구글 페이지랭크(PageRank) 알고리즘 완벽 정리: 링크로 순위를 매기는 원리

부스트키워드 팀

검색 데이터로 키워드의 검색량, 트렌드, 검색 의도를 파악하고 마케팅 의사결정을 돕는 도구 부스트키워드를 만듭니다.

1990년대 후반, 인터넷에는 이미 여러 검색엔진이 있었지만 검색 결과의 질은 그리 만족스럽지 않았습니다. 그런데 구글이 등장하면서 상황이 달라졌습니다. 구글이 다른 검색엔진과 달랐던 결정적인 이유 중 하나가 바로 페이지랭크(PageRank)라는 알고리즘입니다. 페이지랭크는 웹페이지의 내용이 아니라, 페이지들 사이의 '링크 관계'를 분석해서 어떤 페이지가 더 신뢰할 만한지를 계산합니다. 이 글에서는 페이지랭크가 어떤 발상에서 출발했고, 실제로 어떻게 계산되는지를 예제와 함께 알아봅니다.

구글은 왜 다른 검색엔진과 달랐을까

1990년대 검색엔진들의 한계: 키워드만으로는 부족했다

초기 검색엔진들은 주로 페이지 안에 어떤 단어가 얼마나 많이 들어 있는지를 기준으로 순위를 매겼습니다. 하지만 이 방식에는 큰 허점이 있었습니다. 누군가 특정 단어를 페이지 안에 의도적으로 수백 번 반복해서 넣기만 해도, 실제 내용의 품질과 상관없이 검색 결과 상위에 노출될 수 있었기 때문입니다. 즉 페이지 내부의 정보만으로는 그 페이지가 정말 신뢰할 만하고 유용한지를 판단하기 어려웠습니다.

"링크도 하나의 신호가 될 수 있다"는 발상의 전환

이때 등장한 아이디어가 바로 "다른 페이지들이 이 페이지를 얼마나 많이, 그리고 어떻게 링크하고 있는가"를 살펴보자는 것이었습니다. 학술 논문에서 다른 논문으로부터 많이 인용될수록 그 논문이 중요하다고 여겨지는 것과 비슷한 발상입니다. 웹페이지도 마찬가지로, 다른 사이트들이 어떤 페이지를 링크로 연결해줄수록 그 페이지가 그만큼 가치 있다는 일종의 '증거'로 볼 수 있다는 것입니다. 이 아이디어를 수학적으로 계산 가능한 알고리즘으로 만든 것이 바로 페이지랭크입니다.

웹을 하나의 거대한 그래프로 보기

웹페이지는 점(노드), 링크는 화살표(엣지)

페이지랭크를 이해하려면 먼저 웹 전체를 하나의 그림으로 상상해야 합니다. 각각의 웹페이지를 점(노드)으로 표시하고, 한 페이지에서 다른 페이지로 연결되는 링크를 화살표(엣지)로 표시하면, 전체 웹은 수십억 개의 점과 화살표로 이루어진 거대한 그래프가 됩니다. 이렇게 웹을 그래프로 바라보는 관점이 페이지랭크의 출발점입니다.

링크를 '추천' 또는 '투표'로 해석하기

이 그래프 안에서 페이지 A가 페이지 B로 링크를 걸었다는 것은, A가 B에게 "이 페이지도 참고할 만하다"는 일종의 추천, 혹은 투표를 한 것으로 해석할 수 있습니다. 페이지랭크는 이러한 추천(투표)이 웹 전체에서 어떻게 오가는지를 분석해서, 각 페이지가 받은 신뢰의 총량을 점수로 계산합니다.

페이지랭크의 핵심 아이디어

많은 페이지로부터 링크를 받을수록 중요하다

가장 기본적인 원칙은 단순합니다. 더 많은 페이지로부터 링크를 받는 페이지일수록 더 중요하다고 봅니다. 마치 여러 사람으로부터 추천을 받은 사람이 신뢰를 얻는 것과 비슷합니다.

중요한 페이지로부터 받은 링크는 더 큰 가치를 갖는다

하지만 페이지랭크의 진짜 핵심은 여기서 한 걸음 더 나아간다는 점입니다. 단순히 링크의 '개수'만 세는 것이 아니라, "누가 링크를 걸어줬는가"까지 고려합니다. 이미 많은 신뢰를 받고 있는 유명하고 권위 있는 페이지로부터 받은 링크 하나는, 아무도 잘 모르는 페이지 100개로부터 받은 링크보다 더 큰 가치를 갖습니다. 즉 페이지랭크는 "누구에게나 똑같은 한 표"가 아니라, "투표하는 사람의 영향력에 따라 표의 무게가 달라지는" 방식으로 설계되어 있습니다. 이 때문에 단순히 링크 개수를 늘리는 것만으로는 페이지랭크를 크게 높이기 어렵습니다.

간단한 예제로 이해하는 페이지랭크 계산

가상의 웹에서 링크 관계 그려보기

아주 단순한 예를 들어보겠습니다. A, B, C라는 세 개의 페이지만 존재하는 가상의 웹이 있다고 가정해봅시다.

• A 페이지는 B와 C로 링크를 건다.
• B 페이지는 C로만 링크를 건다.
• C 페이지는 A로만 링크를 건다.

이 관계만 보면 C는 A와 B 양쪽 모두로부터 링크를 받고 있으므로, 직관적으로 가장 중요한 페이지처럼 보입니다.

점수가 서로 주고받으며 수렴하는 과정

페이지랭크는 각 페이지에 처음에는 똑같은 점수를 부여한 뒤, 각 페이지가 걸어놓은 링크를 따라 자신의 점수를 나누어 다른 페이지에 전달하는 과정을 반복합니다. A는 B와 C 두 곳에 링크를 걸었으므로 자신의 점수를 절반씩 나누어 B와 C에 보내고, B는 링크를 하나만 걸었으므로 자신의 점수 전부를 C에 보냅니다. C는 링크를 하나만 걸었으므로 자신의 점수 전부를 A에 보냅니다.

이 과정을 여러 번 반복하다 보면, 각 페이지가 주고받는 점수가 점점 특정한 값으로 안정되어 갑니다(이를 '수렴한다'고 표현합니다). 위 예시에서는 여러 페이지로부터 링크를 받는 C의 점수가 A나 B보다 더 높은 값으로 안정되는 것을 확인할 수 있습니다. 실제 페이지랭크 계산은 이보다 훨씬 큰 규모로, 수십억 개의 페이지를 대상으로 이 과정을 반복해서 최종 점수를 산출합니다.

랜덤 서퍼(Random Surfer) 모델: 페이지랭크를 다르게 이해하는 방법

사용자가 링크를 따라 무작위로 웹을 돌아다닌다면

페이지랭크를 이해하는 또 다른 유명한 방법은 '랜덤 서퍼' 모델입니다. 한 사용자가 임의의 웹페이지에서 출발해, 그 페이지에 걸려 있는 링크 중 하나를 무작위로 클릭하면서 계속 이동한다고 상상해보세요. 이 사용자는 영원히 이런 방식으로 웹을 떠돌아다닙니다.

특정 페이지에 오래 머무를 확률이 곧 중요도

이렇게 아주 오랫동안 무작위로 링크를 클릭하며 돌아다니다 보면, 어떤 페이지는 자주 방문하게 되고 어떤 페이지는 거의 방문하지 않게 될 것입니다. 여러 페이지로부터 링크를 많이 받는 페이지일수록 이 가상의 사용자가 도달할 경로가 많아지므로, 자연스럽게 더 자주 방문하게 됩니다. 페이지랭크는 바로 이 "특정 페이지에 도달해 있을 확률"을 계산한 값이라고 이해할 수도 있습니다. 앞서 설명한 점수를 주고받는 방식과 이 랜덤 서퍼 모델은 수학적으로 같은 결과에 도달하는, 서로 다른 두 가지 설명 방식입니다.

페이지랭크와 SEO의 관계

백링크(다른 사이트로부터의 링크)가 중요한 이유

검색엔진 최적화(SEO)에서 '백링크'가 중요하다고 강조되는 이유가 바로 여기에 있습니다. 다른 신뢰할 만한 사이트로부터 링크를 받는다는 것은, 페이지랭크의 관점에서 그 사이트가 내 페이지에 '투표'를 해주는 것과 같기 때문입니다.

양보다 질: 아무 링크나 많다고 좋은 게 아닌 이유

하지만 앞서 살펴본 것처럼, 페이지랭크는 링크를 걸어주는 페이지 자체의 신뢰도까지 함께 고려합니다. 그래서 신뢰도가 낮거나 스팸성으로 의심되는 사이트로부터 링크를 아무리 많이 받아도 큰 효과를 기대하기 어렵고, 오히려 검색엔진으로부터 좋지 않은 평가를 받을 수도 있습니다. 이 때문에 SEO에서는 "링크의 개수"보다 "링크를 걸어주는 사이트의 질"이 훨씬 중요하다고 강조됩니다.

지금의 구글 순위와 페이지랭크의 관계

다만 오늘날 구글이 검색 순위를 매길 때 페이지랭크만 사용하는 것은 아닙니다. 콘텐츠의 품질, 사용자 경험, 검색 의도와의 관련성 등 수백 가지가 넘는 다양한 요소를 함께 고려합니다. 페이지랭크는 그중에서도 '링크 구조를 통해 신뢰도를 측정한다'는 아이디어를 처음으로 대중화시킨, 여전히 의미 있는 하나의 신호로 남아 있습니다.

정리하며

페이지랭크는 "많은 페이지로부터, 그리고 신뢰받는 페이지로부터 링크를 받을수록 더 중요하다"는 단순하지만 강력한 발상에서 출발했습니다. 웹 전체를 하나의 거대한 링크 그래프로 바라보고, 그 안에서 신뢰가 어떻게 흘러가는지를 수학적으로 계산했다는 점에서, 페이지랭크는 검색엔진의 역사를 바꾼 대표적인 알고리즘으로 평가받습니다. 오늘날 우리가 웹사이트를 운영하며 "좋은 콘텐츠로 다른 사이트의 링크를 자연스럽게 얻어야 한다"고 이야기하는 것도, 결국 이 페이지랭크의 원리에서 비롯된 것입니다.