위키피디아 페이지 조회수 동역학 모델링

초록

위키피디아 메인 페이지에 하루 동안 노출되는 추천 기사들의 조회수 변화를 분석하였다. 일일 주기와 사용자 활동 패턴을 보정하면 조회수는 시간에 따라 지수적으로 감소한다는 것을 발견했으며, 이를 개별 사용자의 포아송 과정으로 설명하는 간단한 모델을 제시한다. 모델은 실측 데이터와 높은 일치도를 보이며, 기존 연구보다 직관적인 인기도 예측을 가능하게 한다.

상세 분석

본 논문은 위키피디아 메인 페이지에서 매일 선정되는 ‘오늘의 주요 기사(Featured article)’가 24시간 동안 전면에 노출된 뒤, 3일간 ‘최근 추천(Recently featured)’ 섹션에 머무는 고정된 프로모션 스케줄을 활용한다. 이러한 규칙성은 외부 변수(예: 뉴스 이벤트, 소셜 미디어 바이럴 효과)와 무관하게 순수히 사용자 자체의 방문 패턴에 의해 조회수가 결정되는 실험 환경을 제공한다. 저자들은 2007년 12월부터 2009년 3월까지 684개의 추천 기사에 대해 초단위 페이지뷰 로그를 수집하고, 일주기적 변동을 보정하기 위해 전체 위키피디아 트래픽의 평균 일주기 곡선을 기준으로 정규화하였다.

정규화된 데이터는 시간 t(시간 단위)에서의 평균 조회수 vₜ가 초기값 v₁에 비해 일정 비율 β(0<β<1)만큼 매시간 감소하는 형태, 즉 vₜ = v₁·β^{t-1} 로 근사됨을 보여준다. 여기서 β는 약 0.85 정도로, 하루(24시간) 동안 약 0.03배 수준으로 급격히 감소한다. 또한, ‘최근 추천’ 단계로 전환되는 순간에 발생하는 급격한 감소를 γ라는 상수로 모델링했으며, γ≈0.23 정도로 추정된다.

이러한 지수 감쇠는 개별 사용자가 기사에 처음 노출된 순간부터 독립적인 포아송 프로세스를 통해 클릭(조회) 결정을 내린다는 가정에서 유도된다. 각 사용자는 평균 도착 간격 λ⁻¹을 갖는 포아송 과정에 따라 기사에 접근하고, 한 번 조회하면 이후 재방문 확률은 무시한다는 단순화된 가정이다. 이때 전체 시스템의 기대 조회수는 λ·e^{-λt} 형태가 되며, 이는 실측 데이터의 지수 감소와 일치한다.

모델 검증을 위해 저자들은 2010년 1월부터 2월까지 새롭게 선정된 100개의 추천 기사에 대해 동일한 분석을 수행했으며, 예측값과 실제값 사이의 평균 절대 오차가 10% 이하로 유지됨을 보고한다. 또한, 기존 연구에서 제시된 파워‑로우, 로그정규, 혹은 복합 감쇠 모델과 비교했을 때, 파라미터 수가 적음에도 불구하고 설명력(R²)이 유사하거나 더 우수함을 확인했다.

본 연구의 주요 기여는 (1) 사용자 활동의 일주기성을 명시적으로 보정함으로써 순수한 콘텐츠 인기도 변화를 추출한 점, (2) 단일 지수 감쇠와 한 번의 점프(γ)만으로도 복잡한 조회수 패턴을 충분히 설명한다는 점, (3) 포아송 프로세스 기반의 미시적 메커니즘을 제시함으로써 인기도 예측 모델에 대한 해석 가능성을 높인 점이다. 다만, 모델은 ‘추천 기사’라는 특수한 상황에 한정되며, 급격한 외부 사건(예: 정치 스캔들)이나 소셜 미디어 확산 효과가 강하게 작용하는 경우에는 적용이 어려울 수 있다. 향후 연구에서는 다중 포아송 프로세스, 사용자 군집화, 그리고 외부 트렌드 변수와의 결합을 통해 보다 일반화된 인기도 예측 프레임워크를 구축하는 방향을 제시한다.