유튜브가 인공지능(AI) 모델의 주요 소셜 출처로 레딧을 제친 것으로 나타났다. 영상 콘텐츠가 확산되면서 머신이 인간 생성 정보를 해석하고 인용하는 방식에 중요한 변화가 일어나고 있다.
2026년 1월 26일, 인베스팅닷컴의 보도에 따르면 이 같은 변화는 Adweek가 네 개의 서로 다른 데이터 출처를 인용해 전한 새로운 자료에서 비롯됐다. 해당 보도는 세계 최대 동영상 사이트인 유튜브(YouTube)가 대형 언어모델(LLM, Large Language Model)의 소셜 인용(source citation)에서 전통적으로 우위를 점해온 레딧(Reddit Inc., NYSE:RDDT)을 공식적으로 추월했다고 전했다.
Adweek는 여러 데이터 소스의 집계를 근거로 유튜브가 AI가 인용하는 소셜 플랫폼 중 최다 빈도를 차지하게 됐다고 보도했다.
기술적 장벽으로 인해 영상 플랫폼은 그간 텍스트 중심의 플랫폼에 비해 AI의 직접적 인용(source)이 되기 어려웠다. 그러나 최근 몇 년간 영상에 부착되는 자막(transcripts), 설명문(explainers), 및 연관 메타데이터(metadata) 처리 능력이 향상되면서 영상 기반 콘텐츠를 기계가 보다 용이하게 읽고 해석할 수 있게 되었다. 이로 인해 영상 플랫폼의 정보가 LLM의 학습·참고 자료나 응답의 출처로 활용되는 빈도가 상승했다.
구체적 수치를 보면, 데이터 집계업체인 Bluefish의 분석 결과 유튜브는 최근 6개월 동안 LLM의 답변에서 출처로 표기된 비율이 16%인 반면, 레딧은 10%로 집계되었다. 이러한 격차는 콘텐츠 형식 변화뿐 아니라 검색·인덱싱·자연어 처리 기술의 진화가 결합된 결과로 평가된다.
Adweek 보도에 따르면 영상 플랫폼의 부상은 단순한 트렌드 이상의 의미를 가진다. 기업과 마케터는 포럼 기반의 검색엔진최적화(SEO) 전략에 주로 의존해 왔으나, 이제는 동영상 콘텐츠 생산 주기와 검색 가능한 설명·자막의 체계화를 재검토해야 할 필요성이 커졌다. 브랜드 전문성과 지식이 유튜브의 검색 가능 구조에 잘 포착되도록 설계하지 않으면 AI 기반 검색·응답 생태계에서 노출 기회를 상실할 수 있다.
용어 설명 — 인공지능 분야와 디지털 마케팅에 익숙하지 않은 독자를 위해 몇 가지 핵심 용어를 정리하면 다음과 같다. 1 대형 언어모델(LLM)은 방대한 양의 텍스트 데이터를 학습해 자연어 생성 및 이해를 수행하는 AI 모델을 뜻한다. 2 트랜스크립트(transcript)은 영상의 음성 내용을 텍스트로 변환한 것으로, 검색과 자연어 처리의 입력 데이터로 활용된다. 3 포럼 기반 SEO는 레딧과 같은 토론형 사이트에서의 게시물·댓글을 통한 검색엔진 노출 전략을 의미한다.
시장·전략적 영향 분석 — 이번 변화는 플랫폼별 콘텐츠 전략, 광고 예산 배분, 그리고 주식시장 반응 등 여러 영역에 파급 효과를 미칠 가능성이 있다. 우선 콘텐츠 전략 측면에서 기업은 텍스트 중심의 게시물뿐만 아니라 영상의 설명(description), 자막, 키워드 태그(tagging) 등을 통해 검색 가능한 형태로 지식을 구조화해야 한다. 이는 제작 비용과 운영 방식의 재조정을 의미하며, 특히 동영상 제작 역량을 갖춘 에이전시와의 협업 수요가 증가할 것으로 보인다.
광고 및 수익 측면에서는 검색·추천 시스템에서 영상의 노출이 증가하면 광고 집행 방식과 단가에 영향을 미칠 수 있다. 플랫폼에서의 인용 빈도가 높은 콘텐츠 제작자는 브랜드 가시성 확보와 함께 광고·스폰서십 협상에서 유리한 위치를 차지할 가능성이 크다. 반면 포럼 중심 채널에 의존하던 기업은 전환 전략을 마련하지 않을 경우 상대적 손실을 볼 수 있다.
금융시장 관점에서는 레딧의 주가(NYSE:RDDT)가 이 보도 직후 월요일 오후 거래에서 0.4% 상승한 것으로 전해졌다. 이는 단순 반응일 수 있으나, 장기적으로는 플랫폼의 트래픽·광고 수익 구조 변화가 투자자 평가에 영향을 줄 수 있다. 다만 현재 보도는 유튜브의 상대적 인용 빈도 상승을 전한 것이며, 플랫폼별 매출·이용자 성장률과 직접적인 인과관계가 증명된 것은 아니다. 따라서 투자자는 추가 지표(예: 플랫폼별 광고 매출, 사용자 체류 시간, 검색·추천 알고리즘 변경 사항)를 종합해 신중히 판단해야 한다.
업계 시사점 — 전문가들은 이번 데이터를 통해 다음과 같은 실무적 시사점을 제시한다. 첫째, 기업의 지식 자산(whitepapers, 튜토리얼, 설명 영상 등)을 영상 플랫폼의 검색 구조에 맞게 최적화해야 한다. 둘째, AI가 참조할 수 있도록 명확한 메타데이터와 자막을 제공하는 것이 중요하다. 셋째, 장기적으로는 콘텐츠 포맷 포트폴리오(텍스트·오디오·비디오)를 균형 있게 운용해 AI 기반 검색의 변동성에 대응해야 한다.
마지막으로 이번 변화는 디지털 생태계에서 정보의 형식(formats)이 지식의 유통 경로와 경제적 가치에 직접적으로 연결될 수 있음을 보여준다. 기업과 마케터, 투자자는 이 같은 구조적 변화를 면밀히 모니터링하고, 데이터 기반의 콘텐츠 전략을 재정비할 필요가 있다.
