본문으로 이동
메뉴 여닫기
환경 설정 메뉴 여닫기
개인 메뉴 여닫기
로그인하지 않음
지금 편집한다면 당신의 IP 주소가 공개될 수 있습니다.
Rage bait; 레이지 베이트
사람을 일부러 화나게 만들어 클릭·댓글·공유를 끌어내는 온라인 콘텐츠

레이지 베이트(rage bait)는 보는 사람이 짜증·분노·모욕감을 느끼도록 일부러 만든 온라인 콘텐츠, 또는 그런 콘텐츠로 반응을 끌어내는 수법이다. 분노(rage)와 미끼(bait)를 합친 말로, 한국어로는 '분노 미끼', '분노 유발 미끼'라고 옮긴다. 이 수법을 쓰는 행위는 레이지 베이팅(rage-baiting), 분노를 심어 반응을 거둬들인다는 뜻에서 레이지 파밍(rage farming)이라고도 한다.

목적은 대개 조회수와 참여(engagement)를 늘리는 것이다. 댓글·인용·공유가 많을수록 추천 시스템이 게시물을 더 많은 사람에게 보여 주므로, 화가 나서 반박하는 반응까지 모두 게시자의 이익이 된다. 광고 수익이나 팔로워를 노리는 경우도 있고, 지지층을 결집하거나 상대 진영을 공격하려는 정치적 목적으로 쓰이기도 한다.

옥스퍼드 대학교 출판부(OUP)는 2025년 12월 1일 '레이지 베이트'를 2025년 올해의 단어로 발표했다.[1]

OUP에 따르면 '레이지 베이트'가 처음 쓰인 기록은 2002년 유즈넷(Usenet) 게시물이다. 이때는 뒤차가 추월하려고 전조등을 번쩍일 때 앞차 운전자가 보이는 반응을 가리켰다. 이후 바이럴 트윗을 가리키는 인터넷 속어로 쓰이다가, 플랫폼·크리에이터·유행 등 무엇이 올라오는지를 정하는 콘텐츠 생태계 전체를 비판하는 말로 넓어졌다.[1]

어원으로는 클릭베이트(clickbait)와 이어진다. 두 말 모두 온라인 참여를 끌어내려는 것이지만, 클릭베이트가 호기심을 건드려 클릭을 유도한다면 레이지 베이트는 분노·불화·편 가르기를 일으키는 데 초점을 둔다.[1] 레이지 파밍이라는 말은 2022년 1월 캐나다 토론토 대학교 시티즌 랩(Citizen Lab) 연구원 존 스콧레일턴(John Scott-Railton)이 "당신은 지금 레이지 파밍당하고 있다. 당신의 화난 인용 트윗이 바로 목표다"라는 트윗을 올리면서 널리 퍼졌다.[2]

2025년 옥스퍼드 올해의 단어

편집 원본 편집

OUP는 사전 정의를 "보통 특정 웹 페이지나 소셜 미디어 콘텐츠의 트래픽이나 참여를 늘리려고 올리는, 짜증스럽거나 도발적이거나 불쾌하게 만들어 일부러 분노를 끌어내도록 만든 온라인 콘텐츠"로 제시했다.[1]

  • 선정 방식: 사흘 동안 진행한 공개 투표에 3만 명 넘게 참여했고, 최종 결정은 OUP 언어 전문가들이 투표 결과, 여론의 반응, 어휘 사용 자료 분석을 함께 보고 내렸다.[1]
  • 사용 빈도: 직전 12개월 사이 사용량이 세 배로 늘었다.[1]
  • 최종 후보: 레이지 베이트, 아우라 파밍(aura farming), 바이오해킹(biohack) 세 단어였다.[1]
  • OUP는 2024년 단어 브레인 롯이 끝없는 스크롤로 정신이 소모되는 상태를 담았다면, 레이지 베이트는 분노를 일으키고 클릭을 끌어내도록 설계된 콘텐츠 쪽을 비춘다고 설명했다.[1]
  • 옥스퍼드 랭귀지 대표 캐스퍼 그라스볼(Casper Grathwohl)은 이 단어가 존재하고 사용량이 급증했다는 사실이 온라인에서 휘말릴 수 있는 조작 전술을 사람들이 점점 더 의식하고 있다는 뜻이라고 말했다.[1]

같은 해 다른 사전들은 케임브리지가 parasocial(파라소셜 관계), 콜린스가 vibe coding, Dictionary.com이 6-7을 올해의 단어로 골랐다.[3]

레이지 베이트가 통하는 이유는 사람의 심리와 플랫폼의 수익 구조가 맞물리기 때문이다.

  • 도덕적 분노의 전파력: 총기 규제·동성 결혼·기후 변화에 관한 트윗 56만 3312건을 분석한 2017년 연구에서는 도덕적·감정적 단어가 하나 늘 때마다 리트윗 확산이 약 20% 늘었다. 이 효과는 같은 진영 안에서 더 강했다.[4]
  • 부정성 편향: 업워시(Upworthy)의 뉴스 제목 A/B 시험 자료(약 10만 5000개 변형, 클릭 약 570만 건)를 분석한 2023년 연구에서는 평균 길이 제목에 부정적 단어가 하나 늘 때마다 클릭률이 2.3% 올랐다.[5]
  • 허위 정보와의 결합: 페이스북 링크 106만여 건과 트위터 게시물 4만 4529건 등을 분석한 2024년 연구는 허위 정보 출처가 신뢰할 만한 출처보다 분노를 더 많이 일으키고, 사람들은 분노를 일으키는 허위 정보를 읽어 보지도 않고 공유하려는 경향이 더 크다고 보고했다.[6]
  • 참여 기반 추천: 체류 시간·댓글·공유처럼 반응의 양을 기준으로 노출을 정하는 추천 시스템은 반응이 긍정인지 부정인지 가리지 않는다. 반박 댓글과 비난성 인용도 참여로 계산되므로, 분노를 일으키는 게시물이 더 멀리 퍼진다.[1]
  • 광고 수익: 광고가 노출 수에 따라 돈이 되는 관심 경제 구조에서는 반응이 곧 수익이다. 그래서 내용의 사실 여부보다 반응의 크기를 노리는 유인이 생긴다.

전형적인 수법은 일부러 틀리거나 무례한 주장을 올리기, 특정 집단을 조롱하는 밈이나 연출 영상 올리기, 상대 진영의 가장 극단적인 발언만 골라 퍼뜨리기, 사실을 비틀어 분노를 부르는 제목 달기 등이다.

비슷한 개념과 비교

편집 원본 편집
개념 노리는 감정 주된 목적 차이
클릭베이트(clickbait) 호기심 클릭(트래픽) 제목으로 궁금증을 일으킨다. 분노를 꼭 노리지는 않는다.
레이지 베이트 분노·불쾌 댓글·공유·인용 같은 참여, 수익, 정치적 결집 반박하고 싶게 만드는 것이 목표다.
트롤링(trolling) 짜증·혼란 개인의 재미, 방해 조직적·경제적 동기 없이 개인이 장난으로 하는 경우가 많다.
어그로(국내 속어) 관심 전반 주목 끌기 한국 인터넷에서 자극적인 제목·썸네일로 관심을 끄는 행위를 넓게 부른다.

트롤링과 레이지 베이팅은 겉보기에 비슷하지만, 트롤링이 개인의 재미나 방해에 그치는 경우가 많은 데 비해 레이지 베이팅은 참여 지표를 높여 돈을 벌거나 정치적 서사를 퍼뜨리려는 체계적 전략이라는 점이 다르다고 설명된다.

  • 정치적 결집: 도덕적·감정적 표현이 같은 진영 안에서 특히 잘 퍼진다는 연구 결과처럼, 상대 진영을 조롱하거나 분노를 부르는 게시물은 지지층을 묶어 두는 데 쓰인다.[4]
  • 인플루언서의 기행: 국내 언론은 한국 편의점에서 난동을 부리고 평화의 소녀상을 모욕한 미국인 인터넷 방송인 조니 소말리를 레이지 베이트의 대표 사례로 들었다.[3]
  • 허위 정보: 분노를 일으키는 허위 정보가 읽히지도 않은 채 공유된다는 2024년 연구 결과처럼, 레이지 베이트는 허위 정보 확산과 자주 겹친다.[6]

한국에서의 쓰임

편집 원본 편집
  • 표기: '레이지 베이트'와 '레이지베이트'가 함께 쓰이고, 번역어로 '분노 미끼', '분노 유발 미끼'도 많이 쓴다. 국민일보와 한경 매거진의 연말 결산 기사는 '레이지 베이트', 한국일보는 '레이지베이트', 파이낸셜뉴스는 '분노 유발 미끼', 경향신문·한국경제는 '분노 미끼'를 제목에 썼다. 붙여 쓴 꼴과 띄어 쓴 꼴의 빈도는 비슷하다.[3][7][8][9][10][11]
  • 시기: 국내 언론이 이 말을 본격적으로 다룬 것은 2025년 12월 1일 옥스퍼드 발표 직후다. 같은 날 여러 일간지가 일제히 보도했고, 이후 경제 용어 해설과 칼럼에서 자주 쓰였다.[7][8]
  • 어그로와의 관계: 한국일보는 레이지 베이트를 한국 인터넷 속어 '어그로'와 비슷한 개념으로 소개했다. 어그로는 자극적인 제목이나 썸네일로 관심을 끄는 행위를 넓게 가리키므로, 분노 유발에 초점을 둔 레이지 베이트보다 범위가 넓다.[8]
  • 국내 사례 해석: 경향신문 칼럼은 2025년 1월 서울서부지법 난입 사태, 반중 집회, 부정선거론 같은 허위 서사의 확산을 '분노→반응→확산→행동'으로 이어지는 분노 미끼의 흐름으로 해석했다.[9]
  • 정신 건강과 사회 갈등: 분노를 부르는 콘텐츠에 계속 노출되면 피로가 쌓이고 집단 사이 적대감이 커진다는 우려가 나온다. OUP도 분노가 참여를 높이고 알고리즘이 이를 키우며, 계속 노출되면 정신적으로 지친다는 흐름을 지적했다.[1]
  • 연구의 한계: 위에서 든 연구들은 분노·부정 표현이 확산과 클릭을 늘린다는 점을 보여 주지만, 레이지 베이트에 노출된 개인이 장기적으로 어떤 피해를 입는지는 연구마다 설계와 결과가 다르다. 확산 효과가 같은 진영 안에서 주로 나타난다는 결과도 있어, 모든 이용자에게 같은 정도로 작용한다고 보기는 어렵다.
  • 대응: 개인 차원에서는 화나게 하는 게시물에 반응하지 않기, 인용 대신 캡처로 공유하기, 출처를 다른 곳에서 교차 확인하기(lateral reading) 같은 방법이 권장된다. 플랫폼 차원에서는 참여 지표만으로 노출을 정하지 않도록 추천 방식을 바꾸라는 요구, 알고리즘 투명성 규제 논의가 이어지고 있다.