개별 사용자의 웹 행동 특성 분석

초록

본 연구는 웹 로그 데이터를 활용해 개별 사용자가 특정 페이지를 재방문하는 시간 패턴을 정량적으로 분석한다. 재방문 확률과 연속 방문 사이의 시간 간격 분포가 사용자별 활동 수준과 무관하게 동일한 통계적 형태를 보이며, 이는 각 사용자가 고유한 방문 주기를 정의하기 어렵다는 결론을 도출한다.

상세 분석

본 논문은 웹 분석 분야에서 흔히 가정되는 포아송(무작위) 방문 모델이 실제 사용자 행동을 충분히 설명하지 못한다는 점을 실증적으로 보여준다. 연구진은 대규모 웹 서버 로그(수백만 건의 페이지 조회)를 수집하고, 쿠키 기반 익명 사용자 식별자를 통해 개별 사용자의 방문 시퀀스를 재구성하였다. 주요 분석 대상은 (1) 특정 페이지에 대한 재방문 확률 P(t)와 (2) 연속 방문 사이의 시간 간격 Δt의 확률 분포 f(Δt)이다.

시간에 따른 재방문 확률 P(t)는 초기 급격한 감소 후 장기적으로는 전형적인 파워‑로우(역제곱) 형태, 즉 P(t) ∝ t^‑α (α≈1.2) 로 수렴한다. 이는 사용자가 처음 방문 후 빠르게 재방문하는 경향이 있지만, 시간이 흐를수록 재방문 가능성이 느리게 감소한다는 의미이다. 흥미롭게도, 사용자의 전체 방문 횟수(활동 수준)를 기준으로 그룹을 나누어도 α값에 유의미한 차이가 나타나지 않았다. 즉, 활발히 웹을 이용하는 사용자와 드물게 방문하는 사용자가 동일한 시간 스케일링 법칙을 공유한다는 것이다.

연속 방문 간격 Δt의 분포 f(Δt) 역시 파워‑로우 형태를 보이며, f(Δt) ∝ Δt^‑β (β≈1.5) 로 추정된다. 이 분포는 짧은 간격(수초수분)에서 급격히 감소하고, 장시간 간격(수시간수일)에서는 긴 꼬리를 형성한다. 이러한 긴 꼬리는 “버스트(burst) 행동”과 “휴면(hibernation) 상태”가 교대로 나타나는 복합적인 인간 행동 양상을 반영한다.

연구진은 또한 “사용자별 고유 주기”를 정의하려는 시도가 통계적으로 의미가 없음을 강조한다. 개별 사용자의 방문 시계열을 푸리에 변환하거나 자기상관 분석을 수행했지만, 명확한 피크가 나타나지 않아 주기성을 찾을 수 없었다. 이는 웹 사용이 외부 요인(콘텐츠 업데이트, 사회적 이벤트, 개인 일정 등)에 의해 강하게 영향을 받아, 고정된 방문 주기를 갖지 않는다는 결론을 뒷받침한다.

이러한 결과는 웹 트래픽 모델링, 캐시 정책 설계, 맞춤형 광고 타게팅 등에 중요한 함의를 가진다. 기존의 단순한 평균 방문 간격이나 포아송 프로세스 기반 예측은 실제 사용자 흐름을 과소평가하거나 과대평가할 위험이 있다. 대신, 파워‑로우 기반의 비정규적(heterogeneous) 모델을 도입하면 장기적인 트래픽 변동성을 보다 정확히 포착할 수 있다. 또한, 사용자 프라이버시 관점에서 개별 행동을 식별 가능한 형태로 모델링하는 것이 윤리적·법적 논쟁을 야기할 수 있음을 경고한다.

요약하면, 본 연구는 대규모 실증 데이터를 통해 웹 사용자의 재방문 행동이 시간 스케일에 대해 보편적인 파워‑로우 법칙을 따르며, 사용자 활동 수준과는 독립적임을 입증한다. 이는 기존의 정형화된 방문 모델을 재검토하고, 보다 복합적인 인간-컴퓨터 상호작용을 반영한 새로운 분석 프레임워크를 구축할 필요성을 강조한다.