TL;DR
Adam Mosseri가 드디어 입을 열었다: Instagram은 앞으로 팔로잉 그래프보다 알고리즘 추천에 훨씬 더 집중할 것이다. 콘텐츠 발견도 점점 DM과 소규모 그룹 안으로 이동하고 있다. 사용자는 ‘튜닝’ 기능으로 피드를 조절할 수 있지만, 이는 주제나 관심사 수준의 넓은 설정이지, 순수한 팔로잉 피드 복귀는 아니다. 무엇이 바뀌었는지, 왜 중요한지, 그리고 팀의 에너지를 소모하지 않고 대응하는 방법을 알아보자.
실제로 무엇이 바뀌었나
- 추천은 늘고, 팔로잉의 영향력은 줄었다. Meta는 이미 몇 년 전부터 이 방향으로 움직여 왔고, 2024년 초 기준 Instagram에서 보는 콘텐츠의 약 50%는 AI 추천(즉, 팔로우하지 않은 계정의 게시물)이었다. 이 비중은 계속 증가 중이다. (Newszii)
- Mosseri의 최근 발언: 최근 릴스나 스레드에서 그는 Instagram이 추천 콘텐츠 중심 전략을 더욱 강화하고, 이전에는 노출을 줄이던 카테고리까지 포함해 추천 범위를 확장하며, 사용자가 이를 조절할 수 있는 옵션을 제공하겠다고 밝혔다. 그러나 이는 팔로잉 전용 피드로 돌아가는 것은 아니다. 1월에도 정치 콘텐츠를 추천에 포함시키며 ‘강도 조절’ 기능을 언급해 이러한 방향성을 재확인했다. (The Verge)
- 정교하지는 않지만 ‘튜닝’ 기능 제공: Instagram은 콘텐츠 환경 설정(Content Preferences)을 확대했다 — ‘더 보기/덜 보기’, ‘관심 없음’, ‘민감한 콘텐츠 제어’, ‘추천 초기화’ 등이 그것이다. 유용하지만, 이는 여전히 큰 주제 단위의 레버이지 “내가 선택한 사람만 본다” 수준의 제어는 아니다. (Androidsis)
- DM이 새로운 발견의 무대다. Instagram은 스토리에 릴스로 답변하기, DM 바로가기, 그룹 프롬프트 등 발견 경험을 인박스로 옮기는 기능을 계속 출시하고 있다. Mosseri는 사람들이 게시물보다 DM으로 더 많이 공유한다며 이를 제품 전략에 반영하고 있다. (Popular Science)
- 팔로워 그래프를 우회하는 실험. Instagram은 팔로워가 아닌 사용자에게 직접 콘텐츠를 보여주는 ‘Trial Reels’ 등 실험을 진행 중이다. 이는 곧 추천 중심 배포의 실제 사례다. (SlashGear)
결과적으로, Instagram의 피드와 릴스 알고리즘은 이제 ‘팔로우한 계정의 게시물’이 아니라 ‘사용자가 상호작용할 확률이 높은 콘텐츠’를 예측하고, DM 공유 신호를 기반으로 이를 노출한다.
왜 이것이 크리에이터, 브랜드, 기업에 중요한가
- 팔로워 수가 도달 범위를 결정하지 않는다. 알고리즘은 당신의 게시물을 비팔로워에게도 보여줄 수 있다 — 포장력이 뛰어나면 성장 기회지만, 반대로 부진하거나 브랜드와 어울리지 않는 게시물은 팔로워가 많아도 묻힐 수 있다. (많은 팀이 말하는 ‘복불복’ 같은 느낌이다.)
- DM 공유가 새로운 핵심 신호다. 이제 DM 전달과 그룹 채팅 내 반응이 게시물이 더 넓은 추천 풀에 들어가는 주요 요인이다. 공개적인 좋아요나 댓글만이 전부가 아니다. (Popular Science)
- 컨트롤 = 큐레이션이 아니다. 주제/관심사 설정이나 알고리즘 리셋으로 Instagram을 ‘힌트’ 줄 수는 있지만, 기본적으로 팔로잉 전용 모드는 제공되지 않는다. 사용자 선택과 플랫폼 최적화 간의 긴장은 계속될 것이다. (Androidsis)
- Meta는 추천 범위를 넓히는 데 주저하지 않는다. 정치 콘텐츠조차 추천 대상으로 삼는다면, 사용자가 볼 것이라 예측되는 모든 것을 추천할 것이라는 뜻이다 — 팔로잉이 더 이상 주요 관문이 아니라는 명확한 신호다. (The Verge)
추천 시스템은 어떻게 작동 방식이 바뀌었나
- 추천 가중치 > 팔로잉 가중치. 알고리즘은 시청 시간, 완료율, 재시청, 저장, 공유(특히 DM), 부정적 피드백을 고려해 누구에게 게시물을 보여줄지 결정한다. 이는 피드, 릴스, 탐색 탭뿐만 아니라 점점 인박스 영역에도 적용된다. (Popular Science)
- 네트워크 효과가 소규모 그룹으로 이동. 두세 개의 그룹 채팅에서 폭발적으로 공유되는 게시물이 팔로워 기반에서 ‘평범한’ 반응을 얻은 게시물보다 더 멀리 퍼질 수 있다.
- ‘튜닝 가능한’ 피드, 그러나 ‘내가 고른’ 피드는 아니다. 설정에서 카테고리를 조정하거나 초기화할 수 있지만, 알고리즘은 여전히 사용자의 신호와 자체 예측을 결합한다. (Androidsis)
단점과 리스크 (솔직히 말하자면)
- 사용자 선택권 감소. 많은 사용자는 여전히 ‘팔로잉 전용’ 피드를 원한다. 하지만 Instagram의 대답은 “설정을 활용하라”이지 “기본 옵션으로 제공한다”가 아니다. (The Verge)
- 광고화된 경험. 추천 중심 시스템은 유기적 발견이 잘 작동하더라도 광고가 끊임없이 흐르는 느낌을 줄 수 있다.
- ‘더 보기/덜 보기’에 따른 필터 버블. 새로운 컨트롤은 의도치 않게 노출 범위를 좁힐 수 있다. 리셋 기능이 도움이 되지만, 이를 자주 활용하는 사용자는 많지 않다. (Phandroid)
- 크리에이터 성과의 변동성. 승자는 더 크게 이기고, 평균적인 게시물은 더 빨리 사라진다.
운영자 플레이북 (브랜드, 크리에이터, 기업용)
1) DM 공유를 유도하는 콘텐츠 제작
- 프레임 안에서 전달 가치(체크리스트, 지도, 전/후 비교, 미니 템플릿 등)를 제공하라.
- 공개용 멘트뿐 아니라 DM 공유를 유도하는 문구를 넣어라: “저장해 두세요” / “광고 담당자에게 보내세요.”
- 공유와 저장 수치를 핵심 지표로 삼아라 — 추천 중심 환경에서 가장 예측력이 높은 지표다.
2) ‘콜드 오디언스’를 위한 포장
- 첫 1~2초: 확실한 약속 (“릴스 저장률을 3배 높이는 3가지 훅”).
- 자막 없이도 의미가 통하는 명확한 오버레이.
- 팔로워만 이해할 수 있는 ‘내부 농담’은 피하라 — 시청자가 맥락을 전혀 모른다고 가정하라.
3) 팔로잉은 ‘배포’가 아니라 ‘유지’다
- 팔로워는 여전히 충성 고객이지만, 신규 노출은 추천에서 온다. DM 공유를 유도하는 포맷을 찾기 위해 A/B 크리에이티브 스프린트를 실행하라.
4) 튜닝 기능을 전략적으로 활용
- 피드가 어긋났다고 느낀다면 주기적으로 추천을 초기화(Settings → refresh).
- 원하지 않는 콘텐츠는 과감히 ‘관심 없음’을 눌러 정리하고, 좋은 카테고리는 ‘더 보기/덜 보기’로 조절하라. (Androidsis)
5) 게시 타이밍: ‘성공했던 시간대’에 맞춰라
- Instagram의 ‘온라인 사용자’ 차트는 참고용일 뿐이다. 자체 데이터에서 영향력이 컸던 시간대를 분석하고 예측하라. Rkive를 사용한다면, Peak Hours 기능이 과거 성과를 기반으로 슬롯을 자동 추천한다. 승률이 높은 시간대를 잠그고 자동화로 후보 콘텐츠를 회전시켜라. (네이티브 분석은 빠른 확인용으로만 사용하고, 예측에는 자체 데이터를 써라.)
팀별 단기 전략
크리에이터
- 최근 10개의 게시물 ‘공유 지표’를 감사하라 — 몇 개가 DM 공유되었는가? 몇 개가 저장되었는가?
- DM/공유 비율이 가장 높은 포맷을 두 개 더 제작해 이번 주에 게시하라.
브랜드
- 문제 해결형 릴스, 마이크로 플레이북(팀 내에서 공유할 만한 자료)을 늘려라.
- 포맷별 저장/공유 수치를 주간 리포트에 포함하고, 좋아요에 의존하지 마라.
기업
- 반복되는 질문에 대한 ‘답변 영상’ 파이프라인을 구축하라 (DM 공유에 탁월하다).
- 크리에이티브 × 분석 루틴을 만들라: 주간 ‘DM 확산’ 리더보드를 만들어 공유되지 않는 포맷은 제거하라.
보너스: 여러 계정을 운영 중이라면, Rkive가 승률 높은 포맷을 자동으로 Peak Hours에 배치하도록 설정하라. 월요일에는 Metrics Radar를 살펴보고 다음 실험을 결정하라. 승인은 당신이 하고, 리듬은 기계가 유지한다.
앞으로 주목할 변화
- 더 많은 설정 옵션. Instagram은 추천을 기본값으로 유지하면서도 사용자가 통제권을 느낄 수 있도록 관심사/주제 컨트롤을 확대할 것으로 보인다. (Androidsis)
- 인박스 기반 발견. 그룹 프롬프트, DM 저장 폴더, “보내기” 유도 등 DM에서 발견을 유도하는 새로운 기능들이 등장할 것이다. (Popular Science)
- 카테고리 확장. 정치 콘텐츠 추천을 허용한 것처럼, ‘민감하거나 모호한’ 다른 카테고리도 유사한 패턴으로 확장될 가능성이 높다. (The Verge)
핵심 정리
Instagram의 추천 엔진은 이제 ‘누구를 팔로우했는가’가 아니라 ‘무엇을 좋아할 것인가’에 집중하고 있으며, DM 공유 신호를 점점 더 중요하게 반영한다. 팔로워를 늘리는 것만으로는 이길 수 없다. 대신 DM에서 공유될 만한 콘텐츠를 만들고, 콜드 오디언스를 위한 포장에 신경 쓰고, 검증된 시간대에 게시해 알고리즘이 최대한 잘 작동하도록 신호를 제공하라. 새 컨트롤 기능으로 피드를 정돈하고, 데이터 분석으로 콘텐츠 전략을 유지하라.
만약 이 전략을 주간 실행 계획에 포함하고 싶다면: (1) DM 중심 포맷 2개, (2) Peak-Hour 스케줄링, (3) ‘공유 및 저장’ KPI를 포함한 2주간 테스트를 진행할 수 있다. 10일 안에 추천 엔진이 당신에게 유리하게 작동하는지 — 아니면 무엇을 수정해야 하는지 알 수 있다.
출처
Read more from Rkive AI
About the author
Alberto Luengo is the founder and CEO of Rkive AI, a leading expert in AI for content automation and growth. He shares real-world insights on technology, strategy, and the future of the creator economy.
RKIVE AI