유튜브는 왜 상위 1%만 뜰까
열심히 만든 좋은 영상이 뜨는 걸까요, 아니면 먼저 뜬 채널이 계속 뜨는 걸까요? 채널 200개의 구독자 경쟁을 돌려 보고, 같은 조건에서 우연만 다르게 한 "평행우주"도 비교합니다.
모델은 이렇게 움직입니다
- 채널마다 콘텐츠 품질이 정해져 있습니다. 파랑에 가까울수록 품질이 높고 빨강에 가까울수록 낮아요.
- 라운드마다 시청자 100명이 와서 각자 한 채널을 구독합니다.
- 시청자는 일정 비율로 인기 순 추천을 따릅니다. 인기 있는 채널일수록 더 많이 추천받아서, 구독자가 많은 쪽이 더 많이 늘어납니다.
- 나머지 시청자는 품질에 비례해서 채널을 고릅니다. "같은 설정, 다른 운"을 누르면 같은 채널 세트에서 우연만 다른 평행우주가 열려요.
직접 돌려보기
0%면 품질로만 선택, 100%면 모두 인기 순
많을수록 경쟁이 치열해요
① 구독자 경쟁
구독자 순위 상위 12개 채널입니다. 막대 색은 품질이고, 이름 아래에 품질 순위가 적혀 있어요.
② 품질 vs 구독자
한 점이 한 채널입니다. 오른쪽일수록 품질이 좋은데, 위쪽(구독자 많음)에 있는 채널이 오른쪽에 몰려 있나요? 세로축은 로그 눈금입니다.
③ 평행우주 8개
같은 채널로 시작해서 우연만 다르게 8번 돌렸을 때, 1위가 된 채널의 품질 순위입니다.
계산 중…
④ 인기 순 추천이 늘수록
가로는 인기 순 추천의 비율입니다. 파란 선은 품질과 결과의 상관(1이면 품질대로), 금색 선은 상위 10% 채널이 가져가는 구독의 몫이에요.
이 결과가 말하는 것, 말하지 않는 것
말하는 것:
- 인기 순 추천이 약하면 품질대로, 강하면 먼저 뜬 채널에 쏠려요. 이 모델에서 품질과 구독자 순위의 연관은 인기 영향 0%에서 0.97, 100%에서 0.01이었어요.
- 구독자가 많은 채널이 더 추천되고 추천받으면 구독자가 더 늘어서, 초기 우연이 쌓여 순위가 굳어요. 상위 10%의 구독 몫이 인기 영향 0%에선 23%, 100%에선 97%였어요.
- 인기 영향이 클수록 지금 1위가 가장 좋은 채널이라는 보장이 약해요. 1위의 품질 순위가 0%에서 1위, 70%에서 80위, 100%에서 114위였어요.
- 그렇다면 순위를 어떻게 보면 될까요? 추천이 인기를 얼마나 따르는지부터 보면 돼요. 이 모델에서 그 비율이 50%일 땐 1위가 품질 3위였지만, 70%에선 80위로 확 무너졌어요.
상세 설명
말하는 것: 추천이 인기 순을 따르는 비율이 커질수록 구독이 소수 채널에 쏠리고, 품질과 결과의 연결은 약해집니다. 같은 채널로 시작해도 우연에 따라 1위가 완전히 달라지니, 지금 1위가 가장 좋은 채널이라는 보장은 없어요.
말하지 않는 것:
- 품질이 아무 소용이 없다는 뜻은 아니에요. 인기 순 추천이 약할 때는 품질대로 결과가 나왔어요.
- 실제 플랫폼의 추천은 훨씬 복잡해요. 영상 주제, 업로드 빈도, 구독 취소가 이 모델에 없고, 인기 쏠림이 얼마나 센지는 실제 구독 데이터로 확인해야 해요.
상세 설명
말하지 않는 것: 품질이 아무 소용이 없다는 뜻은 아닙니다. 인기 순 추천이 약할 때는 품질대로 결과가 나옵니다. 실제 유튜브의 추천 방식과 시청자 행동은 훨씬 복잡하고, 이 모델에는 영상 주제, 업로드 빈도, 구독 취소 같은 요소가 없습니다. 추천 알고리즘의 인기 편향 정도(후보 2개 중 큰 쪽 추천)도 제가 정한 가정입니다.
이론적 근거와 구현 메모
- 모델의 뿌리: 두 가지 발상을 합친 모델입니다. 하나는 "인기 있는 쪽이 더 많이 선택받는다"는 선호적 연결로, Barabási와 Albert(1999)의 "Emergence of scaling in random networks"(Science)가 대표적입니다. 다른 하나는 Salganik, Dodds, Watts(2006)의 음악 시장 실험(Science 311)으로, 다른 사람의 선택을 볼 수 있으면 불평등이 커지고 무엇이 성공할지 예측하기 어려워진다고 보고했습니다.
- 핵심 가정과 수식: 채널마다 품질 q(로그정규분포)가 있고, 시청자는 확률
social로 인기 순 추천을, 나머지는 q에 비례해 고릅니다. 인기 순 추천은 구독자+1에 비례해 후보 2개를 뽑아 더 큰 쪽을 고르는 방식입니다. 슬라이더social이 클수록 품질보다 이미 쌓인 구독자가 결과를 좌우합니다. - 이 프로젝트의 단순화: 논문 수치를 재현한 것이 아니라 이 프로젝트의 설계입니다. 품질의 분포(σ=0.5)와 고정된 시드, "후보 2개 중 큰 쪽"이라는 추천 방식, 채널 200개·한 라운드 시청자 100명은 임의로 정했습니다. 후보를 1개만 뽑으면 쏠림이 약해서(상위 10% 몫 약 23~33%) 알고리즘이 인기 쪽으로 더 기운다고 가정했습니다. 순수 선호적 연결의 닫힌 해(멱법칙)와는 다릅니다.
- 이론값과 시뮬레이션: 비교할 이론값이 없어 시뮬레이션만으로 확인했습니다. 평행우주 12개 평균으로,
social0%에서는 품질-구독자 순위 상관 0.97, 상위 10% 몫 23%, 1위 채널의 품질 순위 1위입니다. 50%에서는 0.85, 41%, 3위, 70%(기본값)에서는 0.71, 60%, 80위, 100%에서는 0.01, 97%, 114위입니다. 인기 영향이 클수록 쏠림이 커지고 품질로는 설명이 안 된다는 방향은 Salganik 외 실험의 정성적 결론과 같습니다(node tools/validate-more.js youtube). - 더 읽을거리: Salganik, Dodds, Watts (2006), "Experimental study of inequality and unpredictability in an artificial cultural market", Science 311. Barabási, Albert (1999), "Emergence of scaling in random networks", Science.
- 품질은 로그정규분포(σ=0.5)이며 고정된 시드로 만들어서 평행우주끼리 같은 채널 세트를 씁니다. 검증은
node tools/validate-more.js youtube로 할 수 있습니다.