X 추천 알고리즘 오픈소스 심층 분석 2026: 코드 해설 + Shadowban 감지 + 6가지 최적화 전략

2026년 8월 13일, X(구 Twitter)는 오픈소스 코드베이스를 다시 대폭 확장하여 shadowban 메커니즘의 전체 로직을 공개했습니다. 이는 2025년 9월 첫 오픈소스화, 2026년 1월 Musk의 새 알고리즘 오픈소스 선언에 이은 또 한 번의 중대한 업데이트입니다.

중국어 심층 분석 글은 거의 전무한 상태입니다 — 이는 블루오션 트래픽을 선점할 절호의 기회입니다.

1. 뉴스 배경: X 오픈소스 타임라인回顾

1.1 주요 사건 정리

X의 오픈소스 여정은 2023년까지 거슬러 올라가지만, 진정한 전환점은 2025-2026년에 발생했습니다:

시기	사건	의미
2023년 3월	Twitter 최초 추천 알고리즘 오픈소스화	일부 코드 공개, 학습 데이터 및 안전 파이프라인 미포함
2025년 9월	xAI, Grok 기반 대체 버전 발표	구형 4800만 파라미터 MaskNet을 대체하는 transformer 모델 도입
2026년 1월	Musk 전체 새 알고리즘 오픈소스화 선언	4주마다 업데이트 공개 약속
2026년 5월 15일	최대 규모 코드 업데이트	187개 파일 변경, 18000+ 줄의 새 코드
2026년 8월 13일	오픈소스 재확장 + shadowban 투명 도구	코드량 10-15배 확대, 필터링 로직 최초 공개

1.2 8월 13일 업데이트의 핵심 내용

TechCrunch 보도에 따르면, X 제품 부사장 Keith Coleman은 다음과 같이 밝혔습니다:

“여러분은 핵심 순위 코드를 얻게 될 것입니다 — 주어진 사용자에 대해 게시물을 끌어오고, 순위를 매기고, 피드를 조립하는 코드입니다. 잠재적 문제 콘텐츠를 필터링하는 시스템을 볼 수 있습니다… 순위자와 점수화 같은 시스템 중 일부는 회사 외부에서도 직접 실행할 수 있습니다.”

이번 업데이트의 주요 변화:

• GitHub 저장소: github.com/xai-org/x-algorithm (Apache v2 라이선스)
• 코드 규모: 이전 대비 10-15배 확대
• 추가 내용: 모델 구성, 필터, 핵심 순위 시스템 세부사항, 신호 가중치 파라미터
• 투명 도구: 사용자는 자신의 계정이 순위 시스템의 영향을 받는지 확인할 수 있음

1.3 이번 오픈소스화가 이전과 다른 이유

2023년 최초 오픈소스화(twitter/the-algorithm)는 “기획된 부분 공개”였습니다 — 아키텍처는 보여주었지만 학습 데이터, 모델 가중치, 안전 파이프라인 및 약 80%의 프로덕션 코드는 생략했습니다.

2026년 버전(xai-org/x-algorithm)은 구조적으로 완전히 다릅니다:

• 완전한 Phoenix 점수 시스템 아키텍처 포함
• Grok 기반 콘텐츠 이해 파이프라인 공개
• 실행 가능한 “mini Phoenix” 체크포인트 제공
• shadowban 및 필터링 로직 최초 공개

X 제품 부사장 Coleman은 말했습니다: “우리의 꿈은 대중 중 누구나 게시물이 플랫폼에서 어떻게 배포되는지 평가하고, 이것이 공정한 경쟁 환경인지 검증하며, 그렇지 않다고 생각되면 비판하여 우리가 지속적으로 개선할 수 있도록 하는 것입니다.”

---

2. 알고리즘 아키텍처 해설: For You 추천 시스템 작동 원리

2.1 전체 아키텍처 개요

X의 For You 추천 시스템은 다단계 파이프라인으로, 각 피드 새로고침이 1.5초 이내에 완료됩니다. 매일 약 5억 개의 게시물을 각 사용자당 약 1500개의 후보로 축소하여 순위를 매깁니다.

4가지 핵심 구성요소:

┌─────────────────────────────────────────────────────────────┐
│                    Home Mixer（오케스트레이터）                 │
│  쿼리 하이드레이션 처리, 후보 소스 조정, 게시물 선택 규칙 실행,   │
│  최종 피드 조립                                                │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    Thunder（인메모리 게시물 저장소）             │
│  서브밀리초 조회 구현, Kafka 실시간 게시물 스트림 소비            │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    Phoenix（Grok 기반 순위 결정기）              │
│  듀얼 타워 transformer 모델, 사용자 임베딩과 게시물 임베딩의     │
│  내적 유사도 계산                                               │
└─────────────────────────────────────────────────────────────┘
                              ↓
┌─────────────────────────────────────────────────────────────┐
│                    Candidate Pipeline（후보 파이프라인）         │
│  소셜 그래프, 관심 클러스터, 의미적 유사도 등 다중 소스에서       │
│  게시물 끌어오기                                                │
└─────────────────────────────────────────────────────────────┘

2.2 후보 생성 (Candidate Generation)

후보 생성 단계는 여러 소스에서 게시물을 끌어옵니다:

1. 소셜 그래프: 내가 팔로우하는 사람들이 게시한 게시물
2. SimClusters 커뮤니티 감지: 145,000개의 중복 관심 클러스터
3. 의미적 유사도: 콘텐츠 임베딩 기반 매칭
4. 주제 관심 클러스터: 과거 상호작용 기반 추론

주요 제한사항:

• 작성자 다양성 상한: 각 피드 창에서, 동일 작성자의 게시물은 최대 약 3개까지 표시
• 네트워크 외부 콘텐츠 제한: For You 피드의 약 50%는 팔로우하지 않는 계정의 게시물에서 오지만, 이 게시물들은 “2차 연결”이 있어야 합니다 — 내가 팔로우하는 누군가가 해당 게시물을 좋아요, 댓글 또는 리트윗했어야 합니다

2.3 순위 모델 (Ranking Model): Phoenix

Phoenix는 2026년의 핵심 순위 결정기로, 구형 MaskNet 모델을 대체했습니다. Grok 기반 transformer 모델입니다:

아키텍처 특징:

• 듀얼 타워 모델: 사용자 임베딩과 게시물 임베딩을 동시에 생성
• 내적 유사도: 내적을 통해 두 임베딩 간 유사도 계산
• 핵심 설계 결정: 순위 추론 중 후보 게시물들은 서로 attend(주의)할 수 없습니다 — 각 게시물의 점수는 배치 내 다른 게시물이 아닌 사용자 컨텍스트에만 기반하여 계산됩니다

이는 다음을 의미합니다: 게시물의 순위는 동시에 고려되는 다른 게시물에 의해 변하지 않습니다 — 점수는 일관되고 캐시 가능합니다.

Phoenix는 19가지 다양한 상호작용 행동을 예측하며, 각 행동은 확률 점수를 받습니다. 이 확률들에 가중치를 곱하여 합산하면 최종 상호작용 점수가 됩니다.

2.4 최종 필터링 (Final Filtering)

순위 결정 후, 일련의 사전 순위 필터가 있습니다. 게시물은 점수를 받기 위해 이 필터들을 통과해야 합니다:

1. 작성자 다양성 필터: 동일 작성자의 게시물은 각 피드 창에서 최대 약 3개까지
2. 부정적 피드백 필터: 사용자가 지난 30일 동안 차단, 음소거 또는 “이런 콘텐츠 줄이기”를 선택한 경우, 해당 계정의 모든 콘텐츠가 강등됩니다
3. 순수 링크 게시물 필터: 원본 텍스트 없이 외부 링크만 포함된 게시물은 제한됩니다
4. 네트워크 외부 상한: 각 피드 창에서 팔로우하지 않는 계정의 게시물 수에 상한이 있음

---

3. 핵심 순위 신호: 오픈소스 코드 기반 분석

3.1 상호작용 가중치: 댓글 > 리트윗 > 좋아요

오픈소스 코드는 다양한 상호작용 유형의 정확한 가중치를 공개합니다. 아래 데이터는 2023년 최초 공개된 가중치입니다 (2026년 Phoenix는 수동 조정이 아닌 학습된 가중치를 사용하지만 방향은 일치합니다):

상호작용 유형	상대 가중치 (좋아요 대비)	설명
작성자 댓글	~150배	내 게시물에 달린 댓글에 내가 답글을 다는 것 — 가장 강력한 신호
댓글	~27배	일반 댓글
리트윗	~20배	리포스트
프로필 클릭	~12배	작성자 아바타 클릭
링크 클릭	~11배	게시물의 링크 클릭
북마크	~10배	게시물 저장
좋아요	1배	기준값

핵심 인사이트: 좋아요 100개를 받은 게시물보다 댓글 4개를 받은 게시물의 알고리즘 점수가 더 높습니다 — 만약 그 4개 댓글에 모두 답글을 달아 +75의 “작성자 댓글” 신호를 4번 트리거한다면요.

가장 반직관적인 발견: 양방향 댓글 체인(내가 내 게시물에 달린 댓글에 답글)은 알고리즘 점수 모델에서 좋아요 약 150개의 가치가 있습니다.

3.2 네트워크 효과: 소셜 그래프가 추천에 미치는 영향

TweepCred 평판 시스템:

코드는 TweepCred라는 평판 시스템을 정의합니다 — 0에서 100까지의 가중 PageRank 점수로, 매일 사용자 상호작용 그래프에서 재계산됩니다.

핵심 임계값: TweepCred 점수가 65 미만인 계정은 주기당 단 3개의 트윗만 배포 고려 대상이 됩니다. 이 임계값 이하에서는 알고리즘이 실제로 팔로우하지 않는 사람들에게 게시물을 보여주는 것을 중단합니다.

TweepCred는 다음 요인의 영향을 받습니다:

• 계정 연령
• 팔로워/팔로우 비율
• 고평판 계정과의 상호작용 여부
• 기기 사용 패턴
• 전반적인 상호작용 품질 이력

SimClusters 커뮤니티 감지:

For You 피드의 약 50%는 팔로우하지 않는 계정의 게시물에서 옵니다. 알고리즘은 SimClusters 시스템을 사용하여 145,000개의 중복 관심 클러스터를 식별합니다.

하지만 SimClusters 실행 전에 필터가 있습니다: 네트워크 외부 게시물은 2차 연결이 있어야 합니다 — 내가 팔로우하는 누군가가 해당 게시물을 좋아요, 댓글 또는 리트윗했거나, 작성자를 팔로우했어야 합니다. 이런 소셜 프루프 없이는 게시물이 네트워크 외부 피드 고려 대상에 진입하지 않습니다.

3.3 콘텐츠 품질 신호

시간 감쇠:

코드는 시간 감쇠가 매우 공격적임을 보여줍니다:

• 게시물은 6시간마다 가시성 점수의 약 절반을 잃습니다
• 24시간 후, 알고리즘 푸시는 실질적으로 0이 됩니다

하지만 첫 30분 내에서는 역학이 완전히 다릅니다:

• 첫 15분 내에 댓글 10개를 모은 게시물은 “바이럴 증폭 캐스케이드”를 트리거합니다
• 알고리즘은 높은 상호작용 속도를 추론하고 네트워크 외부 사용자에게 게시물을 배포하기 시작합니다

체류 시간 (Dwell Time):

스레드(Thread)는 모든 포맷 중 가장 높은 체류 시간을 생성합니다. 7개 트윗을 읽는 독자는 여러 콘텐츠 조각에서 여러 체류 시간 신호를 트리거합니다. 스레드 완료율은 2025년에 순위 신호로 추가되었습니다.

콘텐츠 포맷 가중치:

포맷	가중치 배수	설명
스레드 (Thread)	가장 높은 체류 시간	3-5개 트윗 스레드는 개별 게시물보다 40-60% 더 많은 노출
네이티브 동영상	시청 시간 신호	최적 길이 < 2:20, 세로 9:16이 가로보다 우수
이미지	2배	2023년 코드 확인, 2026년 아키텍처에서도 지속되는 것으로 보임
순수 텍스트	가장 높은 댓글률	노출당 댓글 수 가장 높음
외부 링크	부정적 신호	비 Premium 계정의 링크 게시 중간 상호작용이 0으로 하락

3.4 Grok AI의 콘텐츠 검토 및 추천 역할

2026년 5월 15일 업데이트는 Grox — 콘텐츠 이해 파이프라인을 도입했습니다:

1. 스팸 감지: 게시물이 Phoenix에 도달하기 전에 분류
2. 게시물 카테고리 분류: 알고리즘이 이제 상호작용 패턴뿐만 아니라 게시물 콘텐츠도 분류
3. 안전 집행: 동영상 콘텐츠의 ASR(음성 인식) 처리 포함
4. 감정 점수화: 건설적이고 긍정적인 메시지는 더 널리 배포; 부정적이고 대립적인 프레이밍은 높은 상호작용에도 배포가 축소

핵심 변화: Grok은 이제 모든 게시물을 “읽고” 모든 동영상을 “봅니다” — 매일 1억+ 콘텐츠를 처리하여 사용자를 가장 관심 있을 만한 콘텐츠와 매칭합니다.

3.5 광고 게시물 vs 자연 게시물의 혼합 전략

오픈소스 코드는 주로 자연 추천에 초점을 맞추지만, X Premium 계정은 다음과 같은 이점을 누립니다:

• 더 높은 네트워크 외부 게시물 상한
• 댓글 스레드에서 Premium 댓글이 더 높은 위치로 승격
• 링크 게시물의 제한이 적음 (비 Premium 계정의 링크 게시 중간 상호작용이 0으로 하락)

---

4. Shadowban 메커니즘 해부

4.1 Shadowban(고스트 차단)이란

Shadowban은 명시적 통지 없이 게시물의 가시성을 낮추거나 발견 불가능하게 만드는 것을 의미합니다. 여전히 게시할 수 있지만, 콘텐츠가 다음에 나타나지 않습니다:

• 검색 결과
• For You 피드
• 댓글 스레드
• 해시태그 탐색

4.2 오픈소스 코드의 Shadowban 로직

8월 13일 업데이트는 필터링 로직을 최초로 공개했습니다. 코드 분석에 따르면, shadowban은 주로 다음 메커니즘을 통해 구현됩니다:

1. TweepCred 임계값 필터링

# 의사 코드 예시
if user.tweepcred < 65:
    candidates_per_cycle = 3  # 단 3개의 게시물만 고려
else:
    candidates_per_cycle = normal_limit

2. 부정적 피드백 감쇠

사용자가 지난 30일 동안 다수의 차단, 음소거 또는 “이런 콘텐츠 줄이기”를 받은 경우, 해당 계정의 모든 콘텐츠가 강등됩니다 — 부정적 피드백을 트리거한 게시물뿐만 아니라 모든 향후 게시물에 영향을 미칩니다.

3. Grox 콘텐츠 분류

Grox에 의해 스팸 또는 “카테고리 이탈”로 플래그된 게시물은 Phoenix에 도달하기 전에 강등됩니다.

4. 링크 게시물 페널티

2023년 시스템은 20-30%의 노출 감소를 적용했습니다. 2025년에는 30-50%로 증가했습니다. 2026년 3월, 비 Premium 계정의 링크 게시 중간 상호작용이 0으로 하락했습니다.

4.3 자신에게 제한이 적용되었는지 감지하는 방법

방법 1: 공식 투명 도구 (신규)

X는 8월 13일 업데이트에서 “Under the Hood” 투명 도구를 출시했습니다:

• 앱 설정의 “Under the Hood” 페이지에 위치
• 지난 한 달간 10개 이상 게시한 사용자는 집계 통계(JSON 파일)를 다운로드할 수 있음
• 파일은 지난 한 달 동안 계정이나 게시물에 라벨이 적용되었는지 표시

방법 2: 제3자 감지 도구

여러 무료 도구가 shadowban 상태를 감지할 수 있습니다:

• shadowban.yuzurisa.com
• opentweet.io/tools/shadowban-check
• circleboom.com/twitter-shadowban-test

방법 3: 수동 시크릿 검색 테스트

1. 로그아웃 또는 시크릿 브라우저 창 열기
2. from:@사용자명 검색
3. 게시물이 나타나지 않으면 제한되었을 수 있음

4.4 제한의 일반적인 원인

오픈소스 코드 분석에 따르면, shadowban을 트리거하는 일반적인 행동:

1. 낮은 TweepCred 점수 (< 65)

   • 새 계정이 과도하게 팔로우 (예: 5000명 팔로우)
   • 팔로워/팔로우 비율 불균형
   • 저평판 계정과 상호작용

2. 다량의 부정적 피드백

   • 다수의 사용자에게 차단 또는 음소거됨
   • 게시물이 다수의 “이런 콘텐츠 줄이기”를 받음

3. 순수 링크 게시물 게시

   • 원본 텍스트 없는 링크 게시물이 “저노력 배포”로 플래그됨

4. 콘텐츠 정책 위반

   • Grox에 의해 스팸으로 분류됨
   • 감정 점수가 부정적/대립적

5. 과도한 게시

   • 시간당 10개 이상 게시하면, 대부분의 게시물이 후보 생성 단계에서 필터링됨

---

5. 실전 최적화 전략: 6가지 실행 가능한 조언

전략 1: 게시 시간 최적화 (알고리즘 선호 기반)

핵심 원칙: 첫 30분이 모든 것을 결정합니다.

구체적 실행:

• 가장 활발한 팔로워가 온라인인 시간에 게시
• 첫 15분 내에 최소 10개의 댓글을 받을 수 있도록 준비
• 게시 후 20-30분 동안 온라인 상태를 유지하며 댓글에 적극적으로 답글

효과적인 이유:

• 게시물은 6시간마다 가시성의 절반을 잃음
• 첫 15분 내 높은 상호작용 속도가 “바이럴 증폭 캐스케이드”를 트리거
• 알고리즘이 높은 상호작용 속도를 추론하고 네트워크 외부 사용자에게 배포 시작

전략 2: 상호작용 유도 전략 (댓글 > 리트윗 > 좋아요)

핵심 원칙: 좋아요 수가 아닌 댓글 속도를 최적화하세요.

구체적 실행:

• 특정 반응을 유도하는 게시물 게시: 확고한 의견, 직접적인 질문, 반직관적인 데이터 포인트, 구체적 예측
• 게시 후 1시간 내에 모든 댓글에 답글 — 게시 후 사용 가능한 가장 높은 레버리지 행동
• 각 “작성자 댓글”은 점수 모델에서 좋아요 150개의 가치

효과적인 이유:

• (30분 내) 댓글 8개를 받은 게시물이 (2일간) 좋아요 200개를 받은 게시물보다 우수
• 양방향 댓글 체인(내가 내 게시물에 달린 댓글에 답글)은 좋아요 약 150개의 가치

전략 3: 콘텐츠 포맷 최적화 (이미지/동영상/투표 가중치)

핵심 원칙: 포맷 가중치를 활용하여 신호를 극대화하세요.

구체적 실행:

• 스레드 (Thread): 3-5개 트윗 스레드는 개별 게시물보다 40-60% 더 많은 노출
• 네이티브 동영상: 최적 길이 < 2:20, 세로 9:16 포맷
• 이미지: 2배 가중치 (2023년 코드 확인)
• 순수 텍스트: 가장 높은 댓글률 — 잘 만들어진 텍스트 게시물이 대부분의 동영상 콘텐츠보다 더 많은 대화를 생성
• 외부 링크 회피: 링크를 메인 게시물이 아닌 댓글에 배치

효과적인 이유:

• 스레드가 가장 높은 체류 시간 생성
• 네이티브 동영상이 시청 시간 신호 생성
• 외부 링크가 부정적 신호 생성 (비 Premium 계정 중간 상호작용이 0으로 하락)

전략 4: 해시태그 전략

핵심 원칙: 적을수록 많습니다.

구체적 실행:

• 주제와 관련된 1-2개의 해시태그 사용
• 2개 초과 시 Grox 스팸 분류기가 트리거되어 노출이 약 40% 감소

효과적인 이유:

• Grox 콘텐츠 이해 파이프라인이 게시물 콘텐츠를 분류
• 과도한 해시태그가 스팸 행동으로 플래그됨

전략 5: Shadowban 트리거 행동 회피

핵심 원칙: TweepCred를 65 이상으로 유지하세요.

구체적 실행:

• 전략적 팔로우: 팔로우 수를 부풀리지 말고, 팔로워/팔로우 비율이 자연스럽게 성장하도록 하세요
• 고평판 계정과 상호작용: TweepCred 점수를 높이세요
• 일관된 게시 리듬 유지: TweepCred는 장기적 상호작용 품질의 영향을 받음
• 대량 부정적 피드백 회피: 부정적 피드백을 많이 받은 1-2개의 게시물이 수 주간 노출을 침몰시킴
• 링크 게시물에 원본 텍스트 추가: 100-200자 원본 코멘트를 작성하세요. 그렇지 않으면 알고리즘이 링크 스팸으로 간주

효과적인 이유:

• TweepCred < 65인 계정은 주기당 단 3개의 게시물만 고려됨
• 부정적 피드백은 트리거한 게시물뿐만 아니라 모든 향후 게시물에 영향을 미침

전략 6: Grok AI를 활용한 콘텐츠 창작

핵심 원칙: 알고리즘의 콘텐츠 이해와 정렬을 유지하세요.

구체적 실행:

• 주제 일관성 유지: Grox가 각 게시물의 카테고리를 분류하므로, 주제 이탈은 추천을 잃게 만듦
• Grok으로 피드 맞춤 설정: 사용자는 이제 자연어로 Grok에게 For You 피드를 맞춤 지시할 수 있음 (예: “스타트업 콘텐츠 더, 정치 콘텐츠 덜”)
• 콘텐츠 임베딩 최적화: 첫 줄에서 바로 본론으로 들어가세요, 모호한 오프닝 사용하지 않기
  • ✅ “B2B SaaS 가격 모델은 구식이 되었다”
  • ❌ “오늘 흥미로운 것을 배웠어요”

효과적인 이유:

• Grox가 콘텐츠 임베딩에 기반하여 게시물을 사용자 관심사와 매칭
• 첫 줄이 모호하면, 임베딩이 어떤 관심 주제에도 강하게 클러스터링되지 않음
• 주제 일관성이 “신호 가능한 피드”에서 이점을 제공

---

6. 오픈소스 코드 네비게이션

6.1 GitHub 저장소 구조 설명

메인 저장소: github.com/xai-org/x-algorithm

주요 구성요소:

• Home Mixer: 전체 파이프라인 오케스트레이션
• Thunder: 인메모리 게시물 저장소, 서브밀리초 조회 구현
• Phoenix: Grok 기반 순위 결정기 (듀얼 타워 transformer)
• Candidate Pipeline: 다중 소스에서 게시물을 끌어오는 조합 가능한 프레임워크
• Grox: 콘텐츠 이해 파이프라인 (스팸 감지, 카테고리 분류, 안전 집행)
• TweepCred: 평판 점수 시스템

6.2 핵심 코드 파일 해설

가중치 파일:

• scored-tweets.thrift: 공개된 상호작용 가중치 포함 (2023년 버전)
• Phoenix는 수동 조정이 아닌 학습된 가중치를 사용하지만, 2023년 가중치는 방향적으로 정확한 것으로 널리 인정됨

순위 결정기:

• Phoenix 순위 결정기 코드는 듀얼 타워 아키텍처를 보여줌
• 핵심 설계: 후보 게시물들은 서로 attend(주의)할 수 없어 점수의 일관성 보장

필터:

• 작성자 다양성 상한 (~3개/창)
• 부정적 피드백 감쇠 (30일 창)
• 링크 게시물 제한
• 네트워크 외부 콘텐츠 상한

6.3 알고리즘 분석을 직접 실행하는 방법

X는 “mini Phoenix” 체크포인트를 제공하여 외부 연구자가 Phoenix 점수 시스템을 훈련하고 실행할 수 있게 합니다.

단계:

1. 저장소 클론: git clone https://github.com/xai-org/x-algorithm.git
2. 종속성 설치 (README 참조)
3. mini Phoenix 체크포인트 다운로드
4. 점수 시스템 실행 (참고: 각 게시물의 정확한 점수는 얻을 수 없지만 아키텍처를 실행할 수 있음)

커뮤니티 파생 프로젝트:

• x-algo-tweet-scorer: 오픈소스 신호 기반 트윗 점수 도구
• x-score-extension: 알고리즘 가중치에 따라 타임라인 트윗을 분석하는 Chrome 확장 프로그램

---

7. 자주 묻는 질문 (FAQ)

Q1: X 알고리즘이 완전히 오픈소스화되었나요?

A: 부분적으로 오픈소스화되었습니다. 2026년 버전은 핵심 순위 코드, Phoenix 점수 시스템 아키텍처, 필터 및 신호 가중치를 포함합니다. 하지만 포함되지 않은 것들: Grok을 사용하여 게시물이 규칙을 위반하는지 예측하는 실시간 스팸 분류기, 광고 타겟팅 시스템, 일부 안전 분류기. 이는 X가 악의적 행위자가 이 정보를 이용하여 규칙을 우회하는 것으로부터 보호하기 위함입니다.

Q2: 댓글이 정말 좋아요보다 150배 중요한가요?

A: 네. 오픈소스 코드에 따르면, “작성자 댓글”(내가 내 게시물에 달린 댓글에 답글)은 점수 모델에서 좋아요 약 150개의 가치가 있습니다. 일반 댓글은 좋아요 약 27개의 가치, 리트윗은 약 20개의 가치입니다. 이는 4개의 댓글을 받은 게시물(모두에 답글을 단 경우)이 100개의 좋아요를 받은 게시물보다 알고리즘 점수가 더 높다는 것을 의미합니다.

Q3: Shadowban 여부를 어떻게 감지할 수 있나요?

A: 세 가지 방법: 1) X의 새 “Under the Hood” 투명 도구 사용 (8월 13일 출시); 2) shadowban.yuzurisa.com과 같은 제3자 감지 도구 사용; 3) 수동 시크릿 검색 테스트 — 로그아웃 후 from:@사용자명 검색, 게시물이 나타나지 않으면 제한되었을 수 있음.

Q4: 외부 링크가 정말 페널티를 받나요?

A: 네. 2023년 시스템은 20-30%의 노출 감소를 적용했고, 2025년에는 30-50%로 증가했으며, 2026년 3월 비 Premium 계정의 링크 게시 중간 상호작용이 0으로 하락했습니다. 해결책: 링크를 메인 게시물이 아닌 댓글에 배치하세요. 메인 게시물에는 네이티브 콘텐츠(의견, 인사이트, 스레드)를 게시하고, 댓글에 링크를 첨부하세요.

Q5: X Premium 구독은 가치가 있나요?

A: 알고리즘 관점에서, Premium 계정은 다음 이점을 누립니다: 더 높은 네트워크 외부 게시물 상한, 댓글 스레드에서 댓글이 더 높은 위치로 승격, 링크 게시물의 제한이 적음. X에서 진지하게 영향력을 구축하고 싶다면, Premium은 상당한 알고리즘 이점을 제공합니다. 하지만 일반 사용자의 경우, 무료 계정에서도 상호작용 전략 최적화를 통해 좋은 노출을 얻을 수 있습니다.

---

8. 요약

X 추천 알고리즘의 오픈소스화는 소셜 미디어 플랫폼이 콘텐츠 가시성을 어떻게 결정하는지 이해할 수 있는 전례 없는 창을 제공합니다. 핵심 인사이트:

1. 댓글이 가장 강력한 신호: 좋아요 수가 아닌 댓글 속도를 최적화
2. 첫 30분이 모든 것을 결정: 게시 후 온라인 상태를 유지하며 적극적으로 상호작용
3. TweepCred가 핵심: 점수를 65 이상으로 유지, 전략적 팔로우
4. 외부 링크는 페널티: 링크를 댓글에 배치
5. 콘텐츠 포맷이 영향: 스레드 > 동영상 > 이미지 > 순수 텍스트 > 링크
6. 일관성이 빈도보다 중요: 하루 3-5개의 고품질 게시물이 15개의 급한 게시물보다 우수

오픈소스 코드는 한 가지를 명확히 합니다: X에서의 영향력은 일관성, 타이밍 정확도, 상호작용 품질의 함수입니다 — 이 원칙들을 반복적으로 적용하는 것입니다. 경쟁에서 이기는 계정은 가장 똑똑한 단일 게시물을 가진 계정이 아니라, 올바른 타이밍에 나타나 진정한 대화를 시작하고 내일 다시 돌아오는 계정입니다.

코드는 공개되어 있습니다. 신호는 문서화되어 있습니다. 성장하는 계정과 정체된 계정을 구분하는 것은: 그들이 이 정보를 체계적으로 사용하는지, 아니면 2022년에 하던 일을 계속하는지입니다.

---

이 블로그 글이 도움이 되셨기를 바랍니다! X 알고리즘 최적화에 대해 더 궁금한 점이 있으시면 댓글로 토론해 주세요.

참고 자료:

• X For You Feed Algorithm - GitHub
• TechCrunch: X open sources its ranking algorithm
• OpenTweet: X Algorithm Open Source Analysis
• Publora: X Algorithm Weights Revealed
• Sprout Social: How Twitter Algorithm Works 2026