어느 날 SNS를 열었는데 처음 보는 음식점의 영상이 계속 나온다.
“여기 요즘 진짜 핫하대.” “웨이팅 2시간 기본.” “조회수 180만 돌파.”
이 정도면 우리는 거의 자동으로 생각한다. ‘아, 진짜 유행인가 보다.’
그런데 여기서 구분해야 할 것이 있다. ‘많이 노출되었다’와 ‘많이 선택됐다’는 같은 말이 아니다.
바이럴 데이터를 읽을 때 가장 많이 하는 실수는 조회수, 좋아요, 댓글 같은 노출과 반응의 숫자를 실제 영향력으로 바로 번역하는 것이다.
조회수 100만은 100만 명이 좋아했다는 뜻이 아니다
영상 조회수 100만이라는 숫자는 굉장히 커 보인다. 하지만 한 사람이 여러 번 봤을 수도 있고, 자동 재생이나 짧은 체류가 포함될 수도 있다. 무엇보다 중요한 것은 왜 그 영상이 많이 노출됐는가다.
콘텐츠가 좋아 자발적으로 퍼졌을 수도 있고, 광고로 노출을 늘렸을 수도 있으며, 이벤트로 공유를 유도했을 수도 있다. 알고리즘이 초기 반응을 감지해 추천을 크게 확장했을 수도 있다.
예를 들어 A 영상은 조회수 100만, 링크 클릭 5,000회, 구매 50건이고 B 영상은 조회수 10만, 링크 클릭 8,000회, 구매 400건이라고 해보자.
조회수만 보면 A가 압도적인 성공이다. 하지만 구매가 목적이라면 B가 훨씬 강한 콘텐츠다.
반드시 고민해 봐야한다.
“우리가 원하는 행동은 무엇이었지?”
인지도가 목표라면 조회수가 중요할 수 있다. 관심이 목표라면 저장과 댓글, 사이트 유입이 목표라면 클릭, 판매가 목적이라면 구매 전환과 매출을 봐야 한다.
댓글이 많으면 반응이 좋은 걸까?
댓글 3,000개면 좋아 보인다. 하지만 내용을 열어보면 “가격이 너무 비싼데?”, “광고 너무 많이 떠서 지겹다” 같은 부정적인 반응이 대부분일 수도 있다.
반대로 댓글은 100개뿐인데 “직접 사봤는데 재구매했다”, “부모님께도 보내드렸다”처럼 실제 행동이 담긴 반응이 많을 수도 있다.
숫자는 반응이 얼마나 되는지를 알려주지만, 텍스트는 사람들의 반응을 알려준다.
바이럴은 만들어질 수 있다
우리는 바이럴을 사람들이 자발적으로 만들어낸 인기라고 생각하기 쉽다. 하지만 실제 마케팅에서는 광고, 체험단, 동시다발적 콘텐츠 발행, 이벤트 등으로 초기 노출과 반응을 키울 수 있다.
이 자체가 잘못이라는 뜻은 아니다. 문제는 만들어진 노출을 자연스럽게 발생한 대중의 선택으로 착각하는 것이다.
“요즘 다들 이거 먹는다.” “20대 사이에서 난리 났다.” “온라인에서 폭발적인 반응.”
이런 표현을 만나면 네 가지를 묻자.
어디에서? 누가? 얼마 동안? 무슨 행동을 했길래?
알고리즘은 트렌드를 관찰하면서 동시에 만든다
어떤 영상이 초기에 반응을 얻으면 플랫폼은 더 많은 사람에게 보여준다. 더 많은 사람이 보니 반응이 늘고, 알고리즘은 다시 인기 콘텐츠라고 판단한다.
인기 → 노출 → 더 큰 인기
따라서 바이럴 데이터는 사람들이 무엇을 좋아했는지를 보여주는 동시에 플랫폼이 무엇을 크게 보여줬는지의 결과이기도 하다.
실무에서는 ‘조회 → 반응 → 행동 → 결과’로 보자
콘텐츠 성과를 한 줄로 연결해보자.
노출 100만 → 시청 40만 → 프로필 방문 2만 → 링크 클릭 5천 → 구매 300
이렇게 보면 사람이 어디에서 빠지는지 보인다.
조회수는 높은데 프로필 방문이 적다면 콘텐츠는 재미있었지만 브랜드 관심으로 이어지지 않았을 수 있다. 클릭은 많은데 구매가 적다면 상품 페이지, 가격, 배송 조건 등을 점검해야 한다.
‘바이럴 성공’이라는 한 단어보다 훨씬 많은 이야기가 보인다.
다음에 “조회수 300만”, “SNS 대란”을 만나면 이것만 확인하자.
- 이 숫자는 노출인가, 행동인가, 결과인가?
- 광고나 이벤트로 노출을 키운 것은 아닌가?
- 반응의 내용은 긍정적인가?
- 실제 구매·가입·방문으로 이어졌는가?
바이럴은 관심의 데이터이지 선택의 데이터는 아니다.
“그래서 그 100만 명 중 몇 명이 실제로 움직였는가?”
데이터에서 인사이트를 찾는 것이 얼마나 중요한가를 알아야 한다. 모든 답은 데이터에 없을 수도 있다. 나의 주장의 근거로 데이터를 맞추고 있을지도 모른다. 바이럴은 편향일지도.