네이버 홈피드 노출 극대화 가이드 — 네이버가 직접 공개한 추천 원리로 다시 짠 블로그 전략

“검색은 ‘이 질문에 맞는 글’을 고른다. 홈피드는 ‘이 사람이 지금 궁금해할 글’을 고른다. 같은 방법으로 공략할 수 없다.”

블로그를 하다 보면 어느 순간 이런 걸 느낀다. 검색 유입은 그대론데 갑자기 조회수가 튀는 날이 있다. 유입 경로를 보면 검색이 아니다. 네이버 앱을 켰을 때 뜨는 그 피드, 홈피드에서 들어온 것이다.

그런데 이 홈피드가 어떻게 돌아가는지에 대해 인터넷에 도는 이야기는 대부분 추측이다. “이렇게 하면 홈판 뜬다”는 카더라가 많고 근거가 없다. 그래서 이 글은 네이버가 직접 공개한 자료 두 개만 가지고 정리했다. 네이버가 매년 여는 개발자 콘퍼런스에서 홈피드를 만든 팀이 직접 발표한 내용이다.

읽는 분들이 IT 쪽이 아니라는 걸 아니까, 용어는 나올 때마다 전부 풀어서 쓰겠다. 그림도 최대한 많이 넣었다.

이 글의 근거는 어디서 왔나?

두 개의 공식 발표 자료다. 둘 다 네이버가 공개해 둔 것이라 누구나 볼 수 있다.

자료	발표자	무엇을 다루나
홈피드: 네이버의 진입점에서 추천피드를 외치다! (DAN 24)	김세호·김영세·박희성 (NAVER 발견/탐색 프로덕트)	홈피드 추천이 기술적으로 어떻게 작동하는지 — 후보를 어떻게 모으고, 어떤 기준으로 순위를 매기고, 첫 카드를 어떻게 고르는지
사용자에 대한 이해로부터: 검색과 홈피드 서비스의 성장 문법 (DAN25)	김기동 (NAVER Data Strategy & Operations Center)	홈피드와 검색을 어떤 지표로 성장시키고 있는지 — 무엇을 좋게 만들려고 실험하고 있는지

세션 전체 목록은 DAN 24 세션과 DAN25 세션에서 볼 수 있다. 관련 발표로 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스도 같이 보면 좋다.

⚠️ 먼저 솔직하게 짚고 갑니다. 이 발표들은 “블로거를 위한 노출 공략집”이 아닙니다. 네이버 엔지니어들이 자기들이 만든 시스템을 기술적으로 설명한 자료예요. 그래서 이 글에서 “발표에 나온 사실”과 “그걸 보고 제가 유추한 블로그 전략”은 색깔을 나눠서 적었습니다. 그리고 어떤 방법도 홈피드 노출을 보장하지 않습니다. 추천 시스템은 사람마다 다르게 작동하고 계속 바뀝니다. 이 글은 “확률을 올리는 법”이지 “확실한 방법”이 아닙니다.

홈피드가 대체 뭔가?

네이버 앱을 켜면 나오는 첫 화면을 검색홈이라고 부른다. 검색창이 있고, 그 아래로 콘텐츠 카드들이 쭉 이어진다. 그 아래로 이어지는 카드 목록이 홈피드다.

여기서 아주 중요한 사실 하나가 김기동 발표에 나온다.

검색홈에 상위 2개 문서가 기본으로 노출된다. 단, 클릭 또는 스크롤에 의해서 서비스에 진입한다.

무슨 뜻이냐면 이렇다.

flowchart TB
    A["사용자가 네이버 앱을 켠다"] --> B["검색홈 화면<br/>검색창 아래에 카드 2장이 먼저 보인다"]
    B --> C{"사용자가 무엇을 하나"}

    C -->|"검색어를 입력"| D["통합검색으로 이동"]
    C -->|"카드를 클릭하거나 아래로 스크롤"| E["홈피드 진입"]
    C -->|"아무것도 안 함"| F["이탈"]

    E --> G["카드가 계속 이어지며<br/>클릭과 스크롤이 반복된다"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef good fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29
    classDef bad fill:#fdeaea,stroke:#c0392b,color:#7b241c

    class A,B,C head
    class D,E,G good
    class F bad

즉 화면에 처음 보이는 카드 두 장이 “이 피드를 계속 볼지 말지”를 결정한다. 그 두 장이 시시하면 사용자는 그냥 검색창에 뭔가를 치거나 앱을 닫는다. 이게 나중에 나올 “첫 번째 카드가 왜 그렇게 중요한가”의 배경이다.

그리고 이 홈피드는 지금 엄청나게 커지고 있다. DAN 24 발표에 나온 수치다.

지표	변화
DAU (하루에 쓰는 사람 수)	+600%
Clicks (클릭 수)	+800%

김기동 발표의 숫자도 같은 방향이다.

시점	상황
2023년 9월	서비스 초기. 사용자 규모도 크지 않고 충성 고객도 특정되지 않음
2024년 9월	DAU 약 400% 성장, 충성 고객(Heavy User) 약 1,500% 성장
2025년 9월	DAU 약 24% 성장, Heavy User 105% 성장 — 양적 성장에 더해 질적 성장 확인

블로거 입장에서 이게 왜 중요한가. 네이버가 이 서비스에 계속 힘을 싣고 있고, 실제로 사람들이 여기서 콘텐츠를 소비하는 양이 폭증하고 있다는 뜻이다. 검색 유입만 보고 있으면 점점 커지는 파이프를 통째로 놓친다.

먼저 용어부터 풀고 갑시다

발표 자료에 나오는 말들이 낯설 수 있어서 먼저 사전을 만들었다. 이 표만 이해하면 이 글 나머지는 다 읽힌다.

용어	쉬운 말로	조금 더 자세히
홈피드	네이버 앱 첫 화면의 추천 카드 목록	검색어를 안 쳐도 알아서 보여주는 영역
Rank1 (랭크원)	첫 번째 카드	피드 맨 위에 놓이는 콘텐츠. 별도로 특별 관리된다
콘텐츠 풀	후보 창고	블로그·카페·네이버TV·포스트·클립(숏폼) 등 추천 대상 전체
리트리버(Retriever)	후보를 긁어오는 사람	수억 개 글 중에서 “이 사람한테 보여줄 만한 것” 수백 개를 1차로 뽑아오는 장치. 종류가 여러 개다
랭커(Ranker)	줄 세우는 사람	리트리버가 뽑아온 후보들의 순서를 정하는 장치
CTR	클릭률	100번 보여줬을 때 몇 번 눌렸는지. 10번 눌리면 10%
체류시간	머문 시간	글을 열고 나서 얼마나 오래 읽었는지
DAU	하루 사용자 수	Daily Active Users. 하루에 그 서비스를 쓴 사람 수
세션	한 번 들어와서 나갈 때까지	앱을 켜서 쓰다가 끄기까지의 한 덩어리
임베딩(Embedding)	글을 숫자 좌표로 바꾼 것	글의 의미를 숫자 목록으로 바꿔 놓으면, 비슷한 글끼리 좌표가 가까워진다. 그래서 “비슷한 글 찾기”가 계산으로 가능해진다
ANN	가까운 좌표 빠르게 찾기	Approximate Nearest Neighbor. 위 좌표들 중 가까운 것을 빠르게 골라내는 기술
A/B 테스트 (ABT)	두 가지 안을 나눠서 실험	사용자를 두 무리로 갈라 A안과 B안을 각각 보여주고 어느 쪽 반응이 좋은지 재는 것
세그먼트	사용자 묶음	비슷한 성향의 사용자끼리 묶은 그룹
밴딧(Bandit)	탐색과 활용을 섞는 방법	잘 먹히던 걸 계속 보여줄지(활용), 새로운 걸 시험해 볼지(탐색)를 확률로 섞는 방식
캘리브레이션(Calibration)	비율 맞추기	그 사람이 실제로 소비하는 주제 비율에 맞춰 추천 비율을 조정하는 것

홈피드는 어떤 순서로 내 글을 고르나?

DAN 24 발표는 이걸 비빔밥 만들기에 비유했다. 재료를 모으고, 골라 담고, 비벼서 낸다.

flowchart LR
    P["콘텐츠 풀<br/>블로그 · 카페 · 네이버TV<br/>포스트 · 클립"] --> R["리트리버<br/>후보 수백 개를 긁어온다"]
    U["사용자 콘텍스트<br/>노출과 클릭 기록 · 구독 정보<br/>검색 이력 · 주제 선호도<br/>피드백 카드 기록"] --> R
    R --> K["랭커<br/>후보들의 순서를 정한다"]
    K --> O["Rank1 최적화<br/>첫 카드를 따로 고른다"]
    O --> V["사용자 화면에 노출"]

    classDef src fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef mid fill:#fff4e6,stroke:#b8791a,color:#6b4410
    classDef out fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class P,U src
    class R,K mid
    class O,V out

핵심은 관문이 세 개라는 것이다.

1. 리트리버 관문 — 내 글이 애초에 후보에 뽑혀야 한다. 여기서 걸리지 못하면 아무리 좋은 글이어도 끝이다.
2. 랭커 관문 — 후보들 사이에서 위로 올라가야 한다.
3. Rank1 관문 — 첫 카드로 뽑히면 노출과 클릭이 폭발한다.

검색 상위노출을 생각하던 관성으로 보면 이 구조가 낯설다. 검색에서는 “질문(키워드)“이 먼저 있고 거기에 맞는 글을 찾는다. 홈피드에는 질문이 없다. 대신 “이 사람”이 있다. 그래서 내 글이 뽑히는 조건이 키워드 매칭이 아니라 “누구의 어떤 맥락에 걸리느냐”로 바뀐다.

flowchart TB
    subgraph S["검색 (통합검색)"]
      S1["사용자가 검색어를 친다"]
      S2["그 검색어에 맞는 글을 찾는다"]
      S3["출처 신뢰도와 문서 품질로 줄 세운다"]
      S1 --> S2 --> S3
    end

    subgraph H["홈피드"]
      H1["사용자가 아무것도 안 친다"]
      H2["이 사람의 최근 행동과 취향을 본다"]
      H3["여러 리트리버가 각자 후보를 긁어온다"]
      H4["클릭할 확률과 만족할 확률로 줄 세운다"]
      H1 --> H2 --> H3 --> H4
    end

    classDef a fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef b fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class S1,S2,S3 a
    class H1,H2,H3,H4 b

리트리버 — 홈피드로 들어가는 문은 여러 개다

여기가 이 글에서 가장 실용적인 부분이다. 리트리버는 한 종류가 아니라 여러 종류이고, 각각 다른 이유로 글을 뽑아온다. 문이 여러 개라는 뜻이고, 내가 어느 문을 노릴지 고를 수 있다는 뜻이다.

DAN 24 발표에 나온 리트리버들을 정리하면 이렇다.

flowchart TB
    R["리트리버 종류"] --> R1["애프터서치<br/>방금 검색한 것과 연관된 글"]
    R --> R2["클릭투클릭<br/>방금 클릭한 글과 비슷한 글"]
    R --> R3["카테고리 밴딧<br/>평소 좋아하는 주제의 인기 글"]
    R --> R4["서비스 밴딧<br/>평소 잘 보는 서비스의 글"]
    R --> R5["구독 기반<br/>구독한 채널과 카페 게시판"]
    R --> R6["인구통계 기반<br/>같은 성별 나이대에서 인기인 글"]
    R --> R7["임베딩 기반<br/>취향 좌표가 가까운 글"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef door fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class R head
    class R1,R2,R3,R4,R5,R6,R7 door

하나씩 뜯어보자. 각 문마다 “네이버가 발표한 사실”과 “그래서 블로거는 뭘 해야 하나”를 나눠서 적는다.

문 1. 애프터서치 — 방금 검색한 것과 이어지는 글

📘 발표에 나온 사실

사용자가 하루 이내에 검색한 이력과 연관된 문서를 추천하는 리트리버다. 작동 방식은 이렇다.

sequenceDiagram
    participant U as 사용자
    participant L as 검색 기록
    participant K as 키워드 추출
    participant D as 문서 선정
    participant F as 홈피드

    U->>L: 어떤 키워드로 검색함
    L->>K: 주요 키워드를 뽑아낸다
    K->>K: 탐색형 키워드인지 시의성 키워드인지 판단
    K->>K: 사용자별 키워드 선호도를 매긴다
    K->>D: 그 키워드와 연관된 문서를 고른다
    D->>D: 이미 많이 노출된 키워드는 감점
    D->>F: 후보로 올린다
    F->>U: 카드로 보여준다

여기서 눈여겨볼 게 두 가지 있다.

• “탐색형 / 시의성 키워드”를 골라낸다. 모든 검색어를 쓰는 게 아니라, 더 알아보고 싶어 할 만한 것과 지금 시점에 의미 있는 것을 고른다.
• “키워드 노출 패널티”가 있다. 같은 키워드로 계속 보여주면 감점된다. 한 주제로 도배되는 걸 시스템이 스스로 막는다.

도입 후 성과도 공개됐다. 홈피드를 거의 안 쓰던 라이트 사용자층 대상이다.

지표	변화
Rank1 CTR (첫 카드 클릭률)	+5.4%
문서 다양성	+34.7%
전체 클릭 수	+2.1%
스크롤 세션 비율	+1.1%

💡 그래서 블로거는

이건 제 해석입니다. “사람들이 검색한 직후에 더 알고 싶어할 글”을 쓰면 이 문에 걸릴 확률이 올라간다. 검색 결과 상위에 오르는 것과는 조금 다른 얘기다.

예를 들어 누가 “속초 여행”을 검색했다고 하자. 검색 결과에서는 “속초 여행 코스” 같은 정공법 글이 상위를 먹는다. 그런데 애프터서치는 그 검색 이후에 궁금해질 것을 준다. “속초 갔다가 실패한 식당”, “속초 주차 진짜 답 없는 구간”, “속초 2박3일 실제 쓴 돈”. 이런 글이다.

정리하면 이렇다.

검색을 노릴 때	애프터서치를 노릴 때
검색어를 제목에 정확히 넣는다	검색어의 다음 질문을 제목에 넣는다
그 키워드의 표준 정보를 담는다	검색 결과에 없는 경험과 후일담을 담는다
정보 완결성이 중요	호기심 자극이 중요

문 2. 클릭투클릭 — 방금 읽은 글과 비슷한 글

📘 발표에 나온 사실

사용자가 하루 이내에 클릭한 문서 중 최신 것을 씨앗(Seed)으로 삼아, 그것과 비슷한 문서를 찾아준다. 방법은 이렇다.

① 사용자가 클릭한 문서 중 최신 것을 씨앗으로 고른다 ② 홈피드 문서들을 임베딩(글을 숫자 좌표로 바꾼 것)으로 변환해 둔다 ③ ANN으로 씨앗 좌표와 가까운 문서 N개를 뽑는다

성과는 이렇다(미디엄/헤비 사용자 대상).

지표	미디엄	헤비
Rank1 CTR	+4.07%	+2.37%
문서 다양성	+0.9%	+1.53%
전체 클릭 수	+1.07%	+1.42%
스크롤 세션 비율	+1.32%	+0.87%

💡 그래서 블로거는

여기가 “비슷한 글 좌표”의 세계다. 키워드가 정확히 같지 않아도, 의미가 가까우면 걸린다. 반대로 말하면 내 글이 어느 좌표에 찍히는지가 애매하면 아무 씨앗에도 안 걸린다.

제 해석으로 실무 함의는 이렇다.

• 한 글에 주제를 여러 개 섞지 말 것. 맛집 얘기하다 육아 얘기하다 재테크로 끝나면 좌표가 뭉개진다. 뭉개진 좌표는 어떤 씨앗과도 안 가깝다.
• 같은 주제로 여러 편을 쓰면 유리하다. 독자가 내 글 하나를 클릭하면, 그 좌표 근처에 내 다른 글이 있을 때 연달아 뽑힐 수 있다.
• 제목과 본문의 주제가 일치해야 한다. 좌표는 실제 내용으로 찍힌다.

문 3과 4. 카테고리 밴딧 · 서비스 밴딧 — 취향 기반

📘 발표에 나온 사실

밴딧은 “잘 먹히던 것을 계속 줄지(활용), 새로운 걸 시험해 볼지(탐색)“를 확률로 섞는 방식이다. 발표에 나온 설정은 이렇다.

항목	내용
방식	일정 확률로 랜덤 선택을 섞는 엡실론 그리디(Epsilon-Greedy)
콘텍스트가 충분한 사용자	카테고리를 고른다 (예: 자동차 > 차종)
콘텍스트가 부족한 사용자	서비스를 고른다 (예: 블로그)
활용(exploitation)	최근 클릭한 콘텐츠의 카테고리·서비스가 선택될 확률이 높다
탐색(exploration)	일정 확률로 선택을 바꿔 본다
카테고리 개수	500개 이상
서비스 개수	8개 (블로그, 카페 등)

그리고 별도로, LLM(대규모 언어모델)을 써서 홈피드 문서의 주제를 분류하고 있다. 약 760개 주제 분류를 쓴다고 밝혔다. 예시로 든 게 이렇다.

제목: 휴양과 관광을 동시에! 가성비 갑 방콕 여행
→ 여행 > 해외여행: 0.75
   여행 > 국내여행: 0.15
   스포츠/레저 > 해외야구: 0.01
   건강 > 다이어트: 0.0001

💡 그래서 블로거는

이게 제가 이 발표에서 가장 중요하다고 본 지점입니다.

내 글은 발행되는 순간 LLM이 읽고 760개 주제 중 어디에 속하는지 점수로 매긴다. 그리고 그 주제 점수가 “이 카테고리를 좋아하는 사람”에게 노출될 자격을 만든다.

여기서 나오는 실전 원칙 세 가지.

① 내 글의 주제 점수가 뾰족해야 한다. 위 예시에서 “여행 > 해외여행 0.75”처럼 한 곳에 점수가 몰려야 한다. 이것저것 섞인 글은 어느 주제에서도 0.2~0.3에 머물러서 어느 카테고리 팬에게도 안 걸린다.

② 블로그 전체의 주제도 일관돼야 한다. 카테고리 밴딧은 “이 사람이 좋아하는 카테고리의 인기 글”을 뽑는다. 내 블로그가 특정 카테고리에서 반응이 좋다는 신호가 쌓여야 그 카테고리 후보군에 자주 오른다.

③ 그런데 완전히 한 우물만 파도 안 된다. 탐색(exploration) 확률 때문에 새 주제도 시험 노출된다. 이게 신규 블로거에게 열려 있는 틈이다. 뒤에서 다시 다룬다.

문 5, 6, 7. 구독 · 인구통계 · 임베딩

나머지 셋은 짧게 정리한다.

문	발표에 나온 내용	블로거 함의 (제 해석)
구독 기반	구독한 채널과 카페 게시판에서 뽑아온다	이웃·구독자 확보가 그대로 노출 자산이 된다. 검색에서는 구독자가 직접적인 순위 요소가 아니지만 홈피드에서는 별도의 문이다
인구통계 기반	같은 성별·연령대 사용자에게 인기인 문서	내 글이 특정 성별·연령대에서 잘 먹히면 그 층 전체로 확산될 수 있다. 타깃이 뚜렷한 글이 유리하다
임베딩 기반	EASE, Two-tower 모델 등	함께 소비되는 패턴과 취향 좌표로 뽑는다. 역시 주제가 뚜렷할수록 좌표가 선명해진다

여기에 더해 AiRScout라는 게 있다. LLM으로 사용자의 맥락을 더 풍부한 태그로 바꾸는 기술이다. 발표에 나온 예가 재밌다.

사용자가 검색한 키워드: "뉴진스"
사용자가 클릭한 문서 제목: "뉴진스 일본 데뷔 타이틀 뮤비 공개"
→ LLM이 만든 태그: "뉴진스 supernatural 뮤비"

단순히 “뉴진스”가 아니라 “뉴진스의 어떤 부분에 관심 있는지”까지 좁혀서 잡는다. 제 해석으로는, 앞으로 넓은 키워드보다 구체적인 소재가 더 잘 걸릴 것이라는 신호로 읽힌다.

랭커 — 클릭만 잘 나면 되는 게 아니다

후보가 모였으면 순서를 정해야 한다. 발표는 랭킹의 어려움을 세 가지로 정리했다.

어려움	해결책
성격이 전혀 다른 콘텐츠를 한 피드에서 줄 세우기	DCN 랭커
클릭할 확률뿐 아니라 만족할 확률까지 예측하기	MDE 랭커
정확한 추천만이 아니라 다양하게 발견하게 하기	캘리브레이션

두 번째가 블로거에게 결정적이다.

📘 MDE 랭커 — 클릭 확률과 만족 확률을 함께 본다

flowchart LR
    I["후보 문서 하나"] --> M["MDE 랭커"]
    M --> C["클릭할 확률을 예측"]
    M --> D["만족할 확률을 예측<br/>체류시간이 길 확률"]
    C --> S["두 예측을 합쳐 최종 점수"]
    D --> S
    S --> O["피드에서의 순서 결정"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef pred fill:#fff4e6,stroke:#b8791a,color:#6b4410
    classDef out fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class I,M head
    class C,D pred
    class S,O out

발표에 따르면 이 랭커를 도입한 A/B 테스트 결과는 이랬다(기존 DCN 랭커 대비).

지표	변화
새로운 사용자 수	+1.85%
클릭 사용자 비율	+2.31%
전체 CTR	+4.19%
Rank1 CTR	+5.70%

참고로 그 이전 단계인 DCN 랭커도 기존 방식 대비 전체 클릭 수 +9.43%, 전체 CTR +8.99%, Rank1 CTR +8.37%를 기록했다.

💡 그래서 블로거는 — 낚시 제목이 손해인 이유

이건 제 해석이지만 근거가 분명하다. 시스템이 “클릭 확률”과 “체류시간이 길 확률”을 따로 예측해서 합친다.

그러면 이런 일이 벌어진다.

flowchart TB
    A["자극적인 제목 + 부실한 본문"] --> A1["클릭 확률 예측: 높음"]
    A --> A2["만족 확률 예측: 낮음"]
    A1 --> A3["합산 점수: 중간"]
    A2 --> A3

    B["정직한 제목 + 충실한 본문"] --> B1["클릭 확률 예측: 중간"]
    B --> B2["만족 확률 예측: 높음"]
    B1 --> B3["합산 점수: 높음"]
    B2 --> B3

    A3 --> R["실제로 클릭됐지만 금방 나감"]
    R --> R2["다음번 예측에 반영되어 더 불리해짐"]

    classDef bad fill:#fdeaea,stroke:#c0392b,color:#7b241c
    classDef good fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class A,A1,A2,A3,R,R2 bad
    class B,B1,B2,B3 good

검색 최적화 시절의 습관 중에 “일단 클릭만 시키면 된다”가 있었다. 홈피드에서는 이게 정확히 반대로 작동할 수 있다. 클릭은 되는데 3초 만에 나가는 글은 만족 확률 예측을 스스로 깎는다.

실무적으로는 이렇게 번역된다.

• 제목이 약속한 것을 본문 앞부분에서 바로 지켜라. 스크롤을 한참 내려야 나오면 그 전에 나간다.
• 결론을 뒤에 숨기지 마라. 체류시간을 늘리려고 결론을 미루는 건 옛날 방식이고, 지금은 이탈만 부른다.
• 사진만 잔뜩이고 글이 없는 포스팅은 읽을 시간 자체가 안 나온다.

다양성 — 한 우물을 파되, 쏠리면 안 된다

이 절은 두 발표가 정면으로 만나는 지점이라 좀 길게 쓴다.

📘 캘리브레이션 — 비율을 맞춘다

발표에 나온 개념 설명이 명쾌하다.

유저가 실제로 소비한 카테고리 비율:  패션 70% / 여행 30%
랭커가 추천한 카테고리 비율:          패션 50% / 여행 50%
→ 이 차이를 줄이는 방향으로 보정한다

즉 그 사람의 실제 취향 비율에 맞춰 피드 구성을 조정한다. 결과는 이랬다.

지표	변화
전체 CTR	+1.11%
인당 클릭 수	+1.53%
인당 체류시간	+0.46%

📘 다양성 실험 — 김기동 발표의 핵심

김기동 발표는 여기에 실험을 하나 더 얹었다. 가설은 이랬다.

첫 번째 카드(Rank1)의 문서 다양성이 높으면, 사용자의 주간 방문일수도 증가할 것이다.

그런데 2025년 초 기준으로 Rank1 문서 다양성은 꾸준히 감소하고 있었다(일부 카테고리 쏠림 현상). 그래서 실험을 두 번 돌렸다.

실험	기간	조작	결과
밴딧 탐색 계수 조정	3/13~3/19	실험군1: 다양성 감소	Rank1 클릭률과 검색홈→홈피드 전환율 감소
		실험군2: 다양성 증가	Rank1 클릭률과 전환율 증가
리트리버 최적화	4/22~4/29	리트리버 다양성 감소 → 카테고리 다양성 증가	Rank1 클릭률과 전환율 증가

결론은 가설 검증이었다. 랭크1 문서 다양성이 증가하면 사용자 리텐션(주간 방문일수)이 증가한다. 이 결과는 2025년 상반기에 실제 서비스에 반영됐다.

그런데 여기에 아주 중요한 예외가 붙는다. 네이버 유저 모델(NUM) 10개 세그먼트로 쪼개서 보니 이랬다.

세그먼트	다양성과 방문일수의 관계
전체적으로	양의 관계 (다양할수록 자주 온다)
Active Senior W (50대 이상 여성)	음의 관계 — 관심 있는 특정 카테고리(엔터)를 첫 카드에 집중적으로 보여주는 걸 선호
Gen Z W, Single W	채널 다양성과 음의 관계
효과가 큰 층	Single M, Dad, Couple M

즉 “다양성이 좋다”는 전체 평균의 이야기이고, 어떤 층은 반대다.

💡 그래서 블로거는

여기서 제가 끌어낸 결론은 세 줄이다.

첫째, 블로그 전체는 한 주제로 뾰족하게. 그래야 카테고리 밴딧과 임베딩에서 좌표가 선명해진다.

둘째, 그 주제 안에서는 소재를 다양하게. 시스템이 “카테고리 쏠림”을 스스로 줄이고 있다. 똑같은 소재를 반복하면 키워드 노출 패널티까지 겹친다. 예를 들어 캠핑 블로그라면 장비 리뷰만 30편 쓰지 말고, 장비·사이트 후기·요리·실패담·비용 정리로 소재를 벌려라.

셋째, 내 독자층이 어느 세그먼트인지 알면 전략이 갈린다. 50대 이상 여성 독자가 많다면 다양성보다 한 관심사를 깊게 파는 쪽이 유리할 수 있다는 게 발표의 시사점이다.

flowchart TB
    Q["내 블로그를 어떻게 짤까"] --> A["블로그 전체 주제"]
    Q --> B["한 주제 안의 소재"]

    A --> A1["뾰족하게 하나로"]
    A1 --> A2["카테고리 좌표가 선명해진다"]
    A2 --> A3["특정 관심사 사용자 후보군에 자주 오른다"]

    B --> B1["넓게 여러 갈래로"]
    B1 --> B2["같은 키워드 반복 노출 패널티를 피한다"]
    B2 --> B3["다양성 지표에서 유리하다"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef a fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29
    classDef b fill:#fff4e6,stroke:#b8791a,color:#6b4410

    class Q head
    class A,A1,A2,A3 a
    class B,B1,B2,B3 b

첫 번째 카드 — 이 한 장이 판을 가른다

📘 발표가 공개한 숫자

DAN 24 발표에서 가장 강렬한 부분이다. 첫 카드(Rank1)에 대해 이렇게 적혀 있다.

첫 번째 콘텐츠 = 서비스의 첫 이미지

그리고 숫자 셋.

항목	수치
네이버 앱에 진입한 사용자	전원에게 홈피드가 노출된다
홈피드 클릭 중 Rank1에서 발생하는 클릭 비율	23%
Rank1 클릭 여부에 따른 사용자의 하단 CTR 상승 비율	45%

세 번째 줄이 중요하다. 첫 카드를 클릭한 사람은 그 아래 카드들도 45% 더 많이 누른다. 첫 카드가 “이 피드 볼 만하네”라는 신호가 되는 것이다.

그리고 첫 카드 최적화 A/B 테스트 결과.

지표	변화
유저 수	+41.4%
클릭 수	+38.4%
체류시간	+9.8%

flowchart TB
    R1["첫 번째 카드"] --> N1["홈피드 전체 클릭의 23퍼센트가 여기서 발생"]
    R1 --> N2["여기를 클릭한 사용자는<br/>아래쪽 클릭률이 45퍼센트 더 높음"]
    N2 --> N3["피드 전체 소비량이 올라감"]
    N1 --> N4["첫 카드에 걸리는 것과 아닌 것의<br/>노출 차이가 매우 큼"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef num fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class R1 head
    class N1,N2,N3,N4 num

📘 첫 카드는 어떻게 뽑히나

발표에 따르면 첫 카드는 어떤 리트리버에서 가져올지를 먼저 고르는 방식으로 정해진다. 사용자의 행동과 맥락을 보고, 네 개의 리트리버 중 하나를 선택한다.

리트리버	언제 선택되나
애프터서치	콘텍스트가 적은 사용자. 홈피드 인식이 낮음. 현재 관심사인 검색 결과로 첫 카드 추천
클릭투클릭	콘텍스트가 충분한 사용자. 최근 클릭한 콘텐츠와 유사한 것으로 추천
카테고리·서비스 밴딧	관심사 기반
MDE 랭커	만족할 만한 것 기반

이걸 고르는 데도 모델을 쓴다. 컨텍스추얼 밴딧(LinUCB) 이라는 방식으로, 콘텐츠를 직접 고르는 게 아니라 “어느 리트리버를 쓸지”를 고른다. 사용할 정보는 이렇다.

• 행동 패턴: 최근 N시간 이내 검색·클릭 횟수, 검색·클릭 이후 경과 시간, 클릭한 콘텐츠
• 콘텍스트: 사용자의 클릭 빈도, 세대·성별 정보, 구독과 선호도

💡 그래서 블로거는

첫 카드는 “사람마다 다른 문”으로 뽑힌다. 그러니 “첫 카드에 뜨는 필승법”은 존재하지 않는다. 대신 내가 어느 문에 서 있는지는 고를 수 있다.

내 글의 성격	어느 문에서 첫 카드가 될 가능성
방금 뜬 이슈·시의성 소재	애프터서치 — 검색 직후 사용자에게
특정 주제의 깊은 후속편	클릭투클릭 — 비슷한 글 읽은 직후 사용자에게
확실한 카테고리의 반응 좋은 글	카테고리 밴딧 — 그 주제 팬에게
읽는 데 시간이 걸리는 충실한 글	MDE 랭커 — 만족도 예측이 높게

독자 등급마다 열리는 문이 다르다

📘 발표가 밝힌 등급별 전략

네이버는 홈피드 사용자를 클릭 수에 따라 라이트 / 미디엄 / 헤비 셋으로 나누고, 각각 다른 리트리버를 주로 쓴다.

사용자 등급	상태	주로 쓰는 리트리버	실험 결과
라이트	콘텍스트가 적음. 홈피드를 잘 안 씀	애프터서치, 서비스 밴딧	Rank1 CTR +3.12%, 스크롤 사용자 비율 +1.41%, 체류시간 +4.4%
미디엄	콘텍스트가 적당함	카테고리 밴딧, 클릭투클릭	전체 클릭 수 +2.8%, Rank1 CTR +1.43%, 세션당 클릭 수 +1.18%
헤비	콘텍스트가 충분함	클릭투클릭, MDE 랭커	노출 문서 수 +4.72%, 세션당 최대 노출 Rank +0.74%, 전체 CTR +0.32%

김기동 발표도 같은 구조로 사용자를 나눈다. 최근 1주간 사용일수 기준으로 Heavy / Medium / Light(활성)와 Dormant / Churned / Unvisited(비활성)로 구분하고, 두 갈래 전략을 쓴다고 밝혔다.

• 기존 유저의 사용성을 높인다 — 더 자주 방문하고, 더 많이 스크롤하고, 더 오래 머물게
• 비활성 유저를 활성화한다 — 마케팅·프로모션, 네이버 타 서비스 사용성 기반 유저 콘텍스트 발굴

💡 그래서 블로거는

내 글이 누구에게 도달하느냐에 따라 필요한 무기가 다르다.

flowchart TB
    T["내 글이 도달할 독자"] --> L["라이트 독자<br/>홈피드를 잘 안 보는 사람"]
    T --> M["미디엄 독자<br/>가끔 보는 사람"]
    T --> H["헤비 독자<br/>매일 보는 사람"]

    L --> L1["검색 직후에 걸리는 시의성 소재"]
    L --> L2["블로그라는 서비스 자체가 선택되므로<br/>제목과 썸네일의 첫인상이 결정적"]

    M --> M1["뚜렷한 카테고리의 인기 글"]
    M --> M2["방금 읽은 글과 이어지는 후속편"]

    H --> H1["만족도가 높은 깊은 글"]
    H --> H2["구독으로 묶어 두면 반복 노출"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef seg fill:#fff4e6,stroke:#b8791a,color:#6b4410
    classDef act fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class T head
    class L,M,H seg
    class L1,L2,M1,M2,H1,H2 act

신규 블로거에게 특히 중요한 발견이 있다. 라이트 사용자에게는 “서비스 밴딧”이 쓰인다고 했는데, 이건 카테고리가 아니라 “블로그”라는 서비스 단위로 고른다는 뜻이다. 즉 내 블로그가 아직 이력이 없어도, 블로그라는 서비스가 뽑히는 자리에 들어갈 여지가 있다. 그 자리에서는 개인 이력보다 제목과 첫인상이 상대적으로 크게 작용할 가능성이 있다(이 부분은 제 해석이다).

네이버가 실제로 올리려는 숫자는 무엇인가

마지막으로 김기동 발표의 큰 그림을 보자. 네이버가 뭘 좋게 만들려고 하는지 알면, 내가 뭘 도와줘야 유리한지도 보인다.

📘 사용일수라는 지표

발표는 서비스 성장을 재는 지표로 사용자의 서비스 사용일수를 제안한다. 이유는 이렇다.

• 사용 습관을 기준으로 사용자 활동성을 나누므로 장기 분석에 안정적이다
• 주간 방문일수는 주 단위 루틴·습관과 자연스럽게 연결된다

그런데 여기서 한 걸음 더 나간다. 단순 방문이 아니라 품질 기반의 유효 방문으로 재겠다는 것이다.

지표	정의
유효 체류시간 (Quality Time Spent)	사용자 경험의 품질을 바탕으로 세션 품질을 계산
유효 방문일수 (Qualified Visit Days)	사용자가 유의미한 소비 활동이나 만족스러운 경험을 한 날짜를 집계

또 참고 문헌으로 구글의 2022년 논문(Surrogate for Long-Term User Experience in Recommender Systems)을 인용하며 이런 관찰을 제시한다.

콘텐츠 소비가 늘어나는 사용자군은 더 많은 주제를 소비하고 특정 토픽을 집중 소비하는 패턴을 보인다. 또한 같은 콘텐츠의 재소비와 고품질 소비가 늘어나고, 재방문까지의 시간도 짧아진다.

성장의 모양을 보는 도구로는 파워 유저 커브를 쓴다(a16z 원문 설명). 한 달 중 며칠 썼는지로 사용자를 늘어놓았을 때, 성장하는 서비스는 오른쪽 끝(매일 쓰는 사람)이 올라가는 스마일 커브가 된다는 개념이다. 홈피드는 2024년에 이 커브가 확인됐고, 발표는 충성 고객층 성장과 홈피드 매출 성장이 함께 관찰됐다고 밝혔다.

💡 그래서 블로거는

네이버가 원하는 건 “클릭”이 아니라 “다시 오게 만드는 것”이다.

네이버가 올리려는 것	내가 도와줄 수 있는 방법
유효 체류시간	열었을 때 읽을 게 실제로 있는 글
유효 방문일수	다음 편이 궁금해지는 연재성 구조
재소비	나중에 다시 찾을 만한 정리·레퍼런스형 글
재방문까지의 시간 단축	시의성 있는 소재로 자주 발행

실전 — 홈피드 노출을 극대화하는 12가지

여기까지의 내용을 실행 가능한 형태로 압축했다. 앞의 것일수록 효과가 크다고 제가 판단한 순서다.

flowchart TB
    S["홈피드 노출 극대화"] --> A["1단계 · 걸리게 만들기"]
    S --> B["2단계 · 위로 올리기"]
    S --> C["3단계 · 유지하기"]

    A --> A1["주제를 뾰족하게 하나로"]
    A --> A2["검색 다음 질문을 제목으로"]
    A --> A3["시의성 소재를 빠르게"]
    A --> A4["같은 주제 여러 편 쌓기"]

    B --> B1["제목 약속을 앞부분에서 지키기"]
    B --> B2["첫 화면 썸네일과 제목에 힘주기"]
    B --> B3["읽을 분량 확보하기"]

    C --> C1["소재를 주제 안에서 벌리기"]
    C --> C2["이웃과 구독 늘리기"]
    C --> C3["연재 구조 만들기"]
    C --> C4["반응을 보고 다음 글 정하기"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef st fill:#fff4e6,stroke:#b8791a,color:#6b4410
    classDef ac fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class S head
    class A,B,C st
    class A1,A2,A3,A4,B1,B2,B3,C1,C2,C3,C4 ac

표로 다시 정리한다.

#	할 일	왜 (근거)
①	블로그 주제를 하나로 뾰족하게	LLM이 760개 주제로 분류하고 500개 이상 카테고리로 밴딧이 돈다. 좌표가 흐리면 어느 문에도 안 걸린다
②	한 글에 한 주제만	임베딩 좌표가 뭉개지면 클릭투클릭에 안 잡힌다
③	검색어의 “다음 질문”을 제목으로	애프터서치는 하루 이내 검색과 연관된 문서를 뽑는다. 검색 결과 1등과는 다른 자리다
④	시의성 소재를 빠르게 발행	애프터서치가 “탐색형·시의성 키워드”를 골라 쓴다
⑤	제목이 약속한 걸 본문 앞에서 지키기	MDE 랭커가 만족 확률(체류시간이 길 확률) 을 함께 예측한다
⑥	낚시 제목 금지	클릭만 나고 금방 나가면 만족 확률 예측이 깎인다
⑦	첫 화면 인상에 힘주기	홈피드 클릭의 23%가 첫 카드에서 나오고, 첫 카드 클릭 시 하단 클릭률이 45% 높다
⑧	같은 주제로 여러 편 쌓기	클릭투클릭은 방금 읽은 글과 가까운 좌표를 뽑는다. 내 글끼리 이어질 수 있다
⑨	주제 안에서 소재는 벌리기	카테고리 쏠림을 시스템이 줄이고 있고, 키워드 노출 패널티도 있다
⑩	이웃·구독 늘리기	구독 기반 리트리버가 별도로 존재한다
⑪	연재 구조 만들기	네이버가 올리려는 지표가 유효 방문일수다. 다음 편이 있으면 재방문 사이클이 생긴다
⑫	타깃 독자를 좁히기	인구통계 기반 리트리버가 있다. 특정 성별·연령대에서 잘 먹히면 그 층으로 확산된다

반대로, 하지 말아야 할 것

하지 말 것	이유
한 글에 여러 주제 섞기	주제 분류 점수가 분산돼 어느 카테고리에서도 못 뽑힌다
같은 키워드로 매일 도배	발표에 키워드 노출 패널티가 명시돼 있다
제목만 자극적이고 본문 부실	만족 확률 예측을 스스로 낮춘다
결론을 맨 뒤로 미루기	옛날 체류시간 전략이다. 지금은 이탈을 부른다
사진만 있고 글이 없는 포스팅	읽을 시간이 안 나오니 체류시간이 짧다
검색 상위노출 공식만 그대로 적용	홈피드에는 검색어가 없다. 게임이 다르다
홈피드만 노리고 검색을 버리기	애프터서치·클릭투클릭 모두 사용자의 검색·클릭 이력에서 출발한다. 검색 유입이 있어야 그 씨앗도 생긴다

마지막 줄을 강조하고 싶다. 검색과 홈피드는 대체재가 아니라 보완재다. 김기동 발표의 유입 퍼널 그림을 보면 검색홈에서 통합검색과 홈피드가 나란히 갈라진다. 검색으로 들어온 독자가 다시 홈피드의 씨앗이 된다.

내 성과를 어떻게 확인하나?

발행하고 나서 홈피드 유입이 실제로 늘었는지 봐야 한다. 네이버가 제공하는 무료 도구가 있다.

도구	무엇을 보나	주소
크리에이터 어드바이저	유입 경로별 조회수, 홈피드 유입 비중, 성별·연령대 분포	creator-advisor.naver.com
블로그 통계	글별 조회수, 유입 검색어, 체류 관련 지표	블로그 관리 화면 내 통계 메뉴
네이버 서치어드바이저	검색 노출·클릭, 수집 요청	searchadvisor.naver.com

볼 때의 요령은 이렇다.

• 유입 경로에서 “네이버 앱 홈피드” 계열이 차지하는 비중을 매주 기록해 둔다. 절대값보다 추세가 중요하다.
• 홈피드 유입이 잘 나온 글과 안 나온 글을 주제·제목 형식별로 묶어서 비교한다. 내 블로그에서 어느 문이 열려 있는지 알 수 있다.
• 평균 체류시간을 같이 본다. 조회수만 오르고 체류시간이 떨어지면 낚시 쪽으로 기울고 있다는 신호다.

예시로 보는 적용법 — 캠핑 블로그라면 어떻게 할까?

원리만 늘어놓으면 막상 뭘 해야 할지 감이 안 온다. 그래서 가상의 캠핑 블로그를 하나 놓고 위 12가지를 실제로 적용해 보겠다. 아래는 전부 예시이고 실제 블로그가 아니다.

상황 설정

캠핑 블로그를 6개월째 운영 중이고, 글은 40편쯤 있다. 검색 유입은 하루 300명 정도인데 홈피드 유입은 거의 없다. 지금까지 쓴 글은 대부분 ”○○ 텐트 리뷰”, ”○○ 화로대 후기” 같은 장비 리뷰다.

진단 — 왜 홈피드에 안 걸리나

앞의 구조에 대입해 보면 문제가 보인다.

문	현재 상태	진단
애프터서치	장비 이름 검색은 구매 직전 검색이라 이후 탐색 여지가 적다	🔴 씨앗이 잘 안 생긴다
클릭투클릭	장비 리뷰끼리는 좌표가 가깝다	🟡 작동은 하나 폭이 좁다
카테고리 밴딧	캠핑 카테고리로는 뚜렷하다	✅ 좌표는 선명함
구독	이웃이 적다	🔴 문이 닫혀 있음
인구통계	타깃이 불명확	🟡
MDE 랭커	리뷰 글이 짧고 사진 위주	🔴 만족 확률이 낮게 예측될 소지

핵심 문제는 “장비 리뷰”라는 소재가 애프터서치와 궁합이 나쁘다는 점이다. 사람들이 텐트 이름을 검색하는 건 살까 말까 고민할 때인데, 그 검색 이후에 이어질 탐색 여지가 크지 않다. 그리고 소재가 한 갈래로 쏠려서 다양성 쪽에서도 불리하다.

처방 — 소재를 벌리고 씨앗을 만든다

주제(캠핑)는 그대로 두되, 소재를 다섯 갈래로 벌린다. 이게 앞에서 말한 “블로그는 뾰족하게, 소재는 넓게”의 실제 모습이다.

flowchart TB
    B["캠핑 블로그<br/>주제는 하나로 유지"] --> C1["장비<br/>기존 소재"]
    B --> C2["캠핑장 후기"]
    B --> C3["캠핑 요리"]
    B --> C4["실패담과 사고"]
    B --> C5["비용과 정산"]

    C1 --> D1["클릭투클릭에 유리<br/>구매 검토 독자"]
    C2 --> D2["애프터서치에 유리<br/>지역명 검색 이후 탐색"]
    C3 --> D3["카테고리 확장<br/>요리 관심층 유입"]
    C4 --> D4["체류시간에 유리<br/>끝까지 읽힘"]
    C5 --> D5["재방문에 유리<br/>다시 찾아보는 글"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef mid fill:#fff4e6,stroke:#b8791a,color:#6b4410
    classDef out fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class B head
    class C1,C2,C3,C4,C5 mid
    class D1,D2,D3,D4,D5 out

제목을 어떻게 바꾸나

같은 소재라도 검색을 노리는 제목과 홈피드를 노리는 제목이 다르다. 예시로 비교해 본다.

소재	검색형 제목	홈피드형 제목 (애프터서치·클릭투클릭 겨냥)
캠핑장	”가평 캠핑장 추천 베스트 10"	"가평 캠핑장 예약하기 전에 몰랐던 3가지”
장비	”○○ 텐트 리뷰"	"3년 쓴 텐트 버리고 알게 된 것”
요리	”캠핑 요리 레시피 모음"	"불 조절 실패해서 다 태운 날 배운 것”
비용	”캠핑 비용 정리"	"1년 캠핑비 계산했다가 조용해진 이유”

차이가 보이는가. 왼쪽은 검색어를 그대로 담는다. 오른쪽은 검색 이후에 궁금해질 지점을 건드린다. 홈피드에는 검색창이 없으므로, 사용자가 스크롤을 멈추게 만드는 건 키워드 일치가 아니라 “어 뭔데?”라는 반응이다.

⚠️ 단, 여기서 조심할 것이 있다. 오른쪽 제목이 낚시가 되면 안 된다. MDE 랭커가 만족 확률을 함께 보기 때문에, 제목이 던진 궁금증을 본문 앞부분에서 해소해 줘야 한다. “3가지”라고 했으면 첫 화면에서 첫 번째가 바로 나와야 한다.

4주 운영 계획 예시

주차	발행	목적
1주	캠핑장 후기 2편 + 실패담 1편	소재 확장 시작. 애프터서치 씨앗 만들기
2주	요리 2편 + 장비 1편	새 카테고리 반응 관찰
3주	반응 좋았던 갈래로 2편 + 비용 정리 1편	클릭투클릭 연결 고리 만들기
4주	1~3주 글을 묶는 정리글 1편 + 신규 2편	재소비형 콘텐츠 확보

4주차의 “묶는 정리글”이 중요하다. 김기동 발표가 인용한 구글 연구에서 같은 콘텐츠의 재소비가 늘어나는 것이 성장하는 사용자군의 특징으로 나왔다. 나중에 다시 찾아볼 만한 정리글은 그 재소비를 만드는 장치다.

4주 뒤에 무엇을 보나

크리에이터 어드바이저에서 이 세 가지를 확인한다.

확인 항목	좋은 신호	나쁜 신호
홈피드 유입 비중	0%에서 조금이라도 올라옴	4주간 변화 없음 → 소재를 더 벌려야 함
갈래별 반응	특정 갈래에서 유입이 튐	전 갈래가 고르게 낮음 → 제목 형식 점검
평균 체류시간	유지되거나 상승	조회수는 늘었는데 체류시간 급락 → 낚시 쪽으로 기울었다는 경고

자주 묻는 질문

홈피드에 뜨려면 이웃이 몇 명이나 있어야 하나요?

정해진 숫자는 없고, 이웃이 없어도 뜰 수 있습니다. 발표에 나온 리트리버 중 구독 기반은 여러 문 중 하나일 뿐입니다. 애프터서치, 클릭투클릭, 카테고리·서비스 밴딧은 구독과 무관하게 작동합니다. 특히 홈피드를 잘 안 쓰는 라이트 사용자에게는 “서비스 밴딧” 이 쓰이는데, 이건 “블로그라는 서비스”를 고르는 방식이라 개인 이력의 비중이 상대적으로 작을 수 있습니다.

다만 이웃과 구독이 많으면 문이 하나 더 열리는 것은 맞습니다. 없어도 되지만 있으면 유리한 쪽입니다.

하루에 몇 개를 써야 하나요?

발표 자료에 발행 빈도에 대한 언급은 없습니다. 다만 구조상 유추할 수 있는 게 있습니다. 애프터서치는 하루 이내 검색 이력, 클릭투클릭은 하루 이내 클릭 이력과 연결됩니다. 즉 시의성이 있는 소재는 빨리 써야 그 창에 들어갑니다.

그리고 같은 키워드로 계속 쓰는 건 역효과입니다. 발표에 “키워드 노출 패널티”가 명시돼 있습니다. 개수보다 소재를 벌리는 것이 중요합니다.

글자 수는 몇 자가 좋은가요?

발표에 글자 수 기준은 나오지 않습니다. 인터넷에 도는 “1,500자 이상” 같은 숫자는 근거를 확인하기 어렵습니다.

대신 확인된 사실은 이것입니다. 랭커가 체류시간이 길 확률을 예측합니다. 그러니 기준은 글자 수가 아니라 “이 글을 열면 실제로 읽을 것이 있는가” 입니다. 사진 20장에 글이 세 줄이면 읽을 시간 자체가 안 나옵니다. 반대로 억지로 늘린 5,000자도 중간에 이탈을 부릅니다.

검색 상위노출과 홈피드 중 뭘 먼저 해야 하나요?

둘은 대체재가 아니라 보완재입니다. 애프터서치와 클릭투클릭 모두 사용자의 검색·클릭 이력에서 출발합니다. 검색으로 들어온 독자가 남긴 흔적이 홈피드 추천의 씨앗이 됩니다. 검색을 버리면 그 씨앗이 안 생깁니다.

순서를 굳이 정하자면, 검색으로 기본 유입을 만들고 → 그 위에 홈피드형 소재를 얹는 순서가 자연스럽습니다.

카테고리를 여러 개 운영하면 불리한가요?

블로그 전체 주제가 여러 갈래로 흩어지면 불리할 수 있습니다. 카테고리 밴딧과 임베딩 기반 리트리버 모두 “이 블로그·이 글이 어느 좌표인가”를 봅니다. 육아와 주식과 맛집이 섞여 있으면 어느 좌표에서도 대표성이 약해집니다.

다만 하나의 큰 주제 안에서 소재를 나누는 카테고리는 오히려 좋습니다. 캠핑 블로그 안의 장비·캠핑장·요리 카테고리 같은 경우죠. 이건 흩어지는 게 아니라 다양성을 만드는 것입니다.

오래된 글도 홈피드에 뜰 수 있나요?

가능성은 있지만 신선한 글이 유리한 구조입니다. 애프터서치와 클릭투클릭은 모두 하루 이내의 사용자 행동을 씨앗으로 씁니다. 그리고 김기동 발표에서 홈피드와 별개로 검색 쪽 분석을 다루며 최신성의 중요성이 계속 언급됩니다.

다만 카테고리 밴딧의 “선호 카테고리 인기 문서” 쪽은 반드시 최신일 필요가 없습니다. 반응이 누적된 글이 계속 뽑힐 여지가 있습니다. 그래서 잘 되는 글은 계속 관리하는 것이 의미가 있습니다.

이 내용이 언제까지 유효한가요?

정직하게 말하면 모릅니다. 근거로 삼은 자료는 2024년과 2025년 발표이고, 발표 안에서도 “향후 계획”으로 새 모델 도입을 예고하고 있습니다. 실제로 김기동 발표는 다양성 실험 결과를 2025년 상반기에 이미 서비스에 반영했다고 밝혔습니다.

그래서 이 글에서 오래 갈 부분과 빨리 바뀔 부분을 나눠 보면 이렇습니다.

오래 갈 가능성이 높은 것	빨리 바뀔 수 있는 것
클릭과 만족을 함께 본다는 방향	구체적인 모델 이름과 구조
다양성과 개인화를 함께 잡으려는 방향	실험에서 나온 개별 수치
첫 카드의 중요성	첫 카드를 고르는 방식
유효 방문일수라는 목표 지표	각 리트리버의 비중

왼쪽 칸을 기준으로 글을 쓰고, 오른쪽 칸은 참고만 하는 게 안전합니다.

정리하면

flowchart TB
    K["홈피드 공략의 핵심"] --> K1["검색과 다른 게임이다"]
    K --> K2["문이 여러 개다"]
    K --> K3["클릭만으로 안 된다"]
    K --> K4["첫 카드의 무게가 다르다"]
    K --> K5["다시 오게 만드는 게 목표다"]

    K1 --> D1["검색어가 없다<br/>사람의 맥락이 있다"]
    K2 --> D2["검색 직후 · 클릭 직후<br/>관심사 · 구독 · 인구통계"]
    K3 --> D3["만족 확률을 함께 예측한다"]
    K4 --> D4["전체 클릭의 23퍼센트<br/>하단 클릭률 45퍼센트 차이"]
    K5 --> D5["유효 방문일수가 네이버의 목표 지표"]

    classDef head fill:#eef4ff,stroke:#2b5fa8,color:#123a6b
    classDef k fill:#fff4e6,stroke:#b8791a,color:#6b4410
    classDef d fill:#e6f7ec,stroke:#1a7f45,color:#0f4d29

    class K head
    class K1,K2,K3,K4,K5 k
    class D1,D2,D3,D4,D5 d

세 문장으로 줄이면 이렇다.

하나. 홈피드는 키워드 싸움이 아니라 맥락 싸움이다. 검색은 “이 질문에 맞는 글”을 고르고, 홈피드는 “이 사람이 지금 궁금해할 글”을 고른다. 그래서 제목에 키워드를 정확히 박는 것보다, 누군가의 방금 전 행동과 이어지는 소재를 잡는 게 중요하다.

둘. 클릭만 잘 나는 글은 오히려 손해다. 랭커가 클릭 확률과 만족 확률을 함께 예측한다. 열자마자 나가는 글은 다음번 노출을 스스로 깎는다. 제목이 약속한 것을 본문 앞에서 바로 지키는 게 가장 확실한 최적화다.

셋. 블로그는 뾰족하게, 소재는 넓게. 주제 좌표가 선명해야 문에 걸리고, 소재가 다양해야 쏠림 패널티를 피한다. 이 두 가지는 모순이 아니라 층위가 다른 이야기다.

마지막으로 하나만 덧붙이고 싶다. 이 발표들을 읽으면서 제일 인상 깊었던 건 기술이 아니라 네이버가 재려는 지표가 바뀌고 있다는 점이었다. 클릭 수에서 “유의미한 소비 활동이나 만족스러운 경험을 한 날짜” 로. 이런 방향으로 지표가 옮겨가는 서비스에서 오래 살아남는 글은 결국 하나다. 읽고 나서 시간이 안 아까운 글. 공략법을 아무리 정교하게 짜도 여기서 벗어날 수는 없을 것 같다.

---

출처

• 김세호·김영세·박희성 (NAVER 발견/탐색 프로덕트), 홈피드: 네이버의 진입점에서 추천피드를 외치다! — 추천피드 도입 고군분투기, DAN 24
• 김기동 (NAVER Data Strategy & Operations Center), 사용자에 대한 이해로부터: 검색과 홈피드 서비스의 성장 문법, DAN25
• 관련 세션: 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스 · DAN 24 전체 세션 · DAN25 전체 세션
• Andrew Chen (a16z), The Power User Curve
• 측정 도구: 네이버 크리에이터 어드바이저 · 네이버 서치어드바이저

⚠️ 면책: 이 글의 📘 표시 내용은 위 공개 발표 자료에 근거한 사실이고, 💡 표시 내용은 그것을 블로그 운영에 적용해 본 제 해석입니다. 추천 시스템은 사용자마다 다르게 작동하고 지속적으로 변경되므로, 어떤 방법도 노출을 보장하지 않습니다. 발표에 공개된 수치는 해당 실험 시점의 값이며 현재와 다를 수 있습니다.