채택율·다운로드율 요인 분석 — 상세판 (8월 GENERAL, run 4)

8월 한 달(2026-08-01–09-01) 일반 트랙 수요 15,831쌍을 대상으로 "어떤 구조·어떤 입력이 채택과 다운로드로 이어졌는가"를 9요인으로 분해한다. GC 세션의 run 4 결과(노트 36)를 원자료에서 전부 재현하고, 종속변수를 바꾼 3모형 재적합으로 확장했으며, 사내에서 같은 질문을 던졌던 선행 분석 11건과 대조해 수렴점·충돌점·빈 축을 정리한다.

• 원자료: vault auto/research/2026-08-28-valid-component-grouping-defects/data/factor_obs{,_week}.csv (16,719쌍 · md5 f6a8b31d)
• 선행 정본: 노트 36 36-adopt-download-factors.md (GC 세션, Confluence 2851046331) · 선행 분석 스캔 2026-09-03-adoption-factor-prior-art-scan.md
• 재현 코드: scratchpad/factors/analyze.py (statsmodels Logit · log1p 표준화) → results.json

0. 요약 — 한눈에

1. 가장 강하고 안정적인 요인은 구조의 병렬 폭(루트 자식 수)이다. 1자식 28.5% → 6+자식 40.7%로 단조 증가하고, 5주 내내 계수 +0.27–+0.37로 부호·크기가 거의 불변이다. 사내 선행 분석(채택 이탈 요인 분석, PT)이 summary의 VU 개수로 같은 신호를 5월에 독립적으로 잡았다 — 독립 재현 1건.
2. "복잡할수록 좋다"는 넓이에만 성립한다. 깊이 4+는 −8.4pp, 말단 수는 4–5개 정점의 역U. 넓이×깊이 격자에서 깊이 페널티는 모든 폭에서 유지된다.
3. 판별 불가 2건(정확 일치·검색량)은 여전히 판별 불가다 — 그러나 이유가 하나 더 좁혀졌다. 종속변수를 다운로드로 바꾸면 주차별 부호 진폭이 0.55→0.34, 0.46→0.38로 줄지만 뒤집힘은 남는다. 채택 조건부 다운로드 모형에서는 9요인 중 어느 것도 유의하지 않다(루트 자식만 p=0.04 경계).
4. ★다운로드 지표는 이 데이터에서 정보량이 거의 없다. DB 정의상 다운로드 ⊂ 채택이고(비채택의 다운로드율 정확히 0), 채택 후 다운로드율이 80.3% 로 요인과 무관하다. GC 문서의 "다운로드 프로파일은 채택과 동형"은 발견이 아니라 정의의 귀결이다. 컴포넌트 잔존 기반 다운로드(PT 정의)가 있어야 "채택 후 삭제"를 볼 수 있다.
5. 사내 선행 11건은 전부 수요·UX 축이고 공급(구조) 축은 이 분석이 최초다. 중복이 아니라 빈 축. 단, 선행 문서가 RCT로 정량화해 둔 채택 지표의 허수(상위 노출에서 −9.4%) 와 길이≠의도(장문도 69% 결핍) 는 이 분석의 해석에 반드시 얹어야 한다.
6. MOR-2287 에 직접 걸린다. 명시 그룹(표/차트를 요구한 유저)은 채택 63.9%(최고) → 다운로드 13.8%(최저)로 "채택되고 삭제되는" 계층이 실재한다. 제거 대상(일반 페이지 안의 표/차트 = 내용 대치 불가)은 그 계층을 만들 소지가 크므로, GC 시뮬의 잠식 3.87%는 손실의 상한이다.

1. 이 문서의 위치

기준을 담은 문장(임계·조건·가능/불가)에는 출처를 붙였다. 출처가 없는 문장은 제안이다.

2. 데이터와 방법

2.1 파이프라인

graph LR
  A["demand_units
SPLIT 유닛 20,640"] --> P["(입력×구조) 쌍 16,719"]
  B["demand_searches
검색·입력"] --> P
  C["demand_struct_supply
정확 일치·검색량"] --> P
  P -->|"eligible=0 제외 (888)"| M["분석 표본 15,831"]
  D["demand_adopt_attribution
구조 귀속 채택"] --> Y1["채택 여부"]
  E["demand_exposures
download_searches"] --> Y2["다운로드 여부"]
  M --> R1["단변량 분위 실측"]
  M --> R2["다변량 로지스틱 9요인
채택 · 다운로드 · 채택|다운로드"]
  M --> R3["주차별 W1–W5 재적합"]

2.2 관측 단위 — 왜 (입력×구조) 쌍인가, 다른 문서는 왜 아닌가

한 입력(요약)이 여러 섹션(구조)으로 쪼개진다. "이 구조의 수요가 이 구조 조각의 채택으로 이어졌나"를 물으려면 쌍이 단위여야 한다. 채택은 구조 귀속(EXACT 39.3% · VARIANT 37.6% · NEAREST 23.1%, demand_adopt_attribution.method 주석)이라 입력 공유로 인한 이중 계상은 없다.

사내 선행 문서는 단위를 다르게 잡았고, 각자 이유를 적어 두었다.

쌍 단위의 대가는 기계적 희석이다 — 입력의 채택이 한 구조로만 귀속되면 N섹션 입력의 각 쌍은 최대 1/N만 채택될 수 있다. §3.6 이 이를 입력 수준 재집계로 분리한다. 다른 문서와 수치를 직접 비교할 때는 단위를 먼저 맞춰야 한다.

2.3 지표 정의 — 다운로드는 컴포넌트 잔존이 아니다

• 채택: 그 쌍의 구조에 귀속된 채택이 1건 이상. 기준율 35.96%.
• 다운로드: garbage_collector.demand_exposures.download_searches 컬럼 주석(DB 정본) —

  "채택 경유 귀속 근사 — 그 (입력×컴포넌트)의 채택 검색 중 디자인이 이후 다운로드된 것의 수. 다운로드 이벤트 자체엔 검색 축이 없다. … design_idx 가 기간+5일 창의 design_download_resource/action_download 에 있으면 그 검색을 센다."

즉 디자인이 5일 안에 다운로드됐는가이지, 그 컴포넌트가 다운로드본에 남아 있는가가 아니다. 기준율 28.89%.

이 정의에서 두 가지가 따라 나온다(§6 에서 다룬다).

• 다운로드 ⊂ 채택 — 비채택 쌍의 다운로드율은 정확히 0.0% (구성상).
• 채택 후 다운로드율 80.3% — 채택한 유저 5명 중 4명은 5일 안에 디자인을 내려받는다. 이 조건부율은 요인에 거의 반응하지 않는다.

PT 문서의 다운로드(컴포넌트 잔존: component_key 가 다운로드 디자인에 존재)와는 다른 지표다. PT 기준 채택→다운로드는 유저 단위 14–47%, 컴포넌트 단위 4–24%였다(2597258169 · 2634221125). 80% 와 그 수치를 비교하면 안 된다.

2.4 요인 9개와 구조 문자열 파싱

파싱 규칙은 GC 표의 구간 빈도로 역검증했다: 루트 자식 1–6+ 구간 n = 2,188 / 3,484 / 4,515 / 2,867 / 1,451 / 1,224 (GC 2,183 / 3,484 / 4,516 / 2,868 / 1,453 / 1,225 — 차이는 래퍼 자식이 2개 이상인 34쌍의 처리), 깊이 2/3/4+ = 7,303 / 7,313 / 1,113 (완전 일치), 말단 6구간 완전 일치. 루트 자식 0(래퍼 아래 리프 하나, 102쌍)은 GC 와 같이 루트 자식 표에서만 뺀다.

2.5 재현 검증 — GC 노트 36 대 이 문서

로지스틱은 log1p 변환 후 표준화가 GC 와 맞았다(원척도 표준화는 섹션 OR 0.18 등 전혀 다른 수치). 한계효과(pp)는 평균 한계효과(AME)로 계산해 GC 와 ±0.5pp 안에 든다.

3. 단변량 — 요인별 실측 채택율·다운로드율

3.1 구조 병렬 폭(루트 자식 수) — 최강·단조

"직접 만들기 번거로운 병렬 나열일수록 대치를 받아들인다"는 가설과 방향이 맞는다. 마지막 열(채택→다운로드)이 폭과 무관하게 80% 언저리로 평평한 것이 §6 의 복선이다.

3.2 깊이·말단 — 방향이 다르다

깊이 4+는 28.1%로 −8.4pp, 말단 수는 4–5개(41.6%) 정점의 역U. "복잡할수록 높다"는 가설은 넓이에만 성립한다.

3.3 넓이 × 깊이 격자 — 깊이 페널티는 폭과 무관하게 유지된다

깊이 2 열에서 폭 효과가 가장 선명하다(29→45%). 깊이 4+ 열은 폭 1–4 에서 26–28%로 평평하다 — 깊은 격자는 폭이 커도 살아나지 않는다(폭 5·6+는 n 66·21 로 판단 유보).

3.4 길이 — 초단문 페널티 후 플래토

Q1(짧음) 30.1% → Q2 36.3% → Q3–Q5 37.8%. 초단문만 벌점이고 그 위로는 평평하다. ★이 축은 §7.2 의 AIP 결론(길이 ≠ 의도 완결성)과 함께 읽어야 한다.

3.5 공급 축·기타

정확 일치 Q5(가장 흔한 구조)의 급락이 단변량에서 가장 눈에 띄는 비단조다. 1(1(0)) 이 정확 일치 95,246 으로 압도적 최다인데 채택 29.1%로 최저권인 것이 그 실물이다(부록 A).

3.6 섹션 수 — 기계적 희석의 분리

쌍 수준의 가파른 하락은 대부분 기계적이다(N섹션 → 1/N). 입력 수준으로 보면 1–3섹션은 동등하고 4+에서만 실질 하락한다. 입력 수준 열은 원자료에 입력 id 가 없어 재현하지 못했고 GC 수치를 그대로 옮겼다.

4. 다변량 — 독립 기여

4.1 표준화 로지스틱 9요인, 채택 vs 다운로드

의사 R² 0.046 / 0.039 — 9요인이 설명하는 분산은 작다. 요인의 순위와 방향을 읽는 표이지 예측 모형이 아니다. 섹션 수의 −17.9pp 는 §3.6 대로 대부분 기계적이다.

4.2 요인 간 상관 (log 변환 후)

흔한 구조 = 단순(말단↓·깊이↓) = 정확 일치 공급↑ 이 한 덩어리다(말단~정확 −0.90, 정확~검색량 +0.87, 섹션~검색횟수 +0.88). 이 덩어리 안의 개별 계수는 구성 의존적이며, 그래서 §5 에서 흔들린다.

5. 기간 안정성 — 주차별 재적합

채택 기준 log-odds/SD. W5 는 8/29–9/1 부분 주(n 1,626)이고 GC 표의 W4 는 여기의 W4+W5 를 합친 것이다.

혼재 두 요인이 r=+0.87 공선성 쌍이라 주차마다 계수를 주고받는다 — GC 의 원 해석이다. §6 이 여기에 "채택 지표 오염" 가설을 하나 더 얹어 검정한다.

6. ★신규 분석 — 허수 채택 가설의 검정과 그 한계

6.1 배경 — 사내 RCT 가 정량화한 "허수 채택"

썸네일 탐색 UX ABT(PT 2634221125, 6월)는 결과 카드에 썸네일을 제공하면 유저가 "뭔지 보려고 일단 누르는" 채택이 줄 것이라 가정하고 RCT 로 확인했다.

저자 해석: "메인 컴포넌트일수록 단순 확인용 허수 채택 비중이 원래 더 높았다." 즉 채택 지표의 오염은 노출 순위와 상관한다.

6.2 가설

§5 에서 혼재로 남은 정확 일치·검색량은 정확히 "흔하고 많이 공급된 = 상위 노출되기 쉬운" 구조의 대리 변수다. 그렇다면 두 요인의 주차별 부호 뒤집힘은 공선성이 아니라 허수 채택 혼입률의 주차 변동일 수 있다. 검정은 종속변수를 채택에서 다운로드로 바꾸는 것이다 — 다운로드에는 확인용 클릭이 섞이지 않을 테니, 혼재가 사라지면 원인은 지표 오염이고 남으면 진짜 공선성이다.

6.3 결과 — 세 모형

주차별 진폭(범위폭):

6.4 판정

• 종속변수를 다운로드로 바꾸면 두 요인의 진폭이 줄지만(−38%, −16%) 부호 뒤집힘은 남는다. 지표 오염만으로 혼재를 설명할 수 없다. GC 의 공선성 해석이 유지된다.
• 채택 조건부 다운로드 모형(③)에서는 9요인 중 어느 것도 유의하지 않다(루트 자식 p=.042 경계). 일단 채택하면 무엇이었든 80%는 내려받는다.

6.5 그러나 이 검정은 가설을 기각할 힘이 없다 — 도구의 한계

§2.3 대로 이 데이터의 다운로드는 디자인 다운로드다. 확인용으로 눌렀다가 지운 컴포넌트라도 유저가 5일 안에 그 디자인을 내려받으면 다운로드 = 참이 된다. 즉 이 다운로드 지표는 허수 채택을 걸러내지 못한다. ②와 ①이 비슷한 것은 당연하고, ③이 요인과 무관한 것도 당연하다.

허수 채택 가설을 제대로 검정하려면 컴포넌트 잔존 기반 다운로드(PT 정의: 그 component_key 가 다운로드 디자인에 존재)가 필요하다. 그 지표에서 정확 일치·검색량이 채택→잔존 전환에 음(−)이면 가설 지지, 무관이면 기각이다. §9.3 에 설계를 둔다.

6.6 부산물 — GC 다운로드 열의 정보량

이 검정의 실질 소득은 가설 판정이 아니라 다운로드 열의 성격 규명이다.

• 다운로드 ⊂ 채택(구성상) + 채택→다운로드 80.3% + 요인 무관 ⇒ 다운로드 열 ≈ 채택 열 × 0.8 의 사본이다.
• GC 문서의 "다운로드의 요인 프로파일이 채택과 거의 동형 — 독립적 다운로드 요인은 약하다"는 발견이 아니라 정의의 귀결이다. 다운로드율을 별도 성과 지표로 보고할 때는 이 점을 밝혀야 한다.
• 5일 창 안의 디자인 다운로드율 80% 자체는 "채택한 유저는 거의 다 무언가를 내려받는다"는 사실이고, 이는 §8 의 명시 그룹 이탈(PT 정의 채택→다운로드 13.8%)과 같은 유저 행동을 다른 자로 잰 것이다.

7. 사내 선행 분석과의 대조

7.1 목록 — 같은 질문을 던진 11건

독립변수가 컴포넌트 자체의 구조인 것은 0건이다. 루트 자식·깊이·말단·정확/변형 일치를 종속변수에 건 것은 이 분석이 사내 최초다.

7.2 수렴 — 독립 재현된 결론 3개

A. 병렬 폭 ↔ VU 개수 — 서로 다른 계통이 같은 신호를 잡았다.

측정 계통(summary 마크다운 vs RLSC 구조), 기간, 단위가 모두 다른데 방향·크기가 맞는다. PT #2 저자의 육안 해설 — "VU 1개는 다른 디자인의 조각 같아 불완전해 보인다" — 가 기전 설명까지 대준다.

B. 짧은 입력 페널티 — 3중 재현, 그리고 한계 — #1 한줄 상관 −0.349(채택 27.8% vs 구조화 64.8%) · #2 미채택 중앙값 28자 vs 채택 123자 · 이 분석 Q1 30.1% vs 플래토 37.8%. 그런데 #11 이 이 축의 한계를 규명했다: 1,000자 초과 장문도 69%가 청중·목적·메시지 중 1개 이상 결핍(전체 86%). 길이는 원인이 아니라 의도 보유의 대리 변수다. 이 분석의 "길이 +5.4pp"를 단독으로 읽으면 처방이 "길게 쓰게 하라"가 되지만, #11 과 합치면 "의도 변수를 갖게 하라"가 맞다. 길이 기반 스킵·가이드 로직은 AIP 쪽에서 폐기 판정됐다.

C. 쪼개기·다섹션은 가치가 낮다 — #4 5점 유저 쪼개기 62.1% vs 1점 50.3%(저자가 "기능 불만 누적" 캐비앗) · #10 "멀티 컴포넌트/쪼개기 지원하지 않는다" 제언 · 이 분석 4+섹션 입력 수준 25.2%. 셋이 같은 방향이고, 이 분석이 기계적 희석을 분리해 낸 것이 논쟁을 닫는다.

7.3 충돌·교정 — 4개

1. 채택 지표의 허수 (§6) — 상위 노출에 2배 집중. 노출량과 상관된 요인의 계수는 이 오차를 탄다. 이 분석의 8월 창에 썸네일 배포가 걸쳐 있는지도 확인 대상이다(#7 은 6월 말 전체 배포 제안 상태).
2. 관측 단위 (§2.2) — 유저/컴포넌트/쌍이 각자 정당하나 수치를 직접 비교하면 틀린다.
3. 단변량 상관계수의 노출 편향 — #1 자신이 구조 검색 0단계 +0.667 을 "노출 점유율 58.9% 의 총량 법칙 노이즈"라며 하향 조정했다. 이 분석은 같은 계열 문제를 다변량+주차별+공선성 행렬로 다뤄 "판별 불가"로 유보했다 — 방법 성숙도의 차이.
4. #1 의 is_aip_design −0.380 서술 — 표에는 "강한 이탈 (= 긍정 요인)"으로, 본문은 "AIP 유저가 채택에 더 강하게 반응"으로 적혀 부호 방향 서술이 문서 안에서 엇갈린다. 인용 시 원 쿼리 확인이 필요하다(단정하지 않음).

7.4 GC 세션 결론과 다르게 읽히는 것

노트 36 은 다운로드를 채택과 나란히 둔 성과 지표로 보고했다. §6.6 대로 이 데이터의 다운로드 열은 채택 열의 함수이므로, 다운로드 요인 분석은 별도 결론이 아니라 채택 결론의 반복이다. 노트 36 의 §3 "다운로드 OR/SD" 열과 §7 캐비앗 3("다운로드 관측창이 열려 있어 소폭 상향 여지")은 이 관점에서 다시 쓰는 것이 맞다 — 이 문서는 정본을 고치지 않고 여기 기록만 남긴다.

8. MOR-2287 접점

• PT #6: 데이터 시각화 컴포넌트는 유저 채택 ~50% vs 일반 24–25%(2배), 컴포넌트 기준 다운로드 23.6–23.9% vs 약 10%(2.3배). 단 preset 트랙이고, MOR-2287 면제 태그(TABLE·CHART·REDESIGN_CHART)가 정확히 그 트랙이다. 제거 대상과 다른 집합.
• PT #5: 명시 그룹(입력에 표/차트를 명시) — 채택 63.9%(최고) → 다운로드 13.8%(최저). "채택한 유저 약 80%가 재탐색·편집 끝에 결국 삭제". 원인 = 기대치 불일치.

제거 대상은 일반 페이지 안의 표/차트 보유 DO = 내용 대치가 안 되는 것(MOR-2288 이 들어오면 2287 은 Cancelled). 즉 채택은 끌어오지만 잔존하지 못하는 계층을 만들 소지가 큰 대상이다.

⇒ GC 시뮬(sim_2287.json)의 "top10 슬롯 3.87% 잠식"은 손실의 상한이다. 기본 표 ABT(#8)가 같은 교훈을 남겼다 — 합계 +2.17pp 가 갈래를 쪼개니 GRID preset ↑ / 표 컴포넌트 ↓ 의 대체였다. 잠식은 손실이 아니라 대체이고, 봐야 할 것은 대체재의 품질이다.

⇒ 실서빙 풀 0건의 원인이 린터 게이트였다는 발견(mor2287-serving-pool-impact)은 #5 의 개선안("표/차트 키워드 라벨링으로 명시 유저에게 정확히 준다")의 전제 — 공급이 있는데 못 찾는다 — 에 걸린다. #5 집계 시기(5/6–6/3)는 dv=1.28 세대이고 그 세대의 일반 표/차트 공급량은 미측정이다. 확인 전에는 결함으로 단정하지 않는다.

9. 후속 실험 설계 — 이 데이터가 답하지 못한 것을 답하려면

9.1 정확 일치·검색량 판별 — 공급 풀 랜덤 버킷 RCT

GC 는 세대 전환(7/28–29, 일반 1.28→2.0) 전후 자연실험을 제안했다. 그러나 세대 전환은 풀 구성이 동시에 바뀌고 view_component 로깅이 4/22 에 시작돼 교란이 크다. 사내에는 이미 account_id 끝자리 버킷 RCT 인프라가 있다(#8: 실험군 2/3/4/5, 대조군 6/7/8/9). 공급을 조작하는 실험이 더 깨끗하다.

• 처치: 정확 일치가 많은 구조(예: 1(1(0)), 1(2(0)(0)))의 노출 상한을 절반으로 — 검색량은 그대로 두고 공급만 바꾼다
• 결과: 쌍 단위 채택·컴포넌트 잔존 다운로드
• 기대: 정확 일치 계수가 실험군에서 움직이고 검색량 계수가 안 움직이면 둘이 분리된다
• 기간·규모: #8 이 주당 그룹당 ~430 뷰 유저로 +3pp 확정에 8주가 필요했다. 쌍 단위는 모수가 크므로(월 15.8k) 2–3주면 충분할 것으로 본다 — 제안.

9.2 채택은 후보 집합에서의 택일이다 — 조건부 로짓

각 (입력×구조) 쌍을 독립 베르누이로 다루면 "같은 검색 안의 다른 후보"가 무시된다. 유저는 노출된 후보 중 하나(또는 몇)를 고른다. 이산선택모형(조건부 로짓, 사내 학습 노트 2579759619)이 구조에 정합하고, 노출 순위를 공변량으로 넣을 수 있어 §6 의 허수 문제도 함께 다룬다.

9.3 컴포넌트 잔존 기반 다운로드 지표

§6.5 의 검정에 필요한 지표. PT 정의(component_key ∈ 다운로드 디자인)를 GC 파이프라인의 쌍 단위에 붙이면 된다. 데이터 소스는 #3 이 쓴 다운로드 디자인 원장(design_download_resource + 컴포넌트 키)이다. 이 지표에서 세 모형을 다시 돌리면 §6.4 가 판정으로 바뀐다.

9.4 dv1.28 세대의 일반 표/차트 공급량

§8 의 미검증 가설. 쿼리 1건 — dv=1.28 풀에서 표/차트 노드를 가진 일반 유효 DO 수 + 그 페이지의 린트 통과율.

10. 한계

1. 관측 연관이지 인과가 아니다. 특히 §4.2 클러스터 안 요인(정확 일치·검색량·말단)의 단독 효과는 확정 불가.
2. 채택 귀속의 NEAREST 몫(23.1%)이 구조 축 요인에 노이즈로 들어간다.
3. 다운로드는 디자인 수준 5일 창이다(§2.3). 컴포넌트 잔존을 보지 못한다.
4. 채택 지표에 확인용 클릭이 섞여 있고 그 비율은 노출 순위와 상관한다(§6.1). 8월 창의 썸네일 배포 상태는 미확인.
5. 입력 수준 재집계(§3.6)는 GC 수치를 인용했다 — 원자료에 입력 id 가 없다.
6. 선행 분석 인용 수치는 원 저자 집계를 그대로 옮겼고 재현하지 않았다.
7. 의사 R² 0.046 — 9요인은 채택 분산의 소수만 설명한다. 순위·방향의 표로 읽는다.

부록 A. 실제 구조 예시 (검색량 100+)

사례 A(넓이): 1(1(0)) 29.1% → 1(4(0)×4) 44.8% → 1(6(0)×6) 45.1%. 사례 B(정확 일치 많음 ≠ 채택 높음): 1(1(0)) 정확 95,246 최다에 채택 최저권, 1(3(1(0))×3) 정확 4,640 에 46.1% 최고. 사례 C(깊이): 3×3 중첩은 eligible 1,828 로 후보가 두터운데도 25.4%.

부록 B. 분위 경계와 재현 코드

• 길이 5분위·정확 일치·eligible·검색량 5분위 경계는 results.json quintile_ranges.
• 재현: uv run --with pandas --with numpy --with statsmodels --with scipy python analyze.py — 입력은 vault data/factor_obs{,_week}.csv, 출력 results.json. 로지스틱은 statsmodels.Logit, 설명변수 log1p 후 z-표준화, 한계효과는 AME.