNS에 들어와 좀 더 많은 활동을 유도하기 위해 그리고 좀더 많은 컨텐츠와 이야기 그리고 정보가 확산되는 것을 유도하기 위해 만들어진 것이 EdgeRank라고 생각하시면 됩니다.


페북 EdgeRank 알고리즘을 알면 어떤 도움을 얻을 수 있나?
우선 자신의 글을 좀 더 노출 할 수 있는 방법을 알 수 있게되고 이런 노력 과정에 친구가 생기고 더 많은 이야기를 통해 다양한 교류를 발생시킬 수 있습니다.

좀 더 설명을 드리자면 페북에서 자신의 이야기를 작성하고 관리하는 곳을 담벼락 (Wall)이라고하고 반대로 자신의 이야기를 포함 친구의 이야기를 확인 할 수 있는 곳은 뉴스피드(News Feed)입니다.

페북은 좋은글의 의미를 "좋아요(Like)"추천을 통해 전달 할 수 있는 바로 이 좋아요 행위와 친구와의 관계성등을 EdgeRank 알고리즘으로 계산해서 뉴스피드를 통해 친구들의 소식과 자신의 맞춤 글 목록을 만들어 낼 수 있는 것입니다.

또, 재미있는 사실은 팬관리를 위한 페이지의 경우 Fan 들이 페이지를 방문해 새소식을 접하기보단 뉴스피드로 제공된 인기글을 보고 페이지로 이동해 팬이되는 경우가 더 많다고 하니 EdgeRank는 어떤면에선 마케팅 알고리즘으로도 볼 수 있습니다.



EdgeRank의 알고리즘은 어떻게 구성되나?
이렇게 중요한 뉴스피드를 잘활용하기 위해 우리는 EdgeRank 알고리즘을 이해해야 하는데 EdgeRank는 크게 친밀도(Affinity)와 가중치(Weight), 최신성(Time Decay)의 조합으로
특정한 글의 점수(Score)를 계산해 이 점수가 높은 순으로 ‘인기글’에 보여주며 뉴스피드 노출을 유도합니다.

1) 친밀도 (Affinity)
친밀도는 개개인이 "친구사이보기"를 통해 친구와 주고 받은 글, 사진, 이벤트 등의 공통 관심사를 조회해 구성하게 됩니다. 페이지의 경우도 페이지 내의 담벼락에 글이나 사진을 많이 올리는 등 활동을 많이 하는 경우에 친밀도가 높아지게 됩니다.


2) 가중치 (Weight)
가중치는 오히려 간단하게 설명이 가능한데 컨텐츠간의 관계 즉, 댓글/좋아요/태그가 만들어지면 Edge라는 개념이 형성되는데 이때 이 Edge에 따라 댓글, 좋아요가 많아지면 가중치가 부여되는 것입니다.

쉽게 말하면 댓글, 좋아요가 많은 친구 글일 수록 인기글과 뉴스 피드 노출이 높아진다는 이야기입니다.


3) 최신성 (Time Decay)
말 그대로 최신 글에 좀 더 높은 점수를 주어 최신글이 좀 더 많은 노출이 보장되도록 돕는 것으로 SNS에서의 실시간성과 최신성을 보장하기 위함입니다.



어떤점이 구글 PageRank와 EdegRank를 비교하게되는가?
결국 사람과 사람사이의 관계가 특정한 행위에 의해 작용하고 그 작용을 이용해 좀 더 다양하 영향력과 관계를 만들어 나갈 수 있다고 규정한 것이 EdgeRank인데 사실 이런 개념을 먼저 고민한 것이 바로 구글입니다.

PageRank 알고리즘은 제가 과거에 작성한 "구글 페이지랭크와 알렉사 랭크의 공통점" 글에서 이야기 한 것처럼 페이지간 인용과 사용에 대한 상대 평가를 통해 페이지간 랭킹을 산정하고 이렇게 산정 된 랭킹으로 검색 된 키워드에 따라 검색 노출을 만들어 내는 것입니다.

그런데 이때 웹 페이지와 페이지간 관계와 연관성을 아주 복잡한 공식에 의해 만들어 내는데 바로 이 관계가 바로 EdgeRank에서 다른 형태의 예로 표현된 것이라고 볼 수 있습니다.

보통 Rank 알고리즘은 다음뷰의 추천에 의한 열린 편집을 통한 베스트 뉴스 산출 알고리즘 "Open Editing Algorithm: A Collaborative News Promotion Algorithm based on Users' Voting History"처럼 특정한 관계를 규정하는 이론들이 있습니다.

베스트글 산출 알고리즘을 이야기한 바위처럼님의 블로그를 보면 "베스트글을 한번이라도 써본 사람(M)과 일반 블로거(N)가 특정 글을 베스트에 올릴 때 유효했던 추천(A)에 가중치를 두어 나머지 추천(B)를 토대로 그 사람이 했던 추천 점수를 계산 하게 된다. (여기서 c와 c'는 표본 에디터에서 산출한 상수 값).

그런 다음 사람이 충분히 읽지 않고 추천한 짧은 시간에 추천(D)과 베스트 글 이후의 유사한 추천(DB)를 뺀 값이다. 즉, 추천 점수는 내용을 충분히 읽고 추천한 글 중에 베스트 글을 쓴 사람이 베스트 글이 될만한 딱 그 시점에 추천이 많은 경우 올라갈 수 있다는 의미이다.

웹 서비스가 사회적 인간적 요인들이 많아지면서 공학적 알고리즘에 인간적 요인을 배려를 하기 시작한 건 그리 오래된 일은 아닌 것 같다" 처럼 관계를 산정하는 알고리즘에 근간한다고 볼 수 있습니다.

즉, EdgeRank나 PageRank는 특정한 관계를 연산하여 풀어낸다는 부분에서 일정한 관계성을 보이는데 페북의 EdgeRank는 사람의 관계에 포커싱을 한다면 구글 PageRank는 웹 페이지간의 관계에 집중한다고 볼 수 있는 것입니다.


관계 결국 행위 (좋아요와 커멘트)에 따라 반응하고 성장시키는 모델
FBML 사이트를 보면 "2011년 3월 Visibli의 10만명 이상의 Fan Page에 대한 조사 결과에서 Fans의 증가는 engagement를 저하시킨다고 발표했다고 합니다.

이 컨텐츠 작성자는 소셜미디어회사인 LoudDoor에서 페이지 사이즈에 대한 Fans의 반응에 대한 통계 자료를 근거로 상관관계를 설명하고 있습니다.

Fan이 증가하면 좋아요도 증가하지만 관계성이 옅어지는 200~500만에서는 이런 상관관계가 약화된다고 합니다. 또, 페이지에 대한 Fan 요총도 10만명씩 줄어들었다고 250만명 사이에서 다시 증가하는듯한 현상이 일어납니다.

이는 커멘트에서도 비슷하게 일어나는데 이것은 결국 Fan 마다의 관심사와 다른 목적으로 일시적인 Fan을 수십만명씩 늘렸다고 해도 그러한 관계성이 바로 확장되는 것은 아니라는 것입니다.

결국 페이스북은 조금 복잡하고 어려운 방법이지만 확실하게 반응을 보여야지만 이런 반응에 의해 컨텐츠 유통과 확산이 가능한 알고리즘을 체택해 단순한 이벤트성 행사나 노력에 의한 Fan증가는 실제 마케팅적으로 유의미한 활동이 되도록 만든것이 특징입니다.



관계를 만들기 위해 페이스북이 요구하는 내용은?
페북이 제시하는 내용을 보면 친밀도, 가중치등은 사람의 상화 작용에 의해 완성됨을 알 수 있습니다. 페이지 랭크는 인위적으로 페이지를 만들어 내면 되지만 페북은 이런 점이 조금 어려울 수 있습니다.

수많은 친구를 만들고 이런 친구들의 뉴스피드와 인기글에 자신의 글을 노출하기 위해서는 결국 지속적인 교류를 하고 친구들이 좋아 할만한 컨텐츠 (텍스트+사진 + 링크 + 비디오)등을 통해 관심을 끄는 것이 중요하단 것입니다.

공감가는 글을 만들고 사용자의 공감을 끌어낼 수 있는 컨텐츠 생성을 위해 시각적 효과를 자극 할 수 있는 컨텐츠를 만듭니다. 그렇지만 너무 많은 텍스트의 글은 반응율을 저하시키기 때문에 아주 중요한 컨텍스트가 아닌 경우는 결국 80Byte 정도의 짧은 컨텐츠를 이용해야합니다.

<Report>
- Facebook’s EDGERANK : How to Make Sure You’re in the News Feed – Buddy Media
- The Science of Analytics – Dan Zarrella (Hub Spot)

<Post>
- EdgeRank: The Secret Sauce That Makes Facebook’s News Feed Tick – Tech Crunch
- 6 Tips to Increase Your Facebook EdgeRank and Exposure – Social Media Examiner (번역본)
- 소셜 웹 알고리즘 만들기 – Channy’s Web Science
- 페이스북 담벼락에 내 글을 노출시키는 방법 : Edgerank 알고리즘 – 김진선

          <참고 컨텐츠: http://smmb.kr/edgerank/>