가이드 (Guide)

유튜브는 어떻게 '스토리의 재미'를 수치화하는가: 추천 논문과 스튜디오 리텐션 데이터로 읽는 시청 신호

Oct 3, 2026•작성: Lumen Insights Lab•

최종 수정일: Oct 14, 2026

요즘 숏폼 플랫폼을 둘러보면 조회수 100만 회, 200만 회를 기록한 영상들을 심심치 않게 찾아볼 수 있습니다. 숏폼 생태계가 성숙기에 접어들면서 높은 조회수 자체는 더 이상 소수 대형 채널만의 전유물이나 기적이 아닌, 알고리즘의 파도만 제대로 탄다면 누구나 마주할 수 있는 일상적인 수치가 되었습니다.

하지만 실제 편집실에서 매일 타임라인을 쪼개고 스튜디오 대시보드를 열어보는 크리에이터들에게는 언제나 풀리지 않는 오랜 의문이 있습니다.

“분명 이번 영상은 대본도 재미있고 편집 호흡도 완벽하다고 생각했는데, 왜 몇백 회에서 멈춰 서는 걸까?”
“반대로 큰 욕심 없이 올렸던 영상은 왜 80% 이상의 완주율을 기록하며 알고리즘의 추천 그물을 거침없이 뚫고 올라갈까?”

많은 사람들이 이 차이를 “영상이 재미있냐 없냐”라는 지극히 주관적인 감정의 영역으로 퉁치곤 합니다. 하지만 추천 시스템이 재미를 사람처럼 느끼지는 않습니다.

아래에서 살펴볼 구글의 추천 논문은 시청자가 무엇을 얼마나 오래 봤는지 같은 행동 기록을 신호로 씁니다.

그렇다면 그 신호는 스튜디오 화면에서 어떻게 보일까요?

구글 연구 논문과 제 채널의 스튜디오 리텐션 지표를 나란히 놓고 살펴봅니다.

영상으로 한눈에 보기: 유튜브 알고리즘이 ’스토리의 재미’를 수치화하는 법

본 칼럼에서 다루는 구글 추천 알고리즘의 심층 신경망 원리와 스튜디오 3대 리텐션 데이터를 영상으로 시각화했습니다. 글을 읽기 전 편하게 시청해 보세요.

구글 추천 논문이 말하는 것: 클릭보다 시청 시간

유튜브 추천 시스템의 핵심 두뇌가 어떻게 작동하는지 이해하려면, 지난 수년간 추천 알고리즘의 교과서로 평가받는 구글 리서치(Google Research) 팀의 공식 논문, 《Deep Neural Networks for YouTube Recommendations(유튜브 추천을 위한 심층 신경망)》을 먼저 살펴볼 필요가 있습니다.

구글의 엔지니어링 팀(Covington et al.)은 이 논문에서 유튜브의 추천 파이프라인을 크게 두 가지 단계로 분리하여 설명합니다.

후보군 생성(Candidate Generation): 수억 개의 영상 중 시청자의 최근 시청 이력과 유사도를 계산해 수백 개의 후보를 추려내는 단계
순위 매김(Ranking): 추려진 후보 영상들에 최종 점수를 매겨 시청자의 피드 최상단에 꽂아 넣는 단계

graph LR
    classDef input fill:#0D111A,stroke:#64748B,stroke-width:1.5px,color:#94A3B8;
    classDef dnn fill:#1E1B4B,stroke:#818CF8,stroke-width:2px,color:#C7D2FE;
    classDef loss fill:#064E3B,stroke:#00F5A0,stroke-width:2px,color:#A7F3D0;

    A["시청자 손가락 로그<br/>(스크롤, 터치, 정지)"]:::input --> B["후보 생성 신경망<br/>(임베딩 벡터 유사도)"]:::dnn
    B --> C["랭킹 신경망 (Ranking)<br/>가중 로지스틱 회귀"]:::dnn
    C --> D["예측 가중 시청 시간<br/>(Expected Watch Time)"]:::loss

여기서 가장 주목해야 할 핵심은 랭킹 단계에서 사용되는 목표 함수(Objective Function), 즉 ’가중 시청 시간(Weighted Watch Time)’의 개념입니다.

논문에 따르면, 알고리즘은 단순히 “시청자가 클릭했는가(CTR)“만을 보지 않습니다. 클릭률만 최적화하면 자극적인 썸네일로 낚시를 하는 어그로 영상이 판을 치게 되기 때문입니다. 그렇다고 해서 “단순히 몇 초 동안 화면을 켜두었는가”만을 절대적인 기준으로 삼지도 않습니다. 멍하니 방치된 15초와, 숨도 쉬지 않고 몰입한 15초는 플랫폼 입장에서 완전히 다른 가치를 지니기 때문입니다.

논문에서는 가중 로지스틱 회귀(Weighted Logistic Regression)를 쓰는데, 클릭된 노출에 실제 시청 시간만큼 가중치를 줘서 기대 시청 시간(Expected Watch Time)을 예측하도록 학습합니다. 클릭만 많고 금방 나간 영상보다 오래 본 영상이 높게 평가되는 구조입니다.

다만 이 논문은 2016년에 발표된 것으로, 롱폼 중심이던 당시 유튜브 추천 시스템을 다룹니다. 쇼츠 피드가 지금도 같은 구조로 동작한다는 근거는 아니며, 아래 내용은 이 논문의 원리를 쇼츠 지표에 빗대어 해석한 저자의 분석입니다.

스튜디오 데이터로 보는 피드 잔존율과 완주율의 3가지 전형적 경로

실제 스튜디오 대시보드에서 관측되는 지표를 비교해 보면, 알고리즘이 영상을 평가하는 구조가 단일 지표가 아닌 엄격한 다단계 필터링 구조임을 확인할 수 있습니다.

1. 후반에 무너진 영상: 피드 잔존율 68.1% (7.8천 회)

피드 잔존율 68.1%로 7천 회 구간에서 정체된 대시보드 개요 후반 완주율이 무너지며 계단식 하락을 기록한 리텐션 커브

위 지표는 34초 영상에서 첫 피드 잔존율이 68.1%였던 영상입니다. 17초 이후 그래프가 계속 내려가 마지막에는 50% 밑으로 떨어졌고, 조회수는 7,800회 선에서 멈췄습니다.

계속 시청함(피드 잔존율): 68.1% (이탈률 31.9%)
평균 시청 지속 시간: 32초 / 34초
피드 확장 결과: 7.8천 회에서 평탄화되며 추가 추천 차단

2. 초기 확산형: 73.7% 잔존율과 100% 완주 (360.6만 회)

피드 잔존율 73.7%와 43초 만점 완주로 360만 회를 돌파한 개요 지표 180%에서 시작하여 끝까지 70%대를 방어한 평탄 리텐션 커브

반면 위 지표는 첫 피드 잔존율이 73.7%였던 영상입니다. 43초 영상에서 평균 시청 지속 시간이 43초(완주율 100%)를 기록했고, 초반 되감기 효과로 180%에서 시작해 영상 말미까지 70% 이상의 고유지율을 방어했습니다. 그 결과 게시 직후 10일 만에 360만 뷰를 쌓았습니다.

3. 늦게 오른 롱테일형: 30초 잔존율 89%와 공유 (334.8만 회, 10/14 현재 523만 회)

10일 이후부터 꺾이지 않고 334만 회를 넘기며 우상향 중인 대시보드 개요 초기 58.8% 잔존율에도 불구하고 30초 지점 89% 시청을 기록한 독보적 리텐션 커브

가장 흥미로운 데이터는 세 번째 사례입니다. 1분 풀영상에서 첫 피드 잔존율은 58.8%로 앞의 두 편보다 낮았습니다.

하지만 이 영상은 30초 지점 잔존율이 무려 89%에 달했고, 평균 시청 시간이 55초(완주율 91.6%)를 기록했습니다. 여기에 결정적으로 “동영상이 평소보다 많이 공유되었습니다”라는 유튜브 공식 하이라이트가 붙을 만큼 강력한 공유 시그널이 발생했습니다.

남아서 본 58.8%가 끝까지 보고 공유까지 하면서 긴 시청 시간이 쌓였고, 저는 이것이 낮은 잔존율을 메웠다고 해석합니다(가설). 이 영상은 10일 차부터 다시 올라 334만 회를 넘었고, 10월 14일 현재 523만 회입니다.

데이터 3종 비교 요약

분석 지표 항목	후반 이탈형	초기 확산형	늦게 오른 롱테일형
누적 조회수 실적	7,800회 (정체)	3,606,000회	3,348,000회+ (10/14 현재 523만 회)
피드 계속 시청함 (Stayed)	68.1%	73.7%	58.8%
스와이프 이탈률 (Swiped away)	31.9%	26.3%	41.2%
평균 시청 지속 시간 (완주율)	32초 / 34초 (94%)	43초 / 43초 (100%)	55초 / 60초 (91.6%)
리텐션 곡선 특징	후반부 급락	평탄형 (70%대 유지)	30초 잔존율 89% (스튜디오 인증)
저자의 해석	후반 이탈	높은 잔존율 + 완주	긴 체류 시간 + 공유

세 편으로 결론을 내리기는 어렵지만, 적어도 피드 잔존율 하나로 결과가 정해지지는 않았습니다. 잔존율이 가장 낮았던 영상이 중후반 유지(30초 잔존율 89%)와 공유가 많아 가장 오래 올라갔습니다.

리텐션 그래프에서 보는 3가지 신호

스튜디오 리텐션 그래프에서 제가 눈여겨보는 신호는 세 가지입니다.

graph TD
    classDef base fill:#0F172A,stroke:#38BDF8,stroke-width:1.5px,color:#F8FAFC;
    classDef hook fill:#1E293B,stroke:#F59E0B,stroke-width:2px,color:#FDE68A;
    classDef pacing fill:#1E293B,stroke:#EC4899,stroke-width:2px,color:#FBCFE8;
    classDef rewind fill:#1E293B,stroke:#10B981,stroke-width:2px,color:#A7F3D0;

    A["시청자의 무의식적 손가락 반응"]:::base --> B["1. 첫 1~2초<br/>엄지손가락 제동력<br/>(Swipe-Away 방어)"]:::hook
    A --> C["2. 중반부 1초 단위<br/>미세 이탈 (Micro-Drop)<br/>정보 밀도 페이싱"]:::pacing
    A --> D["3. 클라이맥스<br/>되감기 스파이크<br/>(Rewind Spike > 100%)"]:::rewind

1. 첫 1~2초: 엄지손가락 제동력(Swipe-Away Resistance)

쇼츠 피드를 넘기는 시청자의 엄지손가락은 무의식적인 자동 스크롤 상태에 있습니다. 제 관찰로는 시청자가 영상을 넘길지 판단하는 시간이 극히 짧습니다(공식 수치가 아닌 추정입니다).

이때 타이틀 자막이나 로고가 느긋하게 등장하는 영상은 뇌가 판단을 내리기도 전에 손가락에 밀려 화면 밖으로 사라집니다. 반면, 첫 1초 안에 인물의 날것 그대로의 표정이나 강렬한 대사가 귀에 꽂히는 영상은 시청자의 손가락 신경계에 즉각적인 제동을 겁니다.

스튜디오의 ‘피드에서 계속 시청함(Viewed vs Swiped Away)’ 비율이 낮으면 뒤에 준비한 반전을 볼 사람 자체가 줄어듭니다. 다만 위 사례 3처럼 58.8%로도 크게 퍼진 영상이 있어, 특정 기준선을 넘어야 한다고 말할 수는 없습니다.

2. 중반부: 미세 이탈(Micro-Drop-off)과 정보 밀도

리텐션 그래프를 분석할 때 눈여겨볼 지표 중 하나가 ’1초 단위 미세 이탈(Micro-Drop-off)’입니다.

시청 지속 시간 그래프를 극도로 확대해 보면 매초 미세한 잔물결이 존재합니다.

대사가 0.5초만 늘어지거나
다음 상황을 짐작할 수 있는 뻔한 호흡이 이어지거나
화면에 새로운 시각 정보가 3초 이상 들어오지 않을 때

시청자의 뇌는 흥미 공급이 끊겼다고 판단하고 미세하게 이탈을 시작합니다. 그래프가 완만한 곡선이 아니라 계단식(Staircase)으로 뚝뚝 떨어지는 구간은 시청자가 이탈하는 지점이므로 우선적으로 고쳐야 할 대상입니다. 저는 새로운 인과관계나 의문, 갈등을 짧은 간격으로 이어 붙여 이 미세 이탈을 줄이려고 합니다. 몇 초 간격이 적당한지는 재 본 적이 없습니다.

3. 클라이맥스: 되감기 스파이크(Rewind Spike)의 파괴력

리텐션 분석에서 가장 눈여겨볼 순간은 그래프가 100% 선을 뚫고 위로 솟구치는 되감기 스파이크(Rewind Spike)입니다.

“어? 방금 무슨 일이 일어난 거지?”
“방금 저 대사가 실화인가?”
“뒤통수 친 진짜 범인이 저 사람이었다고?”

시청자가 충격적인 대사나 시각적 반전을 다시 보려고 영상이 한 바퀴 돈 뒤에도 계속 보거나 재생 막대를 앞으로 돌리면, 그 구간의 리텐션 수치는 100%를 넘습니다. (쇼츠에서 화면을 두 번 탭하는 동작은 되감기가 아니라 좋아요입니다.) 저는 이 ‘재시청’ 신호가 추천에 긍정적으로 작용한다고 가정합니다(공식 확인된 가중치가 아닌 저자의 가설입니다). 다만 제 채널 137편을 보면 평균 조회율 100~120% 구간은 조회수가 가장 높았지만 120%를 넘는 영상들은 오히려 낮았습니다(137편 데이터 글). 높을수록 좋은 것은 아니었습니다.

실전 프로덕션: 단순 컷편집이 실패하는 구조적 이유

많은 크리에이터들이 쇼츠를 제작할 때 흔히 저지르는 실수가 있습니다. 바로 원본 영상에서 소위 “재미있어 보이는 구간”을 앞뒤만 잘라 그대로 쇼츠로 올리는 ’단순 컷편집’입니다.

제 경험으로는 맥락 없이 잘라 낸 하이라이트는 시청자를 붙잡기 어려웠습니다. 시청자는 앞뒤 인과관계를 모르는 상태에서 인물이 소리를 지르거나 뛰어다니는 장면을 보면 몰입하는 것이 아니라 당혹감과 피로감을 느끼며 즉시 엄지손가락을 위로 튕겨버립니다.

graph LR
    classDef bad fill:#3F1D24,stroke:#F43F5E,stroke-width:1.5px,color:#FECDD3;
    classDef good fill:#064E3B,stroke:#00F5A0,stroke-width:2px,color:#A7F3D0;

    A["단순 컷편집<br/>(장면 나열 / 긴 호흡)"]:::bad -->|첫 3초 맥락 부재| B["손가락 즉시 이탈<br/>(완주율 30% 미만 추락)"]:::bad
    
    C["서사 중심 재설계<br/>(대사 훅 + 인지 부조화)"]:::good -->|3초 충격 대사 선배치| D["손가락 제동 + 몰입<br/>(완주율 70~80% 돌파)"]:::good

실제 높은 몰입도를 기록하는 킬러 클립들은 철저하게 시청자의 인지 구조에 맞춰 재구성됩니다.

3초 킬러 대사의 전진 배치 (인지 부조화 유발):
상황 설명 자막 대신, 인물의 가장 황당하거나 억울한 육성을 첫 컷에 과감히 배치합니다. 시청자는 이 한마디를 듣는 순간 “도대체 무슨 상황이길래 저런 말을 하지?“라는 강력한 인지 부조화에 빠지며 손가락을 멈추게 됩니다.
기대와 현실의 갭(Gap)을 이용한 반전 정점:
시청자가 예상하던 흐름이 통렬하게 깨지는 순간, 뇌에서 강렬한 집중 스파이크가 발생합니다. 예측 가능한 스토리에는 반응하지 않는 것이 인간 뇌의 기본 방어기제입니다.
군더더기 0.1초를 도려내는 페이싱 압축:
말과 말 사이의 정적, 필요 없는 불필요한 반응 컷을 과감히 잘라내어 문장이 톱니바퀴처럼 맞물려 돌아가게 만듭니다. 시청자가 지루함을 느낄 틈을 주지 않는 속도감입니다.

스토리텔링은 문학이 아니라 ’반응 속도 엔지니어링’이다

유튜브 쇼츠에서 100만 뷰를 넘나드는 영상과 수백 뷰에서 멈추는 영상의 차이는 막연한 감에 있지 않습니다. 그것은 시청자의 생리적 주의력 결핍(Attention Deficit)을 얼마나 정밀하게 예측하고, 매 프레임마다 그들의 손가락 반응을 정교하게 제어했는가의 차이입니다.

내가 만든 영상이 알고리즘의 벽 앞에서 자꾸만 멈춰 선다면, 막연히 실망하기 전에 스튜디오 대시보드의 리텐션 그래프를 1초 단위로 뜯어보아야 합니다.

체크 1: 피드 계속 시청률이 내 채널의 다른 영상과 비교해 어느 정도인가?
체크 2: 중반부 15초~30초 구간에서 계단식으로 떨어지는 0.5초의 공백이 존재하는가?
체크 3: 영상 후반부에 시청자가 다시 돌려보고 싶게 만드는 반전이나 명대사의 스파이크 핀이 꽂혀 있는가?

알고리즘을 원망할 필요는 없습니다. 구글의 인공지능은 그저 시청자들의 솔직한 손가락 반응을 가장 정직하게 미러링하고 있을 뿐입니다. 영상의 재미를 감이 아닌 데이터의 리듬으로 조율할 수 있을 때, 알고리즘은 비로소 당신의 가장 강력한 확성기가 되어줄 것입니다.

LAB

Lumen Insights Lab

1인 쇼츠 채널 운영자 · 채널 데이터 기록

2026년 2월 쇼츠 채널을 시작해 직접 확인한 스튜디오 지표와 그 해석을 기록합니다. 확인하지 못한 내용은 추정이라고 표시합니다.