​

지난 반세기 동안 네트워크 과학과 사회 연결망 분석(SNA) 분야에서 가장 강력한 이론적 패러다임 중 하나는 마크 그라노베터(Mark Granovetter)의 '약한 연결의 힘(the strength of weak ties)'이었습니다. 이 이론은 우리에게 직관적이면서도 매력적인 관점을 심어주었습니다. 긴밀하게 연결된 친구나 가족(강한 연결)보다는, 가끔 만나는 지인이나 먼 거리의 연결(약한 연결)이 새로운 정보와 기회를 제공하는 중요한 통로라는 것입니다. 이 관점에 따르면, 네트워크의 지름을 줄이는 지름길(shortcuts)은 늘 좋은 것이며, 세상이 좁아질수록(small world) 확산은 가속화됩니다. 마케팅 전문가들은 이를 바탕으로 바이럴 마케팅의 신화를 썼고, 정보가 순식간에 퍼져 나가는 캠페인을 꿈꿨습니다.

​

하지만 "모든 것이 바이러스처럼 퍼지는가?"라는 질문에 대해, 최신 네트워크 연구들은 그렇지 않다는 주장과 근거를 제시합니다. 정보나 단순한 질병(단순 전염, simple contagion)은 약한 연결을 타고 빠르게 흐릅니다. 그러나 우리가 관심을 가지는 행동의 변화, 기술의 채택, 사회적 규범의 확산은 전혀 다른 법칙을 따릅니다. 이것이 바로 복잡 전염(complex contagion)의 메커니즘입니다.

​

복잡 전염의 세계에서 약한 연결은 더 이상 강력한 무기가 되지 못하며, 확산에 장애가 되기도 합니다.

​

2007년 센톨라(Centola)와 메이시(Macy)의 연구와 후속 연구들은 왜 혁신은 약한 연결이 아닌 넓은 다리(wide bridges)를 통해 전파되는지, 왜 인플루언서는 때때로 혁신의 확산을 방해할 수 있는지, 그리고 상호작용하는 전염병들이 어떻게 사회적 행동과 유사한 패턴을 보이는지를 보여줍니다. 이는 SNA 연구자와 실무자들에게 확산되는 대상의 성질에 따라 네트워크 구조를 재설계해야 한다는 새로운 인사이트를 제공합니다.

​

2.1 단순 전염의 한계

​

네트워크 과학의 고전적인 모델들은 확산의 대상을 마치 물이나 전기처럼 취급해 왔습니다. 파이프가 연결되어 있으면 물이 흐르는 것과 마찬가지로, 사람과 사람이 연결되어 있다면 정보는 흐릅니다. 단순 전염(simple contagion)은 이것을 전제로 합니다.

​

• 단순 전염은 한 번의 접촉만으로도 전파가 일어나는 현상입니다. 홍역 바이러스, 오늘 저녁의 스포츠 경기 스코어, 일자리 정보 등이 여기에 해당합니다.

• 단순 전염에서는 중복이 비효율입니다. 이미 아는 정보를 친한 친구에게 또 듣는 것은 시간 낭비일 뿐, 확산의 범위를 넓히는 데는 기여하지 않습니다. 따라서 서로 다른 군집을 연결하는 긴 다리(long bridge), 즉 약한 연결이 효율을 발휘합니다. 이 다리는 네트워크의 지름을 획기적으로 줄여주며, 정보가 국지적 클러스터를 탈출해 전역적으로 퍼지게 만듭니다.

​

그러나 이 모델을 사회적 행동 변화나 고위험 혁신의 채택에 적용할 때 문제가 발생합니다. 약한 연결 이론은 보편적인 확산 현상에서 약한 연결의 강점을 주장했지만, 최근 연구는 확산되는 대상의 복잡성(complexity)에 따라 최적의 네트워크 구조가 달라짐을 증명했습니다.

​

2.2 복잡 전염: 저항과 강화

행동은 바이러스와 다릅니다. 옆사람을 보고 내 식습관을 바꾸거나, 갑자기 비싼 신기술 제품을 구매하지는 않습니다. 혁신적인 행동이나 기술, 혹은 위험한 사회 운동에 참여하는 결정에는 물리적, 심리적, 사회적, 경제적 비용과 위험이 따르기 때문입니다. 이러한 저항을 극복하기 위해서는 한 번의 노출로는 부족합니다. 다수의 타인이 동일한 행동을 하는 것을 목격하는 사회적 강화(social reinforcement)가 필수적입니다.

​

이것이 복잡 전염(complex contagion)입니다. 복잡 전염은 확산을 위해 다수의 활성화된 이웃(activated neighbors)과의 접촉이 필요합니다. 단순히 정보를 아는 것(awareness)과 행동을 채택하는 것(adoption) 사이에는 큰 간극이 있다는 것입니다.

​

2.3 복잡성을 구성하는 4가지 메커니즘

복잡 전염의 패턴은 다음 4가지 메커니즘과 관련이 있습니다.

​

이런 메커니즘들은 왜 우리가 중요한 결정을 내릴 때 약한 연결보다는 강한 연결에 의존하는지 설명해 줍니다. 특히 전략적 상보성은 초기 트위터나 페이스북과 같은 소셜 플랫폼의 확산을 이해하는 열쇠입니다. 내가 아는 사람들이 쓰지 않는 소셜 미디어는 가입할 이유가 없습니다. 이런 플랫폼은 무작위적인 바이럴보다는 이미 서로 연결된 클러스터 내부에서 집중적으로 확산되는 패턴을 보입니다.

​

2.4 현실 사례: 트위터 확산

2009년 오프라 윈프리의 트윗 하나가 트위터를 전 세계로 확산시켰다는 인식이 있습니다. 하지만 센톨라의 연구에 따르면, 트위터의 실제 확산 패턴은 인터넷상의 무작위 전파가 아니라 철저한 지리적 확산(geographic spread)을 따랐습니다. 마치 불이 옆 나무로 옮겨 붙듯, 이웃에서 이웃으로, 친구 그룹에서 친구 그룹으로 번져나간 것입니다. 초기 사용자들은 낯선 인플루언서의 추천보다 실제 친구들이 사용하는 것을 보고 가입했습니다. 이는 트위터 가입이 복잡 전염이었음을 시사하며, 약한 연결이 아닌 강한 연결과 촘촘한 네트워크가 혁신 확산의 엔진이었음을 보여주는 사례입니다.

​

3.1 좁은 다리(Narrow Bridges) vs. 넓은 다리(Wide Bridges)

네트워크 구조적 관점에서 약한 연결은 서로 다른 두 군집을 이어주는 다리(bridge) 역할을 합니다. 이 다리는 정보가 흐르는 통로 또는 지름길이기에 가치가 높습니다. 하지만 이 다리는 대부분 하나 또는 소수의 연결선으로 이루어져 있으며, 따라서 좁은 다리(narrow bridge)입니다.

• 단순 전염의 경우: 좁은 다리가 효율적입니다. 중복 없이 새로운 영역으로 정보를 빠르게 전달합니다.

• 복잡 전염의 경우: 좁은 다리는 고립된 신호입니다. 복잡 전염은 수신자가 행동을 변화시키기 위해 최소 k명 이상의 사람과 접촉할 것을 요구합니다. 그러나 좁은 다리를 건너온 신호는 단 하나 또는 극소수입니다. 수신자 입장에서는 "저 멀리 있는, 잘 모르는 누군가가 이걸 했다더라" 정도의 정보에 불과합니다. 사회적 강화가 결여된 이 신호는 수신자의 임계점을 넘지 못하고 소멸합니다.

​

반면, 넓은 다리(wide bridge)는 두 그룹 사이에 다수의 연결선이 중복적으로 존재하는 구조를 말합니다. 이는 주로 강한 연결들이 뭉쳐 있는 군집화(clustering)된 네트워크나 공간적 네트워크에서 나타납니다. 넓은 다리를 통해서는 신호가 다각도로, 반복적으로 전달됩니다. A그룹의 영희, 철수, 민수가 B그룹의 길동, 영수, 미미에게 동시에 영향을 미칩니다. 이 중복성(redundancy)이 신뢰를 낳고, 행동 변화의 임계점을 돌파하는 힘이 됩니다.

​

3.2 ‘약한 연결의 실패’ 시뮬레이션

센톨라와 메이시는 이 가설을 검증하기 위해 와츠-스트로가츠(Watts-Strogatz)의 작은 세상 네트워크 모델을 활용한 시뮬레이션을 했습니다. 이 실험은 네트워크 구조가 확산에 미치는 영향을 잘 보여줍니다.

​

• 초기 상태(clustered network): 모든 노드가 인접한 이웃들과만 연결된 격자(lattice) 구조입니다. 여기서는 클러스터링 계수가 높고, 넓은 다리가 자연스럽게 형성되어 있습니다. 복잡 전염은 이웃에서 이웃으로 느리지만 확실하게 퍼져나가며 결국 전체를 감염시킵니다.

• 재배선(rewiring): 연구자들은 기존의 지역적 연결을 끊고, 무작위 원거리 연결(약한 연결)을 추가하여 네트워크의 지름을 줄였습니다.

• 결과 - 단순 전염: 예상대로 약한 연결이 추가될수록 확산 속도가 급격하게 빨라졌습니다.

• 결과 - 복잡 전염: (정반대의 결과) 약한 연결을 추가할수록 확산 속도는 오히려 느려졌습니다. 심지어 무작위 연결이 일정 비율을 넘어서자 확산이 멈춰버렸습니다.

​

이것은 약한 연결의 실패입니다. 무작위 연결을 추가하는 것은 물리적으로 기존의 지역적이고 중복적인 연결(강한 연결)을 끊는 것을 의미합니다. 단순 전염에서 이것은 지름길을 만드는 것이지만, 복잡 전염에서는 강화의 경로를 끊어버리는 것이었습니다. 좁고 긴 다리들은 복잡 전염이 건널 수 없는 다리였고, 기존에 존재하던 넓은 다리들마저 해체되어 버린 것입니다.

​

3.3 대항적 영향력(Countervailing Influence)과 인플루언서의 함정

복잡 전염 모델에서 또 하나 주목해야 할 개념은 대항적 영향력입니다. 단순 전염에서는 비감염자가 수동적인 존재이지만, 복잡 전염에서 비채택자(non-adopters)는 적극적인 저항 세력으로 작용합니다. 내 주변에 새로운 기술을 채택하지 않은 사람이 많다는 것은 그 기술이 아직 검증되지 않았거나 사회적으로 수용되지 않았다는 강력한 신호로 인식될 수 있는 것입니다.

이 관점에서 보면, 네트워크의 중심에 있는 허브(Hub)나 인플루언서는 혁신의 가속자가 아니라 방해자가 될 수도 있습니다.

​

• 허브: 허브는 수많은 연결을 가지고 있는데, 이는 초기 단계에서 허브가 수많은 비채택자들에게 둘러싸여 있다는 의미입니다. 복잡 전염의 임계값이 높은 경우(예: 친구의 20%가 채택해야 함), 허브를 움직이기 위해서는 많은 수의 초기 채택자가 필요합니다.

• 주변부: 반면, 네트워크 주변부의 평범한 사람들은 연결 수가 적습니다. 소수의 친구만 채택해도 쉽게 임계점을 넘을 수 있습니다. 혁신은 종종 저항이 심한 중심부가 아니라, 서로 긴밀하게 연결된 주변부의 작은 클러스터에서 시작되어 세력을 확대한 뒤 중심으로 들어가는 양상을 보이기도 합니다.

​

4.1 약한 연결도 경우에 따라 다르다

2013년 Ghasemiesfeh 등의 연구는 복잡 전염의 확산 속도를 수학적으로 분석하여, 약한 연결의 분포가 확산 속도에 미치는 영향을 규명했습니다. 그들은 세 가지 네트워크 모델에서 '2-복잡 전염(k=2, 2명의 이웃이 감염되어야 감염됨)'의 확산 속도를 계산했습니다.

이 결과가 시사하는 바는 약한 연결이 다 같은 것이 아니라는 것입니다. Newman-Watts 모델처럼 무작위 연결은 복잡 전염에 전혀 도움이 되지 않습니다. 반면, Kleinberg 모델처럼 공간적 또는 사회적 거리를 반영한 약한 연결(끼리끼리 연결되면서도 가끔 먼 곳으로 뻗는 연결)은 복잡 전염에서도 넓은 다리와 유사한 효과를 내며 확산을 가속화할 수 있습니다. 현실의 사회 연결망이 무작위가 아니라 지역성과 커뮤니티 구조를 기반으로 한다는 점을 고려할 때, 이 실험결과는 복잡 전염이 현실에서 어떻게 성공할 수 있는지 설명해 주는 단서입니다.

​

4.2 시간적 네트워크(Temporal Networks)에서의 경쟁과 진화

현실의 네트워크는 고정되어 있지 않고 시간에 따라 연결이 생겨나고 사라지기도 합니다. 2025년 Andres 등의 최신 연구는 시간적 네트워크 위에서 단순 전염과 복잡 전염이 공존할 때 어떤 일이 벌어지는지 탐구했습니다.

• 혼합 역학(Mixed Dynamics): 개인은 고정된 기제로 행동하지 않습니다. 친한 친구에게는 한 번의 말로도 설득(단순 전염)되지만, 먼 지인에게는 반복적인 노출이 필요(복잡 전염)할 수 있습니다.

• 기폭제 효과: 확산 초기에는 전파가 쉬운 단순 전염 메커니즘이 지배합니다. 이들은 빠르게 네트워크 곳곳에 씨앗을 뿌립니다. 이렇게 축적된 감염자들은 어느 순간 복잡 전염이 발생할 수 있는 임계 질량을 형성합니다. 즉, 단순 전염이 일종의 기폭제(trigger) 역할을 하여 복잡 전염의 폭발적인 연쇄 반응(Cascade)을 유도합니다.

이는 마케팅 전략 수립에 있어 시사점을 줍니다. 초기에는 단순 노출(광고, 도달)로 인지도를 넓히는 단순 전염 전략을 쓰다가, 일정 수준 이상에서는 커뮤니티 기반의 사회적 증거를 제시하는 복잡 전염 전략으로 전환하는 것이 유효할 수 있다는 것입니다.

​

5.1 상호작용하는 전염(Interacting Contagions)

생물학적 전염병(홍역, 독감)은 단순 전염으로, 사회적 행동은 복잡 전염으로 이분법적으로 구분해 왔습니다. 그러나 2020년에 발표된 Hébert-Dufresne 등의 연구는 이 경계를 허물었습니다. 그들은 여러 개의 단순 전염병이 서로 상호작용할 때(예: 독감에 걸린 사람이 폐렴에 더 잘 걸리는 경우), 그 거시적인 확산 패턴이 복잡 전염(사회적 강화)과 수학적으로 구분이 불가능하다는 것을 증명했습니다.

​

5.2 잠재적 전염 가능성(Latent Epidemic Potential)과 거시적 도약

​두 개 이상의 병원체가 상호작용하거나, 병원체와 사회적 행동(예: 백신 거부 운동)이 결합할 때, 네트워크에는 잠재적 전염 가능성이 축적됩니다. 많은 개인이 ‘한 번만 더 노출되면' 혹은 '다른 병에 걸리면' 즉시 감염될 준비가 된 임계 상태에 놓이게 됩니다.

이때 전파율(transmission rate)이 아주 미세하게만 증가해도, 전체 감염 규모가 폭발적으로 증가하는 거시적 도약(macroscopic jumps) 현상이 발생합니다. 이는 연속적인 변화가 아니라 불연속적인 상전이(phase transition)에 가깝습니다. 단순 전염 모델에서는 전파율과 감염 규모가 선형적이거나 단조로운 관계를 보이지만, 상호작용하는 전염이나 복잡 전염에서는 예측하기 어려운 폭발적인 양상을 보입니다.

• 현실 사례: 2016-2018년 아메리카 대륙의 홍역 재확산은 단순한 바이러스 전파가 아니었습니다. 이는 홍역 바이러스(생물학적)와 백신에 대한 불신(사회적)이라는 두 가지 전염이 상호작용하며 복잡 전염의 패턴을 보인 사례입니다. 백신 거부라는 사회적 행동이 클러스터를 형성하고, 그 안에서 홍역이 폭발적으로 증폭된 것입니다.

이 연구 결과는 질병을 모델링할 때 단순 전염의 가정에만 머물러서는 곤란하다는 점을 시사합니다. 모든 전염은 맥락(context) 속에 존재합니다. 병원체끼리의 상호작용, 혹은 병원체와 인간 행동의 상호작용은 결국 모든 전염 현상을 복잡 전염의 가능성으로 유도합니다. 단순 전염 모델은 복잡 전염의 특수한 경우로 볼 수 있습니다.

​

약한 연결이라는 렌즈로 세상을 해석한 그라노베터의 통찰은 정보와 기회의 탐색에 있어서는 여전히 유효하지만, 세상을 변화시키는 행동의 확산에 있어서는 불완전했습니다. 네트워크 관점으로 세상을 이해하는 데는 연결의 길이(length)와 너비(width), 도달(reach)과 중복(redundancy)을 함께 고려해야 할 필요가 있습니다.

• Centola, D., & Macy, M. (2007). Complex contagions and the weakness of long ties. American journal of Sociology, 113(3), 702-734.

  • 단순 전염과 복잡 전염의 개념을 구분하고, 시뮬레이션을 통해 복잡 전염 상황에서 약한 연결(긴 다리)이 오히려 확산을 저해함을 증명. 행동 확산에는 중복적인 연결(넓은 다리)이 필수적임을 주장

• Ghasemiesfeh, G., Ebrahimi, R., & Gao, J. (2013, June). Complex contagion and the weakness of long ties in social networks: revisited. In Proceedings of the fourteenth ACM conference on Electronic Commerce (pp. 507-524).

  • Newman-Watts, Kleinberg 등 다양한 네트워크 모델에서 복잡 전염의 확산 속도를 수학적으로 엄밀하게 분석. 약한 연결이 무작위로 분포할 때보다 공간적/계층적 구조를 가질 때 확산이 빠름을 증명

• Centola, D. (2018). Complex contagions. In Research Handbook on Analytical Sociology. Edward Elgar Publishing.

  • 말콤 글래드웰의 '티핑 포인트' 이론의 오류를 지적하고, 인플루언서가 오히려 혁신의 방해물이 될 수 있는 이유(대항적 영향력)를 설명. 네트워크 주변부에서 시작되는 변화의 역학을 다룸

• Centola, D., & Lord, T. (2018). The truth about behavioral change. MIT Sloan Management Review.

  • 복잡 전염 이론을 비즈니스 전략에 적용한 아티클. 트위터의 지리적 확산 사례와 조직 내 혁신 전파를 위한 넓은 다리 구축의 중요성을 경영학적 관점에서 다룸

• Hébert-Dufresne, L., Scarpino, S. V., & Young, J. G. (2020). Macroscopic patterns of interacting contagions are indistinguishable from social reinforcement. Nature Physics, 16(4), 426–431.

  • 상호작용하는 여러 단순 전염병이 거시적으로 볼 때 복잡 전염(사회적 강화)과 수학적으로 동일한 패턴을 보이는 것을 증명. 생물학적 전염과 사회적 전염의 경계를 허무는 연구

• Andres, E., Pastor-Satorras, R., Starnini, M., & Karsai, M. (2025). Competition between simple and complex contagion on temporal networks. Physical Review Research, 7(4), 043088.

  • 시간적 네트워크(Temporal Network) 상에서 단순 전염과 복잡 전염이 경쟁할 때의 역학을 분석. 초기에는 단순 전염이 우세하다가 특정 시점에 복잡 전염의 폭발적 확산을 유도하는 혼합 역학을 설명