결론부터 말씀드리면

Zenn에서 버즈(Buzz)가 일어나는 기사의 경향을 보유한 데이터로 측정했습니다. 데이터는 3가지 계통입니다.

가장 큰 발견은 **기사의 '지식으로서의 품질'과 '좋아요 수'가 거의 무상관(Uncorrelated)**이었다는 점입니다. LLM으로 품질을 평가한 기사 샘플 175개의 좋아요 수를 실측한 결과, 최고 품질 등급의 기사라도 좋아요 중앙값은 0.5였습니다. 좋은 글을 쓰면 인기가 많아진다는 가설은 데이터상으로는 성립하지 않습니다.

그렇다면 무엇이 차이를 만들까요? 상위 기사군과 일반 기사군의 차이점을 측정한 결과를 공유합니다.

발견 1: 버즈 기사는 '길고 진하다' —— 중앙값 11,533자

상위 40개 본문을 기계적으로 집계한 결과입니다.

상위 기사는 평균적인 기사보다 약 3배의 길이를 가지며, 링크 35개라는 '참조의 두께'를 가집니다. 북마크 비율 0.35가 나타내는 것은, 인기를 끄는 기사는 '읽고 끝나는 것'이 아니라 저장하여 나중에 참조하는 자산으로 취급된다는 점입니다.

단, 인과관계를 반대로 해석하지 마십시오. 길게 쓰면 인기를 얻는 것이 아니라, "망라할 가치가 있는 테마를 끝까지 망라한 결과로서 길다"라고 읽는 것이 옳다고 생각합니다. 실제로 외부 분석에서는 글자 수와 조회수의 상관관계가 거의 제로(상관계수 -0.02)라는 보고도 있습니다.

발견 2: 역대 상위 기사의 제목은 오히려 짧다 —— 중앙값 28자

전체 기사 제목 길이의 중앙값이 39자인 것에 반해, 역대 상위 240개는 중앙값이 28자입니다. 11자나 더 짧습니다.

제목 유형의 분포 (역대 상위 기사 내):

흥미로운 점은 마지막 줄입니다. 「~해 보았다」 유형은 전체 모집단에서는 가장 빈번한 유형 중 하나임에도 불구하고, 역대 상위 기사에는 거의 없습니다. 상위 계층의 체험기는 모두 「사내 디자인 시스템을 MCP 서버로 만들었더니 UI 구현이 폭속(爆速)이 되었다」와 같이, 변화·성과가 제목에 포함되어 있는 유형이었습니다. 체험 그 자체가 아니라, 체험의 결과에 가치가 있다는 것으로 해석됩니다.

발견 3: 품질과 좋아요는 별개의 축(Axis) —— 그렇다면 무엇이 효과적인가

서두에서 언급했듯이, 품질 평가 S급 기사라도 좋아요 중앙값은 0.5입니다. 버즈를 가르고 있었던 변수는 측정 가능한 범위 내에서 다음 3가지입니다.

• 테마의 모집단 규모: 상위 40개의 토픽은 ai / claudecode / react / frontend / typescript에 집중되어 있습니다. 독자 인구가 큰 태그는 애초에 상한선이 다릅니다.
• 저장 가치 (발견 1): 체크리스트·대전·N선과 같은 스톡(Stock)형이 역대 상위 기사의 최대 세력입니다.
• 초기 속도 (Initial Velocity): Zenn의 트렌드는 신선도와 유입원을 고려하는 설계가 공식 리포지토리의 Issue에서 시사되고 있으며, 공개 직후에 얼마나 반응을 모으느냐가 트렌드 진입을 좌우하는 구조입니다. 실제로 상위 기사의 공개 시각은 9~12시대에 편중되어 있으며(전체 피크는 15시 대), 평일 아침에 게시하여 낮 동안 초기 속도를 확보하는 움직임과 일치합니다.

역으로 말하면, 팔로워가 0명이거나, 작은 태그를 다루거나, 밤에 공개할 경우에는 동일한 품질이라도 노출의 입구에 서지 못합니다. 품질은 '필요조건조차 아니다'라는 것이 데이터가 보여주는 잔혹한 사실이지만, 「품질 × 도달하는 구조」가 갖춰져야 비로소 분포의 오른쪽 끝에 들어갈 수 있다고 요약할 수 있습니다.

발견 4: 도입부와 맺음말에는 공통된 유형이 있다

상위 12개의 도입부와 맺음말을 비교해 보니, 놀라울 정도로 유형이 일치했습니다.

도입부 (3문장 이내에 가치를 선언)

• 결론 선행형 (結論先出し型): 「결론: ~였다. 이 글에서는 구조와 재현 절차를 설명한다」
• 경위 + 제공 가치형 (経緯+提供価値型): 「~를 2개월간 사용하며 쌓인 지견을 공개합니다」 + 적용 범위에 대한 면책 조항 (disclaimer)
• 질문형 (問いかけ型): 「당신은 ~를 설명할 수 있습니까?」

맺음말 (3종 세트)

• 요점 재언급 + 독자에 대한 환원 (「참고가 된다면」)
• 댓글 유도: 역대 1위 기사조차 「이것도 포함하면 좋을 항목이 있다면 알려주세요」라고 작성 - 다음 동선: 후속편 링크 · GitHub 리포지토리 · 팔로우

또한 본문 중의 이모지는 상위 기사에서도 거의 사용되지 않았습니다. 시각적 구조는 이모지가 아니라 표 · 코드 블록 · 메시지 박스로 만들어져 있었습니다.

이 분석의 한계

• 상위 240개는 '역대' 데이터이므로 생존자 편향 (survivor bias)과 시대적 효과를 포함합니다 (수년 전의 React 기사가 지금도 상위에 있음)
• 품질 평가는 LLM에 의한 지견 가치 판정으로, '읽을거리로서의 재미'는 측정하지 못했습니다
• 게시 시간의 편향은 교란 (confounding, 열성적인 필자일수록 아침에 게시하는 등)을 제거하지 못했습니다
• 그리고 Zenn 공식 가이드라인은 과장된 제목 · AI 양산형 기사를 명시적으로 금지하고 있습니다. 형식(型)은 내용을 전달하기 위한 증폭기일 뿐, 내용의 대체재가 될 수 없습니다

요약

• 품질과 '좋아요'는 별개의 축. 품질 S급이라도 '좋아요' 중앙값이 0.5인 것이 현실
• 버즈(Buzz)가 일어난 기사는 중앙값 11,533자 · 링크 35개의 '저장되는 자산'
• 제목은 짧고 (중앙값 28자), 성과나 가치가 포함되어 있음. 「~해 보았다」 단독 제목은 상위에 없음
• 도입부 3문장의 가치 선언 · 맺음말의 댓글 유도는 역대 1위도 사용하는 정형화된 패턴
• 단, 모두 상관관계에 대한 이야기입니다. 버즈를 보장하는 방법은 어디에도 없습니다

이 분석의 원 데이터는 Zenn의 공개 API와 자체적인 정점 수집(定点収集)입니다. 「이 지표도 측정해 주었으면 한다」는 의견이 있다면 댓글로 남겨주세요. 다음에는 태그별 '좋아요' 분포를 파헤쳐 볼 예정입니다.

집계는 2026-08-07 시점입니다. Zenn API의 사양 · 트렌드 메커니즘은 변경될 가능성이 있습니다.

Discussion