지난번 페이스북 뉴스피드 알고리즘 변경 관련하여 정리한 이후로, 몇일 지나지 않아서 인스타그램 뉴스피드에 대한 공식적인 언급은 아니지만 미국 동부 '뉴욕'에서 진행된 '머신러닝 @스케일' 컨퍼런스에서 나온 이야기가 있어서 급하게(?) 내용 정리를 해서 공유합니다.


당초 생각했던 기대치, 알고리즘이 아닌 사용자의 행동 패턴을 고려하여 인스타그램 서비스/플랫폼 단에서 지속적으로 실험을 하면서 사용성 테스트를 하고 있다는 것을 알 수 있었습니다. 그럼 시작해볼까요?


인스타그램 뉴스피드



모든게 데이터 기반으로 움직인다는 것은 익히 잘 알고 계실겁니다. 특히 페이스북이 인스타그램을 사들인 이후에 정말 기술적으로 뉴스피드 알고리즘에 대해 착착, 그것도 페이스북이 최근에 Fake News(가짜 뉴스) 소동으로 곤욕을 치르고 있는 상황을 잘 알고 있는 듯이 '인스타그램' 만은 그와는 정반대로 '이미지스타'로 불릴 정도로 전체 분위기가 퇴색하자 발빠르게 '머신러닝' 기법을 활용해서 대처하고 있는 모습이 포착된 것이죠.


사실 저도 '소셜미디어투데이(Social Media Today)'의 뉴스피드 콘텐츠를 놓쳤더라면 이 내용을 잊고 갔을텐데, 다행히 이런 내용을 정리할 수 있다는 것만으로도 다행이라고 생각합니다.


간단하게, 말씀드릴 수 있는 것은 ...

(긴 장문의 글을 한방에 요약하면 아래와 같은 한장의 내용으로 볼 수 있습니다.)

인스타그램 뉴스피드 알고리즘

'사용자들 간의 인터랙션 - 관계의 적절성'에 포커스를 둔다는 것입니다. 그러한 '적절성(여기서는 Relavance)'을 이야기 하는데요. 인스타그램에서 제공하는 모든 기능들, 데이터가 수집되는 모든 항목의 수치를 인게이지먼트(관계성)의 대표적인 수치로 확인하여 뉴스피드 알고리즘에 반영한다는 이야기 입니다.


그 중에서 가장 먼저 확인하는 것은, 아래의 글과 동영상을 보시면 확인 가능하시겠지만 4가지로 요약하면 A와 B 사용자 - 특히 인스타그램을 사용하는 '철수'와 '영희'라는 사용자가 있다고 가정하면


두명의 사용자 간의

- 콘텐츠에 대한 Like

- DM(다이렉트메시지로의대화빈도가되겠죠?)

- 검색창을 통해서 얼마나 검색했느냐?

- 실제 오프라인 생활에서 철수와 영희 간에 얼마나 알고 있느냐?

  (이건 사진 콘텐츠를 찍게 될 경우 태그가 될까요? 판단 기준이 모호 합니다.)


이렇게 4가지를 머신 러닝 상에서 측정 지표와 뉴스피드를 점수화 하여 계산할때 주로 본다고 합니다. 보다 상세한 내용은 아래 링크한 내용의 영어 전문(?)을 읽어보시면 아시겠지만, 전체 내용의 후반부 내용을 보시면 더욱 명확해집니다.


Inside the Instagram Algorithm

Facebook recently hosted the ' Machine Learning @ Scale ' event, which brought together some of the smartest minds in machine learning and artificial intelligence to discuss the latest discoveries and technical innovations which will enable them to advance their processes. Sounds fun, huh?


그리고, 재미난 데이터가 내용 전문에 포함되어 있는데요. 일별 활성 사용자 - 노출 - 뉴스피드 소비 시간 - 사진 업로드 수치는 계속적으로 증가한다고 합니다. 그만큼 전체 사용자 Potential은 나쁘지 않은 정말 활발한 플랫폼이 되어가고 있다는 내용인데요. 그에 반해서 단순한 검색량, 검색 행동에 대한 수치들은 유일하게 감소하고 있다는 이야기를 봐서는 2016년 3월에 발표되었던 1차적인 '인스타그램 뉴스피드'노출 기준 반영 이후, 콘텐츠 인터랙션에 따른 뉴스 피드 노출 기준 반영에 따라 뉴스피드 생태계가 많이 달라진 것이라 판단이 됩니다.(사실 그에 대한 판단이나, 내용 입증은 없으나 저는 개인적으로 생각하고 싶네요)


특히, 아래의 머신러닝 @스케일 2017년 포스트(Facebook Code) 내용에 반영되어 있는 타 플랫폼의 기술적인 머신러닝 고도화(스케일 업)에 대한 내용들도 보시면 좋습니다.


단, 하기에 붙여놓은 인스타그램의 이야기가 여기서 핵심이겠지요.

뉴스피드 노출 측정 기준에 대해서는 6분 ~ 8분대 나와있고요. 그 이외의 내용도 매우 핵심적인, 시간대별 콘텐츠 게시 평균 개수들도 볼 수 있습니다.(사용자별)


Machine Learning @Scale 2017 recap

Last week we hosted Machine Learning @Scale, bringing together data scientists, engineers, and researchers to discuss the range of technical challenges in large-scale applied machine learning solutions. More than 300 attendees gathered in Manhattan's Metropolitan West to hear from engineering leaders at Bloomberg, Clarifai, Facebook, Google, Instagram, LinkedIn, and ZocDoc, who all shared diverse approaches to building machine learning systems used by millions if not billions of people.





플랫폼의 기술적인 변화에 맞춰서, 실제 사용자들의 인터랙션 - 활동 상태에 따른 노출 기준을 정하는 알고리즘 개발도 무척이나 재미있어 보입니다. 특히 머신러닝 및 데이터 메카니즘을 활용해서 나오는 Raw - Back Data 기준의 알고리즘 설계는 사용자 - 여기서 이야기하는 사용자는 브랜드 및 제품 콘텐츠 담당자 들에게 던지는 화두가 클 것이라고 봅니다.


개인적으로 플랫폼의 기술적인 변화에 따라 전략 대비 전술, 그에 따른 기획과 바라보는 관점들이 계속 바뀌는 것이라 보고 있는데요. 점점 그 관점이 명확해지는 것 같습니다.


인스타그램에서 나타나는 각 기능, 그리고 사용자 간의 인터랙션으로 나올 수 있는 수치들이 콘텐츠 및 소비자 커뮤니케이션 - 플랫폼의 핵심적인 기능을 이해해야만 장기적인 전략과 단기적인 역할 기획 등이 수반되는 것이 아닌가 하는 판단이 드네요.


아래의 글은 2016년 3월에 나왔던 'Kevin systrom' 인터뷰가 수록된, 인스타그램 뉴스피드 개편 이야기가 있었던 '소셜 미디어 투데이' 분석 - 정리 글 입니다.

(출처 : https://www.nytimes.com/2016/03/16/technology/instagram-feed.html?_r=1)



본 알고리즘(Algorithm)이 뉴 미디어에 미치는 영향, 콘텐츠와 인터랙션 - 사용자 간의 관계 적절성을 고민하게 만드는데 유용한 도움이 될 수 있을 것이라 봅니다..


현재의 디지털 마케터에게 이러한 기술적인 접근과 플랫폼을 바라보는 관점과 그에 따른 활용 전략 및 기획 밑그림을 그리는 능력은 날로 중요해질 것이라고 판단됩니다.


Instagram Switching to Algorithm-Fuelled Timeline to Uncover Best Content

Remember how last month Twitter announced a new algorithm-fuelled timeline aimed at helping users see the tweets most relevant to them? That was pretty well-received - there were only a few thousand or so tweets using the hashtag #RIPTwitter in response, proclaiming such a move to be the death of the service.


본 글이 인스타그램 기반 마케팅을 집행하는 많은 현장의 분들에게 일말의 도움이 되는 글이 되었으면 합니다. 그리고 본 글에 인용된 모든 영어 전문을 살포시 읽어보시면 좀 더 도움이 되실 것이라 판단됩니다.


* 단, 본 글이 그 어떠한 공식적인 Official 한 Notice 가 아닌 제 나름대로의 분석적 판단, 리서치 정보 중심 주관의 객관화라고 판단해주실 부탁드립니다.



고맙습니다.


박충효 // 새우깡소년 드림



TROE 블로그 http://troe.kr

TROE 페이스북 http://www.facebook.com/troelab

TROE 트위터 @troelab 


이메일 : chunghyo@troe.kr (전화 010.5760.6679)


저작자 표시 비영리 변경 금지
신고
 


Currently 댓글이 없습니다. comments want to say something now?

댓글을 달아 주세요