Core Concepts
A/B 테스팅은 소셜 네트워크 상에서 정보 전파 동학을 상당한 수준으로 변화시킨다.
Abstract
이 연구는 A/B 테스팅이 소셜 네트워크 상에서 정보 전파 동학에 미치는 영향을 분석한다.
먼저, 업워디(Upworthy) 데이터셋을 활용하여 클릭률을 극대화하기 위한 헤드라인의 언어적 특징을 추출하고 분석한다. LASSO 회귀 분석을 통해 각 언어적 특징이 클릭률에 미치는 영향을 정량화한다.
이를 바탕으로 에이전트 기반 모델을 구축하여 두 가지 시나리오를 비교한다. 첫 번째는 순수한 소셜 전파 과정이고, 두 번째는 A/B 테스팅이 적용된 경우이다. 시뮬레이션 결과, A/B 테스팅은 성공적인 언어적 특징에 대한 집중도를 높여 정보 전파 동학을 근본적으로 변화시키는 것으로 나타났다. 즉, A/B 테스팅은 메시지의 다양성을 감소시키고 가장 성공적인 특징에 주목하게 만든다.
이러한 결과는 알고리즘 기반 플랫폼의 부상으로 인한 공론장의 변화에 대한 시사점을 제공한다. 향후 플랫폼 설계와 규제에 있어 이용자 자율성을 보장하면서도 관련성 있는 콘텐츠 전달이 가능한 방안을 모색해야 할 것이다.
Stats
A/B 테스팅은 소셜 네트워크 상에서 정보 전파 동학을 근본적으로 변화시킨다.
A/B 테스팅이 적용된 경우, 성공적인 언어적 특징에 대한 집중도가 높아져 메시지의 다양성이 감소한다.
Quotes
"A/B 테스팅은 소셜 네트워크 상에서 정보 전파 동학을 상당한 수준으로 변화시킨다."
"A/B 테스팅이 적용된 경우, 성공적인 언어적 특징에 대한 집중도가 높아져 메시지의 다양성이 감소한다."