구글이 실제로 별점을 계산하는 방법 (단순 평균이 아닙니다)

가중 리뷰, 최신성 가중치 하락, 그리고 표시되는 평점이 산술 평균과 다른 이유를 베이즈 통계 수학으로 설명합니다. 실제 공식과 계산 예시를 통해 자세히 알아보세요.

대부분의 사업주가 어렵게 깨닫는 사실이 있습니다. 5점짜리 리뷰를 20개 연속으로 받아도 표시되는 평점은 거의 움직이지 않는다는 것입니다. 혹은 더 나쁘게는, 6개월간 서비스를 개선하여 마침내 리뷰 50개를 돌파했는데, 4.8점이었던 평균이 Google 지도에서는 4.3점으로 표시되는 것을 발견하기도 합니다. 계산이 잘못된 것이 아닙니다. 정확히 설계된 대로 작동하고 있을 뿐입니다. 단지 그 설계가 무엇인지 아무도 알려주지 않았을 뿐이죠.

Google은 평점 알고리즘을 공식적으로 발표한 적이 없습니다. 하지만 공개적으로 문서화된 IMDB의 베이즈 공식, Algolia의 평점 문서, 리뷰 시스템에 대한 학술 연구, 그리고 수년간 실무자들이 눈에 보이는 평점 변화를 리버스 엔지니어링한 결과, 그 메커니즘은 잘 알려져 있습니다. 이 글에서는 실제 숫자를 사용하여 그 수학적 원리를 제대로 파헤쳐 봅니다.

먼저 단순 평균이 무엇이며 왜 실패하는지부터 시작하겠습니다. 평점 집합의 산술 평균은 단순히 합계를 개수로 나눈 값입니다. 5점, 4점, 5점 리뷰 세 개의 평균은 (5+4+5)/3 = 4.67입니다. 수학적으로는 맞습니다. 하지만 수천 개의 업체를 서로 비교하여 순위를 매기는 것이 목표일 때는 통계적으로 오해를 불러일으킬 수 있습니다.

이러한 실패 사례는 규모가 커지면 빠르게 복합적으로 나타납니다. 지난주에 개업하여 열성적인 친구들로부터 리뷰 3개를 받은 레스토랑은, 평균 4.4점에 200개의 리뷰를 보유한 기존 경쟁업체보다 더 높은 점수를 받게 됩니다. 비록 기존 업체가 훨씬 더 신뢰할 수 있는 신호를 나타냄에도 불구하고 말이죠. 이를 허용하는 모든 순위 시스템은 몇 달 안에 조작되어 무의미해질 것입니다.

실제 Google 별점 계산 방식의 작동 원리

베이즈 평점을 신뢰도 가중 평균이라고 생각하면 쉽습니다. 리뷰가 거의 없을 때, 시스템은 그 표본을 액면 그대로 표시할 만큼 신뢰하지 않습니다. 대신 업체의 순수 평균을 사전 확률(prior) — 모든 유사한 업체를 기반으로 한 기본 기대치 — 과 혼합합니다. 리뷰를 더 많이 쌓을수록 시스템은 업체 자체의 데이터를 더 신뢰하게 되고 사전 확률의 중요성은 줄어듭니다.

IMDB는 Top 250 목록에 바로 이 접근 방식을 사용하며, WR = (v/(v+m)) × R + (m/(v+m)) × C 라는 공식을 공개적으로 문서화했습니다. 변수들은 우아할 정도로 단순하지만, 그 행동적 함의를 완전히 흡수하는 데는 시간이 좀 걸립니다. 동일한 수학적 구조가 Algolia의 순위 결정 문서, 리뷰 시스템에 대한 학술 문헌, 그리고 Google의 지역 순위를 연구하는 SEO 전문가들의 리버스 엔지니어링 작업에서도 나타납니다.

WR = (v/(v+m)) × R + (m/(v+m)) × C 공식은 두 가지 양, 즉 업체 자체의 관찰된 평균(R)과 카테고리 전체 평균(C)의 가중 혼합입니다. 가중치는 최소 신뢰도 기준치(m)에 대한 업체의 리뷰 수(v)에 의해 결정됩니다.

(v/(v+m)) + (m/(v+m))은 항상 1.0이 된다는 점에 주목하세요. 이 두 가중치의 합은 100%입니다. 즉, 항상 업체 자체의 데이터와 사전 확률 사이에서 보간하는 것입니다. 유일한 질문은 각각의 비중이 얼마냐는 것입니다. v가 m에 비해 아주 작을 때는 사전 확률이 지배적입니다. v가 m에 비해 클 때는 업체 자체의 리뷰가 지배적입니다.

WR = (v / (v + m)) × R + (m / (v + m)) × C

기준치 m은 플랫폼의 신뢰도 요구사항을 암호화하는 매개변수입니다. IMDB는 Top 250 계산을 위해 m을 약 25,000표로 설정합니다. Google에 등록된 동네 카페는 '아바타'와 같은 통계적 세계에서 경쟁하는 것이 아니므로 m은 훨씬 낮게 설정됩니다. 실무자들은 일반적으로 Google 지역 목록의 경우 카테고리와 지역 시장에 따라 m을 5에서 50 사이로 추정합니다.

카테고리 평균 C는 가장 과소평가된 변수입니다. 이것은 고정된 전역 상수가 아닙니다. Google은 거의 확실하게 C를 동적으로 계산합니다 — 카테고리별, 도시별, 아마도 검색 문맥별로 말이죠. 샌프란시스코의 치과 의사는 몬태나 시골의 레스토랑이 아닌 다른 샌프란시스코 치과 의사들과 비교됩니다. 이는 베이즈 하한선이 카테고리별로 다르다는 것을 의미합니다.

가중 별점 공식이 SEO에 중요한 이유

실질적인 의미는 처음 50개의 리뷰를 받는 것이 51번째부터 150번째 리뷰를 받는 것보다 훨씬 더 중요하다는 것입니다. 신뢰도 기준치 m 미만의 모든 리뷰는 (v/(v+m)) 계수를 크게 변화시키기 때문에 엄청난 영향을 미칩니다. v=5에서 v=10으로 가는 것은 신뢰도 가중치를 두 배로 늘립니다. v=150에서 v=155로 가는 것은 거의 측정할 수 없을 정도입니다.

이는 실무자들이 반복적으로 관찰하는 직관에 반하는 패턴을 설명합니다. 한 업체가 리뷰 3개에서 30개로 늘어났는데, 새로 추가된 리뷰도 긍정적이었음에도 불구하고 표시되는 평점이 5.0에서 4.6으로 떨어지는 경우입니다. 계산은 정확합니다. 초기의 5.0점은 베이즈 통계가 만들어낸 허구였습니다. 4.6점이 바로 첫 번째 정직한 추정치인 것입니다.

현실적인 카테고리 평균 C = 4.1과 최소 기준치 m = 50을 사용한 두 가지 계산 예시입니다. 이는 경쟁이 어느 정도 있는 지역 서비스 카테고리(배관공, 치과, 자동차 수리점)에 대한 타당한 추정치입니다. 다른 값을 대입하여 자신의 카테고리를 모델링해 보세요.

업체 A는 완벽한 순수 점수를 가지고 있습니다 — 모든 리뷰어가 별 5개를 주었습니다. 하지만 리뷰가 3개뿐이므로 공식은 자체 데이터를 5.7%만 신뢰합니다. 표시되는 점수의 나머지 94.3%는 카테고리 평균인 4.1에서 비롯됩니다. 결과: 4.15점. 받아야 할 것처럼 보이는 5.0점이 아닙니다.

업체 B는 일부 리뷰어가 별 3개나 4개를 주어 순수 평균이 4.6으로 더 낮습니다. 하지만 120개의 리뷰는 공식이 자체 데이터를 70.6% 신뢰한다는 것을 의미합니다. 표시되는 점수 4.45점은 현실에 훨씬 더 가깝고, Google 알고리즘에 의해 업체 A의 명목상 5.0점보다 더 높은 순위를 차지하게 될 것입니다. 리뷰 수가 신뢰도를 낳고, 신뢰도가 노출을 낳습니다.

아래 표는 C = 4.1, m = 50인 6가지 시나리오에 공식을 적용한 것입니다. 델타(Delta) 열은 베이즈 점수가 단순 평균과 얼마나 다른지 보여줍니다. 리뷰 수가 증가함에 따라 격차가 줄어드는 것을 주목하세요. 이는 증거가 축적되면서 사전 확률의 영향력이 약해지는 것입니다.

가장 흥미로운 행은 마지막 행입니다. 리뷰가 5개뿐이고 순수 평균이 2.0으로 끔찍한 업체가 실제로는 3.85점을 표시합니다. 카테고리 평균에 의해 거의 별 두 개만큼이나 끌어올려진 것입니다. 이것은 의도된 설계입니다. 시스템은 단 5개의 데이터 포인트를 기반으로 업체를 망각 속으로 단죄하기를 거부합니다. 표본이 신뢰를 보증할 만큼 충분히 커질 때까지 평균을 향해 위험을 회피하는 것입니다.

부정적인 이상치에 대한 이러한 완충 효과 때문에, 가짜 부정 리뷰를 조직적으로 퍼붓는 '리뷰 폭탄'이 겉보기보다 덜 치명적인 이유입니다. 알고리즘은 리뷰 수가 결과를 정당화하기에 불충분할 때 극단적인 결과를 저항합니다. 그렇긴 하지만, Google의 이상 감지 시스템은 긍정적이든 부정적이든 빠른 속도의 리뷰 캠페인을 모두 탐지합니다.

베이즈 공식은 기준선을 설명하지만, Google의 실제 시스템은 최소 세 가지 계층을 더 추가합니다: 최신성 가중치 하락, 기여자 신뢰도 점수화, 그리고 속도 급증에 대한 이상 현상 완화입니다. 이 중 어느 것도 공식적으로 확인된 바 없습니다. 모두 행동 증거와 특허 분석을 통해 추론된 것입니다.

기본 베이즈 공식을 기초라고 생각하세요. 그 위에 구축된 모든 것은 신호를 조작에 더 강하게 만들고 시간적으로 더 정확하게 만듭니다. 목표는 항상 동일합니다: 오늘 고객이 방문했을 때 진정으로 경험할 수 있는 것을 표시 평점에 반영하는 것입니다.

최신성 가중치 — 최근 90일이 중요한 이유

Google은 리뷰에 시간적 감쇠를 적용하여 오래된 피드백보다 최신 피드백에 더 많은 가중치를 둡니다. 이 메커니즘은 지수 감쇠 함수와 일치하며, 리뷰의 영향력이 특정 마감일에 0으로 떨어지는 것이 아니라 시간이 지남에 따라 점차 감소합니다.^[1]

Google 평점 행동에 대한 커뮤니티 분석에 따르면, 12~18개월 이상 전에 게시된 리뷰는 지난주에 게시된 리뷰보다 약 30~50% 적은 영향력을 갖는 것으로 일관되게 나타납니다. 3년 전의 5점짜리 리뷰도 여전히 계산되지만, 그 비중이 줄어들 뿐입니다. 이는 2022년에 80개의 리뷰를 받고 그 이후로 하나도 받지 못한 업체는 빌려온 신호에 의존하고 있다는 것을 의미합니다.

w(t) = exp(-λ × Δt)

where:
  Δt = days since review was posted
  λ  = decay constant (estimated ~0.003–0.008 for Google)
  w(t) = weight applied to that review in the running average

기여자 신뢰도 — 레벨 7 지역 가이드의 리뷰가 더 큰 영향을 미치는 이유

리뷰어에 대한 Google의 신뢰 계층은 특허 포트폴리오와 관찰 가능한 행동으로부터 추론됩니다. 특허 US8818995B1은 기여를 한 주체의 신뢰 수준에 따라 가중치를 부여하는 검색 순위 시스템을 설명합니다. 이를 리뷰에 적용하면, 여러 비즈니스 카테고리에 걸쳐 수백 개의 상세한 리뷰를 작성한 레벨 7 지역 가이드는 높은 신뢰도를 가진 노드로 등록됩니다.^[2]

실질적인 효과는 이렇습니다. 레벨 7 지역 가이드의 5점짜리 리뷰는 리뷰 기록이 전혀 없는 어제 만든 계정의 5점짜리 리뷰보다 더 높은 가중치를 받을 가능성이 높습니다. 이는 별점 값에 대한 것이 아닙니다 — 둘 다 분자에서 5로 계산됩니다. 하지만 평균을 내기 전에 각각에 적용되는 가중치가 다릅니다. Google은 이 차이를 공개적으로 수치화한 적이 없습니다.

이상 현상 완화 — 일주일에 40개의 리뷰가 달리면 어떻게 될까

속도 급증은 별도의 탐지 계층을 트리거합니다. 월 2~3개가 기준인 업체가 72시간 내에 40개의 리뷰를 받으면 Google 시스템은 이 패턴을 감지합니다. 결과는 자동 삭제가 아니라 격리 조치입니다. 시스템이 조사하는 동안 새로운 리뷰는 표시되는 개수와 평점에 반영되지 않습니다.^[3]

이 메커니즘은 대량으로 리뷰 캠페인을 구매하는 업체들이 종종 가시적인 개선을 보지 못하는 이유를 설명합니다. 혹은 오래된 진성 리뷰는 계속 보이지만 새로운 리뷰 묶음이 검토 대기 상태에 머물면서 일시적으로 프로필 평점이 떨어지는 현상도 설명합니다. 알고리즘은 설정된 기준선에서 벗어나는 갑작스러운 양적 변화를 불신하도록 특별히 조정되어 있습니다.

시간이 지남에 따라 공식이 어떻게 작동하는지 보여주는 두 가지 실제와 같은 시나리오입니다. 둘 다 허구가 아닙니다. 이러한 패턴은 평판 관리 전문가들의 사례 연구에서 반복적으로 나타납니다.

치과 시나리오는 베이즈 평점의 핵심 통찰력을 보여줍니다: 신뢰도가 높은 낮은 순수 평균이 신뢰도가 낮은 높은 순수 평균을 이긴다는 것입니다. 표시되는 점수는 (명목상 4.9점에서 표시된 4.58점으로) 내려갔지만, 이제 신뢰도 가중치가 실제가 되었기 때문에 순위는 향상되었습니다.

레스토랑 급증 시나리오는 유기적인 리듬이 왜 중요한지를 보여줍니다. Google 시스템은 부자연스러운 속도를 감지하도록 보정되어 있습니다. 일주일에 40개의 리뷰가 달리고 두 달 동안 잠잠한 것은 의심스러워 보일 뿐만 아니라, 억제된 유효 개수는 돈을 쓰고도 거의 아무것도 얻지 못했다는 것을 의미합니다. 수학은 이를 두 번 처벌합니다: 이상 감지 기능이 보이는 리뷰 수를 줄이고, 최신성 가중치 하락은 급증 시기의 리뷰가 즉시 퇴색하기 시작한다는 것을 의미합니다.

베이즈 평균화가 유일한 통계적으로 건전한 접근법은 아닙니다. 에반 밀러의 2009년 에세이 '평균 평점으로 정렬하지 않는 방법'은 다른 방법을 대중화했습니다: 윌슨 스코어 신뢰 구간의 하한값입니다. Reddit은 댓글 순위 결정에 이를 채택했습니다. Yelp는 이의 변형을 사용합니다.

score = ( p̂ + z²/2n - z√(p̂(1-p̂)/n + z²/4n²) ) / ( 1 + z²/n )

where:
  p̂  = observed positive proportion (e.g. 4+5 star / total)
  n   = total number of ratings
  z   = 1.96  (for 95% confidence interval)
  score = lower-bound of the true positive rate

윌슨 스코어는 베이즈 평균화와는 다른 질문을 던집니다. '내 데이터를 사전 확률과 혼합하라' 대신, '내가 가진 평점을 고려할 때, 95% 신뢰 수준에서 실제 품질의 최악의 경우는 무엇일까?'라고 묻습니다. 이는 매우 낮은 리뷰 수에 대해 베이즈 평균화보다 불확실성을 훨씬 더 공격적으로 처벌하는 보수적인 추정치를 생성합니다.

세 번째 접근법인 디리클레-다항 모델은 5개의 별점 값을 단일 연속 점수가 아닌 별개의 카테고리로 취급합니다. District Data Labs는 다중 별점 시스템을 위해 이 접근법을 문서화했습니다. 이는 (별을 선형 척도로 암묵적으로 취급하는) IMDB 공식보다 수학적으로 더 정확하지만 계산적으로 더 무겁습니다. 실용적인 목적에서, 베이즈 평균화와 디리클레 모델 간의 행동적 차이는 대략 30개 리뷰 이상에서는 무시할 수 있게 됩니다.

수학을 이해하면 '리뷰를 더 많이 받으세요'라는 추상적인 조언이 수치화된 전략으로 바뀝니다. 모든 비즈니스는 v/(v+m) 스펙트럼 어딘가에 존재합니다. 자신이 어디에 있는지 알면 다음 리뷰 하나가 실제로 얼마나 큰 변화를 가져오는지 알 수 있습니다.

v = 8이고 m = 50이라면, 새로운 5점짜리 리뷰 하나는 신뢰도 가중치를 8/58 = 0.138에서 9/59 = 0.153으로 이동시킵니다. 이 1.5% 포인트의 변화는 의미가 있습니다. v = 300이고 m = 50이라면, 동일한 리뷰는 300/350 = 0.857에서 301/351 = 0.858로 이동시킵니다 — 거의 감지할 수 없습니다. 초기 기간의 리뷰 수는 규모가 커졌을 때보다 수학적으로 10배의 영향을 미칩니다.

내 비즈니스의 가중 평균 별점 계산 방법

스프레드시트에서 직접 공식을 실행해 볼 수 있습니다. 현재 리뷰 수를 v로 잡으세요. Google 지도 카테고리에서 상위 3개 업체의 리뷰 수를 보고 카테고리의 m을 추정하세요 — 해당 분포의 25번째 백분위수가 합리적인 m 추정치입니다. 현재 표시되는 평점은 이미 WR 결과일 가능성이 높습니다. 단순 평균은 백엔드에서 총합을 개수로 나눈 값입니다.

당신이 신경 써야 할 계산은 다음 N개의 리뷰가 미치는 한계 영향입니다. 모델링 해보세요: v를 10만큼 늘리고, WR을 다시 계산하고, 변화량을 관찰하세요. 다양한 v 값에 대해 이 작업을 수행하여 민감도 곡선을 만드세요. 그 곡선에서 가장 가파른 부분 — 추가 리뷰 하나가 가장 큰 WR 개선을 가져오는 지점 — 이 바로 리뷰 확보 노력을 집중해야 할 곳입니다.

최신성이 총 리뷰 수보다 리뷰 속도를 더 중요하게 만드는 이유

최신성 가중치 하락을 이해하면 최적화 목표가 바뀝니다. 단순히 총량이 아니라 시간에 분산된 양이 중요합니다. 5년 동안 400개의 리뷰를 수집하고 지난 18개월 동안 아무것도 없는 업체는 사실상 숫자보다 더 작은 유효 표본으로 운영되고 있는 것입니다. 오래된 리뷰는 가중 평균에 덜 기여합니다.

꾸준한 리뷰 생성은 — 비록 적은 비율일지라도 — 폭발적인 획득이 결코 할 수 없는 방식으로 시간이 지남에 따라 복리 효과를 냅니다. 12개월 동안 매월 8개의 새로운 리뷰를 받는 것은 한 달에 96개의 리뷰를 받는 것보다 거의 모든 관련 지표에서 더 나은 성과를 보입니다: 베이즈 신뢰도, 이상 감지 통과, 최신성 가중치 하락 궤적, 그리고 소비자 신뢰도 인식.