본문 바로가기
Previous contents/For Columnist

국내에 이런 SNS 나오면 트래픽효과 기대 가능하다.

by At Information Technology 2011. 7. 11.
반응형


SNS 열풍이 주춤하였지만, 여전히 많은 사람들이 트위터, 페이스북과 같은 SNS를 사용하고 있다. 페이스북 같은 경우 카페에서 올라오는 글처럼, 지인 분들이 많은 글을 갱신한다. 트위터의 경우 불특정 다수가 그들의 상태를 단문메세지 형태로 트윗하여 타인에게 알린다. 미국의 SNS 영향에 의해 우리나라에서도 트위터와 비슷한 다음의 ‘요즘’, 네이버의 ‘미투데이’ 도 나왔다. 모바일 전용으로 트위터를 사용할 수 있는 ‘와글’과 같은 어플도 나왔다. 많은 사람들이 SNS를 이용하는 오늘날, 신규가입자의 수가 주춤하였을 뿐 사용하는 사람들 간에서는 그 열풍이 식지 않고 있다.

SNS는 내가 하고 싶은 말을 올리면 같은 시각 SNS를 이용하는 타인이 내 글을 볼 수 있는 서비스이다. 내가 올리는 글에는 웹 페이지 주소를 넣어 유입 효과를 기대할 수도 있다. 이러한 SNS의 특징을 이용하여 실제로 삼성과 LG와 같은 대기업에서도 SNS를 이용한다. SNS를 이용해 고객을 유치하겠다는 뜻이다. 이와 같이 SNS 트래픽 효과를 기대하는 대기업 밑 블로거에게 참고가 될 만한 기사가 있다. 이 기사는 SNS를 통한 트래픽 효과 Top 3에 대해 정리해놓은 기사이다. (출처 : 바로가기)

미국에서 가장 많은 트래픽을 몰아주는 사이트는 어디일까?
세계 최대 소셜 네트워킹 서비스(SNS)인 페이스북이 가장 먼저 떠오른다. 좀 더 역동적인 트위터를 떠올리는 사람도 있을 것 같다. 물론 둘 다 정답은 아니다. 조금은 생소한 스텀블어픈이란 업체가 가장 많은 트래픽을 몰아다주는 것으로 조사됐다.


인터넷과 관련한 각종 통계를 제공해주는 스탯카운터란 사이트가 소셜미디어들의 트래픽 유발 효과를 조사한 자료에 따르면 스텀블어픈은 전체 트래픽의 49.83%를 몰아주는 것으로 나타났다. 소셜 미디어가 유발하는 트래픽의 절반 가량을 책임졌단 얘기다.


페이스북, 트위터는 한번씩 들어봤어도, 스텀블어폰에 대해서는 생소하다고 느낄 것이다. 트위터를 주로 사용하는 사람에게 기대에 미치지 못한 트래픽 효과에 대해 실망을 할 수도 있지만, 반대로 페이스북을 이용하는 사람에게는 트래픽 효과에 대해 만족을 할 것이다. 그러나 현재 추세로 보면 트위터의 트래픽 효과는 ‘일정’하고 페이스북의 트래픽 효과는 점차 ‘감소’하는 반면, 스텀블어폰의 트래픽 효과는 ‘증가’하고 있다. 이런 추세로 보아 스텀블어폰은 현재 SNS 서비스의 트래픽 효과 1위라 말할 수 있다.




먼저, 트위터의 트래픽 효과를 분석해보자. 필자의 트위터를 예로 들어 설명하겠다. 나는 팔로잉 - 팔로우 수가 약 1600명이다. 트위터에 트윗을 하면 1600명이 내 글을 볼 수 있다. 다른사람이 작성한 트윗을 리트윗 한다면, 리트윗 된 글 또한 1600명이 볼 수 있다. 반대로 다른 사람이 트윗하면 나도 트윗 된 내용을 볼 수 있다. 2명이 트윗한다면 나는 2개의 글을 볼 수 있다. 즉, 1600명의 사람들이 동시에 트윗한다면 나한테는 1600개의 글이 보여지게 된다.


실제로 트위터를 사용하면서 트윗을 꾸준히 하며 트윗 된 다른 글을 열심히 본다고 하여도 1분이라는 시간이 지나면 수십개에서 수천개에 이러는 트윗이 새로 올라온다. 짧은 시간 내에 또다시 많은 메시지가 올라오게 되어 사용자의 입장에서는 새로운 트윗을 전부다 보지 못하게 된다. 실제로 트위터에서 아무리 개인 한명이 많은 트윗을 하여도 많은 리트윗이 되지 않는 이상 내 트윗이 타인에게 별로 알려지지 않는다. 사회적으로 이슈가 될만한 소재들에 대해서 여러 사람들이 그 소재에 다룬 내용이 사용자에게 반복적으로 노출이 되어야 눈길을 끌 수 있다. 트위터의 이러한 구조로 트위터 이웃수가 많아도 트래픽 효과는 그다지 기대할 수 없다.

▲1분 전 트위터에 올라온 트윗

▲1분 전 트위터에 올라온 트윗

 

▲1분 후 새로운 트윗이 31개가 업데이트 되었다.

▲1분 후 새로운 트윗이 31개가 업데이트 되었다.




페이스북 같은 경우는 트위터에서 발생하는 트래픽의 다섯배정도 많은 트래픽 효과를 기대할 수 있다. 페이스북에 트위터 같은 기능도 있을뿐 아니라 장문의 메시지를 알릴 수도 있고 블로그나 기사에 쓴 글을 페이스북으로 불러올 수도 있다. 페이스북에서는 다음뷰, 믹시와 같은 메타블로그처럼 활용이 가능하다. 메타블로그에서는 실시간 마다 블로거가 올린 글을 한 눈에 볼 수도 있지만, 인기가 있는 글을 따로 볼 수 있다.

▲사용자가 인기글 및 최신글을 언제든지 볼 수 있다.

▲사용자가 인기글 및 최신글을 언제든지 볼 수 있다.



다음뷰의 베스트 글 및 믹시의 메인 선정이 된 글을 보면 다른 글에 비해 조회수가 많은데, 페이스북의 인기글 또한 마찬가지다. 페이스북을 사용하면서 최근에 업데이트 된 글도 볼 수 있고, 글 중에서 많은 사람들이 ‘좋아요’를 클릭한 글은 “인기글”에 차례대로 업데이트되어 볼 수 있다. 많은 사람들의 호응을 얻은 글로써 자연스레 보다 많은 트래픽 효과를 기대할 수 있다.



그렇다면 페이스북의 트래픽 효과를 넘은 스텀블어폰은 무엇일까? 스텀블어폰은 협업필터링이라는 알고리즘을 사용하는 SNS로 국내에서는 보기 드문 형태의 서비스이다. 협업필터링의 정의에 대해서 알아보기로 하자. (출처 : 바로가기)

협업 필터링(協業 filtering)은 많은 사용자들로부터 얻은 기호정보(taste information)에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법이다. 협력 필터링 접근법의 근본적인 가정은 사용자들의 과거의 경향이 미래에서도 그대로 유지 될 것이라는 전제에 있다. 예를 들어, 음악에 관한 협력 필터링 혹은 추천시스템(recommendation system)은 사용자들의 기호(좋음, 싫음)에 대한 부분적인 목록(partial list)을 이용하여 그 사용자의 음악에 대한 기호를 예측하게 된다. 이 시스템은 특정 사용자의 정보에만 국한 된 것이 아니라 많은 사용자들로부터 수집한 정보를 사용한다는 것이 특징이다. 이것이 단순히 투표를 한 수를 기반으로 각 아이템의 관심사에 대한 평균적인 평가로 처리하는 방법과 차별화 된 것이다. 즉 고객들의 선호도와 관심 표현을 바탕으로 선호도, 관심에서 비슷한 패턴을 가진 고객들을 식별해 내는 기법이다. 비슷한 취향을 가진 고객들에게 서로 아직 구매하지 않은 상품들은 교차 추천하거나 분류된 고객의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용된다.


정의된 내용으로만 봐서는 쉽게 이해가 안 될 수 있다. 쉽게 예를 들어 보자. 만약 사용자의 관심사가 핫이슈라면, 포탈에서 급상승 검색어 순위와 비슷한 글들을 불러와서 화면 앞에 결과물을 보여준다. 관심사가 IT에 있다면 IT와 관련된 기사를 찾아 화면에 출력한다. 여기서 나 이외에 다른 사람의 성향을 고려하여 최대한 내 입맛에 맞는 글을 불러오게 된다. 나만이 아닌 여러 사람의 정보를 수집해 와서 모든 사용자를 고려한다는 점이 특징이다. 메타블로그와 비슷한 점도 있으나, 사용자의 취향에 맞는 글을 보여준다는 것이 협업필터링의 특징이다. 이러한 알고리즘의 특징으로 스텀블어폰의 트래픽 효과가 지속적으로 상승하고 있다.

▲출처 : 구글

▲출처 : 구글


위 그래프에 제시된 세 개의 SNS의 분석은 미국에서 분석한 트래픽 효과에 대한 결과이다. 미국에서는 대체적으로 많은 사람들이 다양한 SNS를 사용하고 있어서 각 SNS 사용자 수를 동일하게 봐도 무방하다. 우리나라에서 많은 사람들이 트위터를 이용하고 있어 미국과 비슷한 결과를 가질 수 있다. 그러나 페이스북은 트위터처럼 많은 사람들이 사용하고 있지는 않아 다소 낮은 트래픽 효과를 예측할 수 있다. 국내에 아직 스텀블어폰과 같은 SNS가 나오지 않았지만, 나오게 된다면 트래픽 효과를 기대할 수 있을 것이다. 국내에서 현재 페이스북의 트래픽 효과는 트위터의 효과와 약간 높거나 비슷한 상황이다. 국내판 스텀블어폰이 페이스북 만큼 성장한다 하여도, 트래픽 효과에 대해선 다소 유리한 고지를 가지게 될 것이다. 자연스레 SNS 마케팅을 노리는 기업이나 블로그 간 사이에서 많은 인기를 가질 것이다.

반응형

댓글