글만 늘리면 창고가 된다? 독자가 찾기 쉬운 진열 바꾸는 웹사이트

읽기 기능 사용법

듣기는 본문을 읽어 줍니다. 속독은 구절을 차례로 표시하며 속도를 조절할 수 있습니다. 언어 연습은 다른 언어판과 번역을 비교합니다. 저장한 북마크는 이 브라우저의 플레이어 목록에서 다시 열 수 있습니다. 벽돌깨기로 읽기는 글자 하나하나를 벽돌 삼아 깨면서 노는 게임입니다.

이 글 공유하기

이 글 공유하기

글만 늘리면 창고가 된다? 독자가 찾기 쉬운 진열 바꾸는 웹사이트
AI 생성 이미지

기사가 100개에서 300개, 1,000개로 늘어도 미디어가 더 좋아졌다는 뜻은 아니다.

최악의 경우 커진 것은 창고뿐이다.

좋은 글은 뒤쪽 상자에 묻히고, 입구에는 늘 같은 인기 글만 놓이며, 직접 검색하지 않으면 존재조차 알기 어려워진다.

그래서 더 좋은 비유는 이것이다.

웹사이트는 보관함이 아니라 가게다.

첫 화면은 가게 입구, 주제는 매대, 검색은 점원, 기사 카드는 안내표, 관련 글은 다음 매대로 가는 안내다. 손님이 어디로 가는지 보고 좋은 상품을 놓친다면 배치를 바꾼다.

좋은 가게는 손님을 출구에서 멀리 가두지 않는다.

필요한 것을 빨리 찾을 수 있고, 원하면 오래 둘러볼 수 있고, 돌아올 이유가 있으며, 무엇을 찾지 못했는지까지 학습해 진열이 조금씩 좋아진다.

바로 이것이 찾기 → 읽기 → 다음 관심 → 재방문 → 자동 개선의 순환이다.

1. 오래 머물렀는가보다 필요한 것을 찾았는가

페이지뷰와 체류시간은 목표 그 자체가 되면 위험하다.

30초 만에 한 문장으로 답을 얻고 떠난 사람은 숫자로 보면 약한 방문처럼 보인다. 그러나 목적을 완벽하게 달성했다면 UX는 성공이다.

반대로 답을 못 찾아 다섯 페이지를 헤맨 사람은 PV를 다섯 개 만들지만 사실은 미아를 다섯 번 센 것일 수 있다.

원래 기사가 참고한 Google의 HEART라는 측정 방법도 만족했는지, 자주 쓰는지, 새로 쓰는 사람이 있는지, 다시 오는지, 하려던 일을 해냈는지를 나눠 본다. 먼저 무엇을 돕고 싶은지 정하고 그 결과를 보여 주는 반응과 숫자를 고르는 방식이다.[1]

따라서 “많이 봤다”보다 먼저 다음을 나눈다.

  • 목적을 달성했는가
  • 흥미로운 발견이 있었는가
  • 유용한 다음 단계가 보였는가
  • 다시 쓰고 싶은가

늘려야 할 것은 유용한 발견의 수다.

PV는 결과로 따라오면 좋다. PV 자체가 마약이 되면 출구 없는 쇼핑몰을 만들게 된다.

2. 찾기 — 사람은 링크 개수보다 정보의 냄새를 따라간다

원래 기사가 참고한 정보 탐색 연구는 사람들이 주변 단서를 보고 원하는 정보가 어디에 있을지 짐작하며 찾는다고 설명한다.[2]

웹에서는 그 단서가 정보의 냄새가 된다.

“업무”, “AI”, “생활”만 적힌 카드는 분류만 알려준다.

반면 “관계를 망치지 않고 부탁을 거절하는 법”은 클릭 뒤에 얻을 가치를 예측하게 해준다.

따라서 발견 품질은 링크 수가 아니라 제목, 설명, 주제, 현재 상황, 얻을 결과가 서로 같은 방향을 가리키는지에 달려 있다.

원래 기사가 참고한 Google 안내도 중요한 페이지가 내부의 다른 페이지에서 연결되어야 하고, 앵커 텍스트는 구체적이고 관련성이 있어야 한다고 권장한다. 동시에 페이지당 이상적인 링크 수 같은 마법의 숫자는 없다고 설명한다.[3]

모든 기사를 발견 가능하게 만들고 싶다고 해서 모든 상품을 계산대 앞에 쌓을 필요는 없다.

3. 읽기 — 모든 글을 같은 틀에 넣지 않는다

“5초 안에 결론을 보여라”는 조언은 어떤 콘텐츠에는 좋지만 모든 글에 적용하면 읽을거리가 죽는다.

문제 해결, 절차, 가격 비교, 설정 가이드는 답을 먼저 주는 편이 좋다.

반면 체험, 관찰, 문화, 여행, 서사형 분석은 과정 자체가 가치일 수 있다.

콘텐츠 유형별로 독자의 일을 정의한다.

  • 답을 찾는 글: 답과 조건, 방법을 먼저 보여준다.
  • 고르는 글: 차이와 각각의 좋은 점, 불편한 점을 알려준다.
  • 이유를 아는 글: 왜 그런 일이 생기는지 차근차근 설명한다.
  • 읽는 재미가 있는 글: 사건과 뜻밖의 점, 발견을 살린다.
  • 틀리면 곤란한 글: 근거와 어떤 경우에 해당하는지, 모르는 점을 밝힌다.

원래 기사가 참고한 Google의 독자에게 도움이 되는 글 안내도 검색 순위 조작이 아니라 실제 독자에게 유용하고, 읽고 나서 목표 달성에 도움이 되며 만족스러운 콘텐츠를 강조한다.[4]

형식은 SEO 미신이 아니라 인간의 목적에서 골라야 한다.

4. 다음 관심 — 답을 준 뒤 아직 몰랐던 질문 하나를 보여준다

관련 글의 최고의 역할은 “PV 하나 더 주세요”가 아니다.

현재 문제를 해결한 뒤 독자가 아직 말로 만들지 못했던 다음 질문을 보이게 하는 것이다.

Loewenstein의 정보 격차 이론은 사람이 자신이 무엇을 모르는지 알아차릴 때 지식의 빈틈이 호기심을 만들 수 있다고 본다.[5]

따라서 현재 답을 숨기지 않는다.

먼저 답한다.

그다음 세 방향을 제안한다.

  • 더 깊게 보기
  • 다음에 생길 문제 준비하기
  • 가까운 다른 주제로 잠깐 들러 보기

이는 클릭베이트와 반대다.

“답은 다음 페이지”가 아니라 “답은 여기 있다. 이제 이것을 알았으니 다음 문제가 보인다”이다.

추천 연구는 이미 인기 있는 항목만 반복 노출하고 반응을 다시 학습시키면 인기 편향이 커지고 전체 다양성이 줄 수 있다고 경고한다.[6]

그래서 지금 주제와 관련된 글뿐 아니라 새 글, 좋은데 아직 많이 보여 주지 못한 글, 가까운 주제의 글에도 조금씩 자리를 준다. 같은 글이 앞자리를 독차지하지 않게 한다.

한 번도 보여 주지 않은 글은 재미없는 글이 아니라 기회를 못 얻은 글일 수 있다.

5. 재방문 — 다시 오라고 압박하지 말고 이어갈 것을 남긴다

다시 오게 하고 싶다고 처음부터 알림이나 가입 팝업을 띄울 필요는 없다.

원래 기사가 참고한 자기결정이론은 스스로 고르기, 할 수 있다고 느끼기, 사람들과 연결되기를 내면에서 생기는 의욕에 중요한 것으로 본다.[7] 이것만으로 사이트 재방문이 늘어난다고 입증된 것은 아니지만, 만들 때 참고할 수는 있다.

  • 관심 주제를 직접 고르고 바꾸거나 지울 수 있게 한다. 가입을 강요하지 않는다.
  • 읽고 나면 더 이해하거나, 선택하거나, 실행할 수 있게 한다.
  • 누가 왜 쓰는지 보이고 글마다 태도가 일관되게 한다.

저장한 글, 최근 읽은 글, 읽던 글의 이어지는 부분, 선택한 주제의 새 글, 이전 글 다음에 궁금해질 만한 글을 보여 줄 수 있다.

이상은 안 돌아오면 손해라는 압박이 아니라 돌아오면 지난번보다 한 걸음 더 나아갈 수 있는 것이다.

6. 선택지는 적을수록 항상 좋은 것이 아니다

“선택지가 많으면 사람은 선택하지 못한다”는 말은 UX에서 너무 쉽게 법칙처럼 사용된다.

하지만 연구는 더 복잡하다.

Scheibehenne 등은 50개 연구의 63개 조건, 5,036명의 결과를 모았다. 선택지가 많아져 선택이 어려워지는 영향은 평균적으로 거의 없었고 연구마다 차이가 컸다.[8]

따라서 “관련 글은 무조건 3개”, “주제는 7개 이하” 같은 보편 숫자는 연구가 보장하지 않는다.

중요한 것은 선택지의 차이가 이해되는가, 그룹화되어 있는가, 목적별 입구가 있는가, 무엇을 비교하면 되는지 분명한가, 지금 반드시 골라야 하는가다.

100개 글을 한 줄에 두면 지옥이지만 목적별로 나누면 자산이 된다.

7. 자동 개선 — 클릭만 학습하면 진열대가 점점 단조로워진다

자동으로 개선하기 전에 먼저 무엇을 세는지 맞춰야 한다. AI를 넣는 것은 그다음이다.

각 글에서 무엇을 어디에 보여 줬는지, 눌렀는지, 읽은 뒤 다음 글로 갔는지, 저장하거나 도움이 됐다고 표시했는지, 다시 왔는지를 나눠 기록한다. 한 번도 보여 주지 않은 글도 확인한다.

기사 ID, 언어, 본문 버전, 추천 방식의 버전을 함께 남긴다. 어제 글에 대한 반응과 오늘 고친 글에 대한 반응을 섞으면 무엇이 좋아졌는지 모른다.

공개 → 보여 주기 → 반응 보기 → 결과 모으기 → 이유 생각하기 → 조금 바꾸기 → 다시 확인하기.

클릭만 늘리려 하면 자극적인 제목, 극단적인 주제, 이미 인기 있는 글이 이기기 쉽다.

독자가 목적을 이뤘는지, 추천에 만족했는지, 다시 왔는지도 본다. 묻힌 글에도 기회가 있는지, 주제가 편중되지 않는지, 빠르고 읽기 쉬운지도 확인한다.

클릭 늘었다고 끝내지 않는다. 같은 진열대만 계속 보여 주는 가게가 아닌지 확인하며 고치는 것이다.

8. SEO와 UX는 적이 아니다. 단 Google만 손님으로 보면 가게가 망가진다

원래 기사가 참고한 Google 안내도 유용하고 독창적인 내용, 독자가 실제 쓰는 말, 검색엔진이 따라갈 수 있는 링크를 기본으로 둔다.[4][3]

빠르고 쓰기 쉬운 화면은 중요하지만 속도만으로 검색 순위가 정해지는 것은 아니다.[9] 당시 참고한 web.dev의 좋은 기준은 75번째 백분위에서 다음과 같았다. 일부 빠른 방문만 보는 것이 아니라 최소 75%의 방문에서 기준 안에 드는지 본다.

  • LCP: 주요 내용이 보이기까지 2.5초 이하
  • INP: 조작에 화면이 반응하기까지 200밀리초 이하
  • CLS: 표시 중 화면이 밀리는 정도를 나타내는 값 0.1 이하[9]

다국어 사이트는 어느 페이지가 서로의 언어별·지역별 버전인지 알려야 한다. 참고한 안내에는 이를 지정하는 hreflang이 나온다.[10]

원래 기사가 참고한 AI 검색 안내도 어디서나 볼 수 있는 내용을 반복하기보다 독창적이고 유용한 내용을 중시했다.[11]

좋은 제목, 의미 있는 글 사이 링크, 빠른 표시, 출처, 분명한 수정 안내, 언어에 맞는 URL, 직접 겪거나 분석한 내용은 검색엔진뿐 아니라 독자에게도 친절하다.

9. 가게로 보면 전체 시스템이 이해된다

사이트를 가게로 보면 각자의 일이 보인다.

  • 첫 화면: 가게 입구. 지금 재미있는 것을 알린다.
  • 주제: 매대. 비슷한 목적의 글을 모은다.
  • 검색: 점원. 독자의 말에서 목적지를 찾는다.
  • 기사: 상품. 하나만 읽어도 가치가 있다.
  • 관련 글: 다음 매대. 더 자세한 내용, 다음 문제, 다른 재미로 안내한다.
  • 저장과 이력: 맡겨 둔 물건과 쇼핑 메모.
  • 인기 순위: 판매 기록. 보여 준 수와 선택된 수는 다르다.
  • 방문 기록: 손님이 어디를 다녔는지 알아본다.
  • 글 만들기: 뒷작업실.
  • 글의 오류 확인: 상품 검사.
  • 공개: 상품 진열.
  • 추천 갱신: 진열 바꾸기.
  • 검색에서 찾게 하는 방법: 간판과 지도.
  • 다른 언어: 다른 가게를 만들기보다 같은 가게를 각 언어로 둘러보게 한다.

이렇게 되면 매일 모든 글을 손으로 옮길 필요가 없다. 어떤 가게를 만들지 정하고 자동 진열 변경이 이상한 일을 하지 않는지 확인하는 것이 운영자의 일이 된다.

10. 완성형은 사람을 가두는 사이트가 아니라 스스로 배우는 사이트다

이상적인 순환은 이렇다.

  1. 검색, 주제, 외부 유입, 추천 어디서 와도 가치가 보인다.
  2. 기사 하나만으로도 현재 질문을 해결할 수 있다.
  3. 답을 얻은 뒤 자연스러운 다음 질문이 보인다.
  4. 더 읽고 싶은 사람만 계속 간다.
  5. 돌아온 사람은 빠르게 이어서 볼 수 있다.
  6. 노출, 클릭, 읽은 뒤 행동, 재방문, 미노출을 측정한다.
  7. 이미 인기 있는 글만 앞에 두지 않으며 추천과 진열을 조금씩 바꾼다.
  8. 변경 뒤 품질, 속도, 검색, 언어, 공개 상태를 다시 확인한다.
  9. 나빠지면 되돌린다.
  10. 좋은 글을 만드는 것뿐 아니라 좋은 글이 발견될 확률을 높인다.

강한 사이트는 독자를 오래 가두는 사이트가 아니다. 필요한 곳에 빨리 도착하게 하고, 몰랐던 재미를 발견하게 하며, 다시 왔을 때 조금 더 똑똑해져 있는 사이트다.

창고 확장은 이제 그만.

이제는 진열대가 학습하는 가게를 만들 차례다.

원문이 참고한 자료


  1. 사용하기 편한지 측정한 연구 research.google
  2. 정보를 찾는 행동 연구 doi.org
  3. 따라갈 수 있는 링크 안내 developers.google.com
  4. 독자에게 도움이 되는 내용 안내 developers.google.com
  5. 호기심 연구 cmu.edu
  6. 추천이 인기 편중을 키우는 연구 arxiv.org
  7. 스스로 선택하는 것과 의욕 연구 selfdeterminationtheory.org
  8. 선택지 수와 고르기 어려움 연구 scheibehenne.com
  9. 페이지 편의성과 표시 속도 안내: ; https://web.dev/articles/vitals developers.google.com
  10. 언어별 페이지 안내 developers.google.com
  11. 원문이 참고한 AI 검색 자료 developers.google.com

이 글 공유하기

이 기사가 도움이 되었다면 사이트를 후원할 수 있습니다. 후원하기

오늘은 이 글

이 글을 읽은 분이 다음에 품는 질문에 각각 답하는 글입니다.

전체 글에서 찾기

다른 글 찾기

모든 기사

Mendoi-chan

사이트 운영자

Mendoi-chan

직장과 일상의 불편함을 구조화해 이해하기 쉬운 다음 행동으로 연결하는 글을 씁니다.