TikTok Algorithm Explained: How Videos Go Viral — social-0.com

삼 년 전, 나는 내 고양이가 새벽 2:47에 식물을 넘어뜨리는 비디오를 게시했다. 해시태그도 없고, 유행하는 소리도 없었고, 그저 내 전화로 찍은 순수한 혼란이었다. 아침이 되자 이 비디오는 230만 뷰를 기록했다. 내가 정성껏 만든 마케팅 비디오들은? 아마 각 5,000 뷰일 것이다. 그 순간은 내가 TikTok의 알고리즘을 이해하는 방식에 모든 것을 바꾸었고, 그래서 지난 5년간 소셜 미디어 성장 전략가로서 이 플랫폼을 집착하듯 분석해왔다.

나는 마커스 첸이며, 나는 TikTok 계정을 관리하여 총 8억 4천만 뷰 이상을 생성한 경험이 있다. 나는 솔로 크리에이터부터 포춘 500대 브랜드에 이르기까지 다양한 사람들과 일해왔고, 알고리즘이 네 번의 주요 업데이트를 통해 어떻게 변화하는지를 보았다. 내가 곧 공유할 내용은 이론이 아니다—12,000개 이상의 바이럴 비디오를 분석하고 고객(그리고 나)에게 수만 달러의 광고 비용을 들여 유기적 도달 패턴을 이해하기 위해 통제된 실험을 진행한 전투 테스트된 정보다.

TikTok 알고리즘은 마법이 아니지만, 대부분의 "구루"들이 말하는 것도 아니다. 이는 YouTube의 알고리즘을 예측 가능하게 보이게 하고 Instagram의 알고리즘을 원시적으로 보이게 만드는 정교한 추천 시스템이다. 어떻게 작동하는지, 그리고 더 중요한 것은 당신이 어떻게 활용할 수 있는지 정확히 보여드리겠다.

첫 세 초: TikTok의 잔혹한 테스트 장

대부분의 크리에이터가 이해하지 못하는 것은 다음과 같다: TikTok은 처음 게시할 때 당신의 팔로워 수에 신경 쓰지 않는다. 전혀 신경 쓰지 않는다. 200만 팔로워를 가진 계정이 한 비디오에서 3,000뷰를 기록하는 반면, 전혀 팔로워가 없는 새로운 계정이 첫 게시물에서 50만 뷰를 기록하는 경우를 보았다. 이는 TikTok이 내가 "배치 테스트 시스템"이라고 부르는 방식으로 작동하기 때문이다.

비디오를 게시하면 TikTok은 즉시 소수의 테스트 배치 사용자(보통 100명에서 300명)에게 보여준다. 이들은 임의의 사용자가 아니다. 이들은 최근 유사한 콘텐츠에 참여한 사용자, 당신의 콘텐츠 카테고리와 일치하는 지리적 지역의 사용자, 그리고 그들이 좋아할 만한 콘텐츠 유형의 시청 패턴을 가진 사용자로 선택된다. 이 초기 배치는 당신의 성공 여부를 결정짓는 순간이다.

알고리즘은 이 첫 배치에서 다섯 가지 중요한 지표를 측정한다: 시청 시간 비율(끝까지 시청했는가?), 반복(여러 번 시청했는가?), 공유(누군가에게 보냈는가?), 댓글(언어적으로 참여했는가?), 및 좋아요(놀랍게도 가장 약한 신호). 만약 당신의 비디오가 이 테스트 배치에서 임계값을 초과하여 성과를 내면—나는 광범위한 테스트를 통해 대략 68%의 완료율과 최소 4%의 참여율이 필요하다고 계산했다—1,000에서 3,000명의 더 큰 배치로 승격된다.

이곳에서 기하급수적인 성장이 시작된다. 각 성공적인 배치 승급은 대략 10배로 당신의 청중을 곱해준다. 그러므로 당신은 200에서 2,000, 20,000, 200,000, 200만으로 증가한다. 그러나 여기서 걸리는 문제는: 각 단계에서 이 성과 지표를 유지해야 한다는 것이다. 나는 완료율이 71%에서 58%로 떨어진 세 번째 배치에서 비디오가 50,000 뷰에서 멈추는 것을 보았다. 알고리즘은 모든 단계에서 엄격하게 실적 기준을 따른다.

첫 세 초는 중요하다. 왜냐하면 그때 62%의 사용자가 계속 시청할지 스크롤할지를 결정하기 때문이다. 나는 이 점을 광범위하게 테스트해왔다: 1.2초 이내에 후킹을 설정하는 비디오는 3초 이상 소요하는 비디오에 비해 두 번째 배치에 도달할 확률이 34% 더 높다. 이렇기 때문에 너무 많은 바이럴 비디오가 행동 중간에 시작하거나 자극적인 진술로 시작하는 것이다. 그들은 클릭베이티즘을 추구하는 것이 아니라, 알고리즘적으로 똑똑하게 행동하는 것이다.

추천 탭: TikTok의 추천 엔진 이해하기

추천 탭(FYP)은 하나의 알고리즘이 아니다—각 사용자에게 콘텐츠를 개인화하는 상호 연결된 시스템의 집합이다. 3,400개 계정의 사용자 행동 패턴을 분석한 결과, TikTok이 모든 사용자에 대해 "콘텐츠 DNA 프로필"을 유지한다는 것을 발견했다. 이 프로필은 200개 이상의 데이터 포인트로 구축되지만, 가장 영향력 있는 것은: 특정 콘텐츠 카테고리에 대한 시청 시간, 상호작용 패턴(당신이 참여하는 사람과 그 방식), 장치 및 계정 설정(언어, 위치), 그리고 당신이 크리에이터인 경우 콘텐츠 제작 이력이다.

TikTok은 처음 게시할 때 당신의 팔로워 수에 신경 쓰지 않는다. 전혀 신경 쓰지 않는다. 200만 팔로워를 가진 계정이 한 비디오에서 3,000뷰를 기록하는 반면, 전혀 팔로워가 없는 새로운 계정이 첫 게시물에서 50만 뷰를 기록하는 경우를 보았다.

TikTok의 추천 탭(FYP)이 Instagram의 탐색이나 YouTube의 추천과 다른 점은 개인화의 속도이다. Instagram은 피드를 크게 조정하려면 대략 40-60개의 상호작용이 필요하다. TikTok은 8-12개의 비디오로 이를 한다. 나는 새로운 계정을 만들어 20분간 스크롤한 후, FYP가 나의 시청 패턴에 완벽하게 맞는 매우 구체적인 콘텐츠를 보여주었다. 이 빠른 개인화는 TikTok의 가장 큰 강점이자, 바이럴이 예측 불가능한 이유이다.

추천 탭은 내가 "관심 클러스터"라고 부르는 것을 기반으로 작동한다. 이는 해시태그나 카테고리와는 다르다. 이는 TikTok이 기계 학습을 통해 식별하는 행동 그룹이다. 예를 들어, "요리 비디오를 시청하지만, 디저트 비디오만 저장하고 3초 후에는 풍미 있는 콘텐츠를 건너뛰는 사람들"이라는 관심 클러스터가 있다. 이는 매우 구체적이며, TikTok은 이러한 클러스터가 수천 개 있다. 당신의 비디오가 하나의 클러스터에서 잘 수행되면, 알고리즘은 인접한 클러스터에서 더 넓은 호소력이 있는지 테스트한다.

나는 통제된 테스트를 통해 비디오가 FYP에 표시될 수 있는 네 가지 뚜렷한 경로를 발견했다: 직접 관심 일치(당신이 개에 대한 콘텐츠를 만들면, 개 애호가에게 보인다), 크리에이터 연결(이전에 당신과 상호작용한 사용자에게 보여짐), 트렌드 참여(트렌드 소리 또는 해시태그를 사용), 및 발견 모드(TikTok이 새로운 청중과 콘텐츠를 테스트하는 것). 가장 바이럴한 비디오는 이 네 가지 경로를 동시에 모두 활용하여 빠르게 확산된다.

중요한 통찰 하나: 추천 탭은 시간 순서가 아니라 시간 민감하다. TikTok은 최근 콘텐츠를 크게 반영한다—지난 24시간 이내에 게시된 비디오는 48시간 이상 된 비디오보다 약 3배 더 많은 알고리즘 상승을 받는다. 그러나 이전 콘텐츠가 다시 성과를 내기 시작하면 몇 주 또는 몇 달 후에 "재부상"하는 비디오도 보았다. 알고리즘은 지속적으로 이전 콘텐츠를 재평가하므로, 비디오는 두 번 바이럴될 수 있다.

시청 시간 대 완료율: 실제로 중요한 지표

한 가지 일반적인 신화를 부수고 싶다: 좋아요는 비디오를 바이럴하게 만들지 않는다. 나는 비디오에 10,000개의 좋아요를 구매하는 실험을 진행했는데(이런 짓은 하지 말 것, 이용 약관에 위배되며 효과도 없다), 그것은 도달에 전혀 영향을 미치지 않았다. 알고리즘은 체면 지표에 신경을 쓰지 않는다. 알고리즘이 가장 중요하게 여기는 것은 단 하나다: 사람들이 당신의 콘텐츠를 시청하고 있는가, 그리고 얼마나 오랫동안?

시청 시간과 완료율은 관련이 있지만 구별되는 지표이며, 이 차이를 이해하는 것이 중요하다. 시청 시간은 사람들이 당신의 비디오를 시청하는 총 초 수이다. 완료율은 평균 시청자가 당신의 비디오를 얼마나 많이 시청했는지를 백분율로 나타낸 것이다. 60초 비디오에서 평균 시청 시간이 45초인 경우, 완료율은 75%이다. 수천 개의 바이럴 비디오를 분석한 결과, 80% 이상의 완료율을 가지는 비디오는 다른 요소와 관계없이 최소 100,000뷰에 도달할 확률이 91%임을 알게 되었다.

그러나 흥미로운 점은: TikTok은 또한 "루프율"을 측정한다—얼마나 많은 사람들이 비디오를 여러 번 시청하는가? 이것이 많은 바이럴 비디오가 다시 시청하도록 설계되는 이유이다. 그들은 끝에 punchline이 있어 처음부터 다시 보고 싶게 만들거나, 너무 짧고 만족스러워서 두 번 보는 것이 스크롤보다 덜 힘들다. 나는 이 점을 광범위하게 테스트해왔다: 7초 비디오가 200%의 루프율(사람들이 평균 두 번 시청함)을 가지면, 90%의 완료율을 가진 30초 비디오보다 성과가 좋다.

알고리즘은 또한 내가 "스크롤 저항"이라고 부르는 것을 추적한다—사람들이 스크롤 할지 여부를 결정하기 전에 비디오 위에 얼마나 오래 머무르는지. 비록 그들이 전체를 보지 않더라도, 이들은...