완독률은 왜 낮을까 — 독자가 이탈하는 지점을 발행 전에 찾는 법

콘텐츠를 발행하고 나면 조회수는 그럭저럭 나오는데, 끝까지 읽은 사람은 생각보다 적습니다. 완독률이 낮다는 건 누구나 압니다. 정작 어려운 건 '얼마나 낮은가'가 아니라 '독자가 어디서 떠나는가'인데, 대부분의 분석 도구는 그걸 글이 이미 나간 뒤에, 그것도 평균값으로만 알려줍니다.

완독률은 실제로 얼마나 낮은가

평균적인 방문자는 기사의 4분의 1 정도만 읽고, 끝까지 도달하는 사람은 10명 중 1명 안팎입니다. 여러 조회 분석이 비슷한 그림을 보여줍니다.

지표	수치	출처
뉴스 기사 완독(끝까지 스크롤) 비율	약 25~35%	Chartbeat
평균 페이지 스크롤 깊이	약 27%	Chartbeat
어떤 페이지든 15초 미만만 본 방문자	55%	Chartbeat
기사를 끝까지 읽은 비율	약 11%	Slate 자체 분석
페이지 상단 20%에 쓰는 조회 시간	42% 이상	Nielsen Norman Group

Slate가 자사 기사의 스크롤을 분석했을 때, 절반 지점까지 내려간 독자는 약 60%였지만 끝까지 읽은 사람은 약 11%에 그쳤습니다(slate.com). Nielsen Norman Group의 시선 추적 연구에서도, 글 길이와 무관하게 독자는 페이지 상단 20%에 전체 조회 시간의 42% 이상을 쓰는 것으로 나타났습니다(uxmatters.com).

글을 끝까지 읽는 독자는 흔히 10명 중 1명 안팎입니다. 완독률의 진짜 문제는 낮은 숫자가 아니라, 나머지 9명이 어디서 멈췄는가입니다.

독자는 어디서 이탈하는가

이탈은 글 전체에 고르게 퍼지지 않습니다. 도입부와 정보가 갑자기 몰리는 문단처럼, 특정 지점에 집중적으로 일어납니다. 완독률을 끌어올리려면 이 '몰리는 지점'을 찾아야 합니다.

• 첫 문단(도입부). 시선은 상단에 쏠리기 때문에, 첫 두세 문장이 기대를 채우지 못하면 거기서 대량 이탈이 발생합니다. 완독률을 좌우하는 가장 비싼 구간입니다.
• 정보가 몰린 문단. 한 문단에 너무 많은 내용을 담으면 집중력과 정보의 중요도가 함께 떨어집니다. 한 번에 전달하는 정보가 많아질수록 독자는 더 빨리 떠납니다.
• 기대가 어긋나는 지점. 제목이 약속한 것과 본문이 다르거나, 핵심이 뒤로 밀려 있으면 독자는 중간에 판단을 끝내고 나갑니다.

흥미로운 건, 끝까지 읽지 않고도 공유하는 독자가 많다는 점입니다. 소셜 공유량과 실제로 읽은 정도 사이에 뚜렷한 상관이 없다는 분석이 있습니다(slate.com). 이는 콘텐츠의 확산이 '평균적으로 잘 읽힘'이 아니라, 강하게 반응한 일부에서 터진다는 뜻이기도 합니다.

분석 도구가 알려주는 것과 못 알려주는 것

스크롤 깊이·완독률 같은 지표는 이탈을 두 가지 방식으로만 보여줍니다. 글이 이미 나간 뒤에, 그리고 모두를 뭉갠 평균으로.

첫째는 사후성입니다. 스크롤 히트맵이나 완독률 도구는 발행 후 실제 트래픽이 쌓여야 작동합니다. 이탈 지점을 발견했을 때는 이미 그 독자들을 잃은 뒤이고, 배운 교훈은 다음 글에나 적용됩니다.

둘째는 평균입니다. "평균 스크롤 27%"라는 숫자는 누가 5%에서 떠났고 누가 90%까지 갔는지 구분하지 못합니다. 서울에서 일하는 마케터와 지방 소도시의 자영업자가 같은 글을 전혀 다르게 읽어도, 지표에는 하나의 평균만 남습니다.

발행 후 지표로 이탈 지점을 찾는다는 건, 이미 떠난 독자들의 뒷모습을 세는 일에 가깝습니다.

평균 한 숫자가 분포를 가리는 문제는 범용 LLM에게 특정 독자를 연기시키는 게 위험한 이유에서 자세히 다뤘습니다. 발행 후 A/B 테스트 역시 비슷한 사후성과 평균의 한계를 갖는데, 이 비교는 A/B 테스트만으로는 부족한 이유에서 정리했습니다.

발행 전에 이탈 지점을 찾는 법

발행 전에 인구 분포를 닮은 다수에게 원고를 미리 읽히면, 어느 집단이 어느 문단에서 멈추는지를 실제 트래픽 없이 미리 볼 수 있습니다. 사후성과 평균이라는 두 한계를 동시에 우회하는 방식입니다.

읽힘은 통계청 KOSIS 인구 분포를 따르는 합성 페르소나 여러 명을 추출합니다. 직업·지역·관심사가 분포대로 흩어진 이들이 각자의 관점에서 원고를 읽고, 완독/이탈 여부와 이탈 지점, 점수, 코멘트를 돌려줍니다. 결과는 "평균 완독률 33%"라는 한 숫자가 아니라, 누가 어디서 떠났는지의 분포입니다. 이 데이터는 NVIDIA의 Nemotron-Personas-Korea 데이터셋(CC BY 4.0)과 KOSIS 분포를 기반으로 구성됩니다.

발행 전에 반응을 미리 보는 접근 자체는 발행 전에 독자 반응을 미리 보는 법에서 더 깊이 다뤘습니다.

완독률을 끌어올리는 실전 체크리스트

완독률은 글 전체를 균일하게 다듬는다고 오르지 않습니다. 이탈이 몰리는 한두 지점을 찾아 고칠 때 가장 크게 움직입니다.

1. 첫 문단을 약속으로 만든다. 시선이 상단에 쏠리므로, 첫 두세 문장에서 이 글이 무엇을 줄지 분명히 밝힙니다. 빌드업은 그다음입니다.
2. 정보 밀도를 분산한다. 한 문단은 2~4문장, 한 문단에 한 메시지. 정보가 몰린 문단이 곧 이탈 지점이 되기 쉽습니다.
3. 스캔 가능하게 만든다. 질문형 소제목, 굵은 키워드, 리스트·표로 글을 청크로 나눠 중간 진입과 재진입을 돕습니다.
4. 이탈 지점을 발행 전에 측정한다. 분포를 닮은 다수에게 미리 읽혀, 추측이 아니라 데이터로 어느 문단을 고칠지 정합니다.

자주 묻는 질문

평균 완독률은 어느 정도인가요?

콘텐츠 종류에 따라 다르지만, 뉴스 기사 기준으로 끝까지 스크롤하는 비율은 대략 25~35% 수준으로 보고됩니다(Chartbeat). 평균 방문자가 읽는 분량은 기사의 4분의 1 안팎이고, 끝까지 읽는 비율은 10% 내외라는 분석도 있습니다.

독자가 어디서 이탈하는지 어떻게 찾나요?

발행 후라면 스크롤 깊이 분석이나 완독률 도구로 평균적인 이탈 지점을 추정할 수 있습니다. 발행 전이라면, 인구 분포를 닮은 합성 페르소나 다수에게 원고를 읽혀 어느 집단이 어느 문단에서 멈추는지를 미리 볼 수 있습니다.

트래픽이 없는데 완독률을 어떻게 확인하나요?

발행 전 시뮬레이션은 실제 방문자 트래픽이 필요 없습니다. 통계 분포를 닮은 합성 페르소나에게 원고를 읽히는 방식이라, 방문자가 적은 신규 블로그나 구독자가 많지 않은 뉴스레터에서도 완독·이탈 경향을 발행 전에 가늠할 수 있습니다.

---

요약하면, 기사의 완독률은 흔히 25~35%에 그치지만, 진짜 문제는 낮은 평균이 아니라 '누가 어디서 떠나는가'입니다. 스크롤·완독률 지표는 이탈을 발행 후에 평균으로만 보여줍니다. 발행 전에 인구 분포를 닮은 다수에게 원고를 미리 읽혀 이탈이 몰리는 지점을 찾아 고치면, 실제 독자를 잃기 전에 완독률을 끌어올릴 수 있습니다.