지난 1월에는 각 항목이 점수화 되어 있었는데 (좋아요 0.5점, 리플 20점, 쿼트 27점 등)
이번에는 Grok ML (Machine Learning) 으로 아래 항목을 기반으로 점수를 매긴다 함
긍정 (positive weight): favorite(like), reply, repost, quote, click, profile_click, photo_expand, video_view, share, dwell (체류시간), follow_author 등
부정 (negative weight): not_interested, block_author, mute_author, report
→ Final Score = Σ (weight_i × P(action_i))
그럼에도 중요도는 아래와 같음
1. 부정 신호 피하기 (가장 중요, 최우선)
- block, mute, report, not_interested
- 한 번 발생하면 좋아요 수십~수백 개치 페널티 (legacy -74와 비슷하거나 더 강함)
- Phoenix는 negative action을 강하게 학습해서 콘텐츠를 빠르게 죽임
2. Reply (특히 대화 유도 / author reply)
- 여전히 최강 positive signal
- 단순 like보다 훨씬 강력 (legacy 27×~150× 수준의 영향력이 ML로도 유지)
3. Dwell time (체류시간)
- 새 모델에서 가장 크게 올라간 신호
- legacy에는 없거나 약했는데, Phoenix는 “얼마나 오래 봤는지”를 핵심 feature로 학습 → 긴 콘텐츠·스레드가 유리
4. Repost / Share
- reply 다음으로 강력한 확산 신호
5. Click / Photo expand / Video view / Profile click
- 중간 강도 (passive지만 긍정)
6. Like (favorite)
여전히 가장 약한 positive signal
“그냥 좋아요”만으로는 거의 영향력 없음
7. Follow author
- 꽤 강하지만, 한 번 발생하는 이벤트라 빈도는 낮음
결론 (크리에이터 실전 전략)
- 무조건 해야 할 것: 부정 신호 0으로 만들기 + reply 많이 유도 + dwell time 길게 만들기
- 예전처럼: “본문에 링크 넣지 말고 첫 댓글에 넣기”, “TweepCred (평판) 관리하기” 등은 여전히 유효
- 새로 강조된 것: 체류시간 극대화 (긴 스레드, 질문, 논쟁 유발)
* TweepCred 계산은
- Follower / Following 비율 (가장 중요) → 팔로워 많고, 팔로잉 적을수록 좋음. 무작정 팔로우 많이 하면 페널티.
- 계정 나이 + 활동 이력 → 오래된 계정 + 꾸준한 활동이 유리.
- 네트워크 상호작용 품질 → 고평판 계정들과의 리플라이, 멘션, 대화.
- Safety signals (안전 신호) → 스팸, 과도한 링크, NSFW, 반복 신고/뮤트/블록 받지 않기.