유튜브 썸네일 표정 가이드: 가로 168픽셀에서도 읽히는 얼굴은 따로 있어요

YouTube 썸네일 표정을 다룬 가이드는 거의 다 느낌으로 만든 표예요. 반전에는 경악, 발견에는 놀람, 튜토리얼에는 미소, 미스터리에는 갸우뚱한 얼굴. 딱히 틀렸다고 하기는 어렵지만 검증할 방법도 전혀 없어요. 그래서 이런 표가 그렇게 많고, 또 하나같이 내용이 비슷해요.

정작 가장 먼저 물어야 할 질문은 아무도 하지 않아요. 표정이 어떤 의미를 전하려면 우선 알아볼 수 있어야 해요. 그것도 가로 168픽셀짜리 이미지에서, 대개는 다른 걸 보고 있는 사람의 시야 한구석에서요. 이건 얼굴이 가진 측정 가능한 성질이고, 표정마다 차이가 아주 크며, 실제로 시각 과학자들이 측정해 왔어요. 어떤 표정은 거의 점만 하게 줄여도 남는 굵직한 정보로 이루어져 있어요. 반면 눈가와 입가의 섬세한 디테일에 기대는 표정은 이미지가 피드에 뜰 즈음이면 그 디테일이 이미 사라지고 없어요.

불편한 데이터부터: 얼굴이 정말 도움이 될까요?

얼굴이 들어간 썸네일은 클릭이 20% 정도 더 많다는 수치, 아마 열 번은 넘게 봤을 거예요. 그런데 출처를 따라가 보면 연구는 나오지 않아요. 다른 블로그 글이 나올 뿐이에요.

공개된 분석 중 가장 꼼꼼한 건 16,737개 채널의 영상 125만 개를 다룬 연구인데, 진짜 발견은 방법론 쪽에 있어요. 서로 다른 채널의 영상을 비교하면 얼굴은 약간 유리해 보여요. 조회수가 약 3% 많아요. 그런데 같은 크리에이터, 같은 시청자층인 한 채널 안에서만 비교하면 얼굴이 들어간 쪽의 조회수가 오히려 6% 정도 적어요. 채널 간 비교 수치에는 뻔한 교란 요인이 섞여 있어요. 큰 채널일수록 얼굴을 더 자주 쓰고, 원래 조회수도 많아요. 그러니 얼굴 덕분처럼 보이는 효과의 일부는 사실 채널이 크다는 데서 오는 효과예요. 같은 분석에서 두 번째, 세 번째 얼굴을 더 넣어도 측정할 만한 이득은 없었어요.

Search Engine Journal이 소개한 별도의 분석은 2025년 바이럴 영상 약 30만 개를 살펴봤는데, 결과는 거의 차이가 없는 수준이었고 분야별로 편차가 있었어요. 큰 채널에서는 약간 유리했고, 금융 분야에서는 이점이 더 뚜렷했으며, 얼굴이 여럿인 썸네일이 하나인 썸네일보다 성과가 좋았어요. 채널 내 비교 결과와는 정반대예요. 아무것도 통제되지 않는 플랫폼에서는 관찰 분석끼리 이렇게 엇갈리기 마련이에요.

반대편에는 vidIQ의 급성장한 썸네일 500개 연구가 있어요. 가장 흔한 특징은 사람 얼굴이었고, 성과가 좋을수록 그 비율이 높아졌어요. 500개 전체에서 69%, 상위 100개에서 75%, 상위 50개에서 80%였어요. 실제로 있는 패턴이지만 어디까지나 현상을 기술한 결과예요. 그리고 표본의 69%가 공유하는 특징으로는 그 표본 안에서 차이를 거의 설명할 수 없어요.

솔직한 결론이 곧 쓸모 있는 결론이에요. 얼굴은 누르면 결과가 나오는 버튼이 아니에요. 화면에 넣는다고 저절로 얻는 건 없어요. 그래서 얼굴은 있는데 아무 역할도 하지 않는 썸네일이 그렇게 많아요. 조명도 잘 받고 가운데에 자리도 잡았는데 전하는 정보는 하나도 없는 얼굴이요. 얼굴이 실어 나르는 건 표정이고, 표정은 썸네일에 늘 부족한 것, 즉 이야기가 지금 어떤 상태인지를 전할 수 있어요.

어떤 표정이 통할지는 취향이 아니라 썸네일 크기가 정해요

2009년 Psychological Science에 실린 프레이저 스미스(Fraser Smith)와 필리프 쉰스(Philippe Schyns)의 논문 "Smile through your fear and sadness"는 거리가 멀어져도 살아남는 표정이 무엇인지 물었어요. 거리가 얼굴을 흐리게 만드는 방식 그대로 얼굴 이미지를 열화시켜, 240 × 160픽셀에서 최저 15 × 10픽셀까지 다운샘플링한 다음 사람들이 어떤 감정을 여전히 알아보는지 측정했어요. 멀리서 가장 잘 알아본 두 표정은 기쁨과 놀람이었어요. 이 두 표정을 구별해 주는 정보가 여러 저공간주파수 대역에 걸쳐 있기 때문이에요. 이미지를 줄여도 남는, 굵고 흐릿한 층이요. 두려움과 분노는 전 구간에서 잘 알아보지 못했어요. 연구진은 여기서 진화적인 논리를 읽어 냈어요. 먼 거리에서 통하는 두 신호는 마침 먼 거리에서 보내고 싶은 신호이고, 나머지는 대화하는 거리에서 쓰도록 만들어졌다는 거예요.

9년 뒤 스미스는 스테파니 로싯(Stéphanie Rossit)과 함께 PLOS ONE에 낸 논문에서 반대 방향으로 접근해 주변 시야에서 표정을 식별하는 능력을 테스트했어요. 참가자 14명이 얼굴을 시야 중앙에서 본 뒤, 좌우로 15도와 30도 떨어진 위치에서 봤어요. 중심에서 멀어질수록 인식률이 떨어졌고, 바깥쪽에서 가장 잘 버틴 표정은 이번에도 기쁨과 놀람이었어요. 단순한 감지, 즉 얼굴에 표정이 있다는 것 자체를 알아채는 부분은 요약마다 설명이 엇갈리니, 확실한 건 식별 쪽이라고 보면 돼요.

이제 이걸 썸네일이 실제로 보이는 자리에 대입해 보세요. 사이드바나 모바일 목록에서 썸네일은 168 × 94에 가까운 크기로 표시되고, 시청자가 똑바로 쳐다보는 대상인 경우는 거의 없어요. 시청자의 중심와는 격자의 다른 곳에 가 있고, 주변 시야가 내 이미지에 시선을 줄 만한지 판단해요. 작고 중심에서 벗어난 상태가 평범한 시청 조건이고, 바로 그 조건에서 대부분의 표정이 읽히지 않게 된다는 게 실험실 연구의 결론이에요.

크리에이터들이 알아차리긴 하지만 이유는 설명하지 못하던 패턴도 이걸로 풀려요. 연극처럼 과장된 표정은 MrBeast 시대의 과잉만은 아니에요. 해상도가 낮은 매체에서는 과장이 합리적인 대응이에요. 입을 더 크게 벌리고 눈썹을 더 높이 올리면 표정의 더 많은 부분이 섬세한 디테일이 아닌 굵직한 형태에 실려요. 대가는 과장이 사람들의 인상에 미치는 다른 모든 영향이에요. 그래도 메커니즘은 진짜이고, 모니터에서는 세련돼 보이던 절제된 표정이 피드에서는 묻혀 버리는 이유도 여기에 있어요.

표정은 실제로 무엇을 위한 걸까요

썸네일 표정은 보통 감정을 전달하는 것으로 설명돼요. 이렇게 생각하면 썸네일이 나빠져요. 감정만으로는 정보가 되지 않거든요. 공포, 기쁨, 충격은 언제든 지어 보일 수 있고, 그것만으로는 아무 의미도 없어요.

쓸모 있는 관점은 서사 속 위치예요. 얼굴은 시청자가 아직 볼 수 없는 결과를 기준으로 그 사람이 지금 어디쯤 서 있는지를 보여 줘요. 한창 일이 터지는 중인 것도 위치예요. 곧 결과를 알게 되기 직전인 것도 위치예요. 방금 결과를 알았는데 생각보다 나빴다는 것도 위치예요. 각각 이야기의 모양을 암시하되 결말은 알려 주지 않아요. 그게 썸네일이 할 일이에요. 궁금증을 열고, 열어 둔 채로, 닫는 건 제목과 첫 10초에 맡기는 거예요.

이렇게 보면 흔히 보는 표정 표도 더는 임의적이지 않아요. 놀란 얼굴이 반전 영상에 어울리는 건 놀람이 클릭을 부르기 때문이 아니라, 크리에이터를 시청자보다 한 발 앞에 세우고 시청자도 곧 따라잡게 될 거라고 약속하기 때문이에요. 같은 얼굴을 스프레드시트 튜토리얼에 쓰면 누구에게도 통하지 않아요. 그 표정이 기준으로 삼을 결과가 없으니까요. 그러니 문구를 가려 보세요. 처음 보는 사람이 얼굴만 보고 좋은 일이 일어났는지, 나쁜 일이 일어났는지, 아니면 곧 일어날지 알 수 없다면, 그 얼굴은 화면에서 가장 값진 자리를 차지하고도 아무 말도 하지 않는 거예요. 클릭률 높은 썸네일의 규칙도 구도 쪽에서 같은 이야기를 해요. 시선이 머무는 곳은 하나, 그리고 거기에 담는 메시지도 하나예요.

썸네일 표정 한눈에 보기

위에서 살펴본 가독성 연구 결과와 각 표정이 전할 수 있을 법한 신호를 한데 모았어요. 가독성 열은 연구에 근거를 두고 있고, 신호 열은 판단이에요. 법칙이 아니라 테스트해 볼 가설로 읽어 주세요.

표정	작고 중심에서 벗어났을 때의 가독성	전할 수 있는 신호	흔한 실패
입을 크게 벌린 경악	강함. 벌린 입은 굵직한 형태라 많이 줄여도 남아요	결과가 나왔고, 그게 극단적이었다	포화: 주변 썸네일이 모두 경악하고 있으면 경악은 신호가 아니라 기본값이 돼요
놀람(올라간 눈썹, 크게 뜬 눈)	강함. 먼 거리와 주변 시야에서 가장 잘 알아보는 두 표정 중 하나예요	새로움, 발견, 예상 밖의 숫자	눈썹 움직임이 작으면 어정쩡한 경악처럼 보여요
진짜 미소	강함. 먼 거리에서 가장 잘 알아보는 나머지 하나예요	따뜻함, 좋은 결과, 믿고 따라 해도 되는 안내	억지 미소는 스톡 사진처럼 보여요(아래 참고)
두려움	약함. 2009년 다운샘플링 연구에서 모든 시청 거리에 걸쳐 잘 알아보지 못했어요	걸려 있는 것, 위험, 통제를 벗어난 상황	그냥 놀란 얼굴이나 억지로 찡그린 얼굴로 뭉개져요
분노	약함. 이 역시 테스트한 전 구간에서 잘 알아보지 못했어요	갈등, 저격, 부당함	작은 렌더링이 지워 버리는 눈썹과 입의 디테일에 기대요
혐오	잘해야 보통. 코와 윗입술의 디테일로 이루어져 있어요	내려진 판정, 대개 제품이나 주장에 대한 것	당황한 표정으로 잘못 읽히고, 시청자가 나를 싫어하게 만들 가능성도 가장 커요
의심(한쪽 눈썹, 비대칭)	약함. 비대칭은 이미지를 줄일 때 가장 먼저 사라지는 정보예요	검증 중인 주장, 확실한 의견이 담긴 리뷰	168픽셀에서는 무표정처럼 보여요
집중이나 안간힘	보통. 몸까지 함께 표현해 준다면요	어려움, 진행 중인 도전, 손기술	얼굴만으로는 안간힘과 불편함을 구분하지 못해요
의도된 무표정	형태로는 높음. 해석할 게 없으니 오히려 잘 읽혀요	건조한 유머, 권위, 정신없는 화면과의 대비	화면 속 다른 무언가가 일을 해 줄 때만 통해요

패턴은 일관돼요. 살아남는 건 크고 저주파인 움직임이에요. 크게 벌린 입, 치켜든 눈썹, 올라간 광대. 실패하는 건 미묘하고 사회적으로 세련된 쪽의 표정이에요. 안타깝게도 원본 크기에서 가장 보기 좋은 표정이 바로 그쪽이에요.

크리에이터가 실제로 쓰는 표정은 또 다른 문제예요

기준이 되는 비율은 알아 둘 만해요. 2024년 9월에 공개된 Kapwing의 성과 상위 썸네일 분석은 썸네일에 나온 표정을 분류했는데, 가장 흔한 두 표정은 놀람과 기쁨으로 각각 약 27%였어요. 분석한 사람들은 화난 얼굴이나 슬픈 얼굴이 더 잘될 줄 알았다고 덧붙였어요. 이 결과는 있는 그대로 읽어야 해요. 크리에이터가 무엇을 고르는지에 대한 집계이지, 무엇이 통하는지를 잰 결과가 아니에요.

오히려 따라 하지 말아야 할 이유에 가까워요. 경쟁 썸네일의 절반이 두 가지 표정에서 나온다면, 그 두 표정은 내 썸네일이 돋보여야 할 배경 벽지가 되는 셈이니까요.

시선: 정면 응시와 시선 유도는 다른 도구예요

인물이 어디를 보느냐는 얼굴이 어떤 표정을 짓느냐와 별개의 결정이에요. 그리고 이 부분의 장단점에 대해서는 연구가 이례적으로 명확해요.

렌즈를 똑바로 보는 정면 응시는 주의를 붙잡고 붙들어 둬요. 주변 시야 위치에 제시된 얼굴 중 정면을 응시하는 얼굴이 다른 곳을 보거나 눈을 감은 얼굴보다 주의를 더 끌고, 일단 시선이 닿으면 그 주의를 붙들어 둬요. 신생아도 자기를 마주 보는 얼굴을 더 좋아한다는데, 이 민감성이 학습된 게 아니라는 뜻이에요. 메커니즘을 두고는 아직 논쟁이 있어요. 2021년 Attention, Perception & Psychophysics에 실린 연구는 이런 주의 포착이 눈 자체보다 주변 얼굴 맥락에 달려 있다고 결론 내렸고, 2015년의 한 연구는 눈이 보이는 게 필요조건도 충분조건도 아니라는 결과를 얻었어요. 이런 이견 속에서도 효과 자체는 그대로 남아요.

다른 곳을 보는 시선은 하는 일이 달라요. 프리젠(Friesen)과 킹스톤(Kingstone)이 1998년 Psychonomic Bulletin & Review에 발표한 논문에서 확립한 시선 단서 패러다임에서는, 눈을 옆으로 돌린 얼굴이 화면 가운데에 나온 뒤 왼쪽이나 오른쪽에 표적이 나타나요. 사람들은 얼굴이 보던 쪽에 나온 표적에 더 빨리 반응했어요. 시선이 표적 위치를 예측해 주지 않는데도, 심지어 그 사실을 알고 있을 때도요. 이 전환은 반사적이고, 아주 짧은 간격에서도, 수백 밀리초의 간격에서도 나타났어요.

그러니 정말로 둘 중 하나를 골라야 해요.

• 얼굴이 주인공이면 정면 응시. 리액션, 해설, 개인적인 이야기처럼 무언가에 대한 나의 반응이 곧 콘텐츠인 경우예요.
• 다른 게 주인공이면 다른 곳을 보는 시선. 고쳐 놓은 엔진, 타 버린 케이크, 차트 같은 거요. 시선으로 가리키는 게 화살표보다 깔끔하게 주의를 옮겨요. 가리키는 대상에 대해 어떤 기분을 느껴야 하는지까지 알려 주니까요.
• 둘 다는 안 돼요. 렌즈를 보면서 손으로는 물건을 가리키는 얼굴은, 시청자가 겨우 내어 준 찰나의 시간 안에 두 가지 지시를 해석하라고 요구하는 셈이에요. 하나는 지게 되고, 어느 쪽이 질지는 내가 고를 수 없어요.

미소의 함정: 168픽셀에서의 뒤센 표지

미소는 썸네일에서 가장 많이 쓰이는 표정이면서 가장 자주 망치는 표정이에요. 그 이유는 이름까지 알아 둘 만해요. 입만 쓰는 미소는 큰광대근(zygomaticus major)이 만들어요. 여기에 눈구멍을 둘러싼 고리 모양 근육인 눈둘레근(orbicularis oculi)까지 함께 쓰는 미소는 광대를 올리고, 눈매를 가늘게 만들고, 눈꼬리에 주름을 잡아요. 이 두 번째 요소가 뒤센 표지(Duchenne marker)이고, 오랫동안 진짜 미소와 꾸민 미소를 가르는 기준으로 여겨졌어요.

그 주장은 힘을 잃었는데, 카메라 앞에 서는 사람에게는 반가운 소식이에요. 세라 거너리(Sarah Gunnery)가 이끈 연구에서 대부분의 사람이 요청받으면 이 표지를 만들어 낼 수 있었어요. 참가자의 약 71%가 뒤센 미소를, 69%가 비뒤센 미소를 따라 하는 데 성공했고, 아무도 코칭을 받지 않았으니 이 수치조차 실제 능력을 과소평가한 것일 수 있다고 연구진은 말해요. 이 표지가 진심을 보증해 주지는 않는다는 거예요.

그래도 미소가 읽히는 방식은 여전히 바꿔 놓아요. 2020년 Frontiers in Psychology에 실린 연구는 보툴리눔 독소로 눈둘레근 바깥쪽을 마비시켰는데, 그렇게 만들어진 비뒤센 미소는 덜 행복하고, 덜 진짜 같고, 덜 진심 같고, 덜 자연스럽다는 평가를 받았어요. 미묘하지만 예상한 방향의 효과예요. 미소가 클수록 근육이 더 많이 동원되니, 이 효과의 일부는 진정성이 아니라 미소의 강도를 반영한다고 보는 연구자도 있어요. 썸네일에서는 어느 설명이든 같은 지시로 이어져요.

그리고 여기서 해상도 문제가 다시 등장해요. 168픽셀에서는 주름이 사라져요. 작은 렌더링이 가장 먼저 버리는 게 섬세한 디테일이거든요. 남는 건 같은 근육이 만드는 굵직한 형태예요. 더 높이 올라간 광대, 더 가늘어진 눈, 통째로 모양이 바뀐 눈가. 그러니 '눈으로 웃으라'는 말은 분위기에 대한 조언이 아니라, 정지 화면에서 확인할 수 있는 두 가지 변화를 설명하는 말이에요. 광대가 올라갔는지, 눈매가 가늘어졌는지. 입만 웃는 미소는 썸네일 크기에서 가식적으로 보인다기보다 아예 아무것도 읽히지 않아요. 그게 더 나빠요.

표정은 시청자가 판단하기도 전에 먼저 작용해요

울프 딤베리(Ulf Dimberg)는 안면 근전도 연구로, 표정을 보기만 해도 보는 사람의 얼굴에 그에 맞는 움직임이 생긴다는 걸 밝혔어요. 1982년 Psychophysiology에 실린 연구에서 행복한 얼굴은 광대 부위의 활동을, 화난 얼굴은 눈썹을 모으는 근육인 눈썹주름근 부위의 활동을 늘렸어요. 1998년 후속 연구에서는 이런 서로 다른 반응이 불과 300~400밀리초 노출만으로 감지됐어요. 2000년 Psychological Science에 모니카 툰베리(Monika Thunberg), 쿠르트 엘메헤드(Kurt Elmehed)와 함께 낸 논문은 역방향 차폐 기법으로 의식적으로 볼 수 없을 만큼 짧게 얼굴을 보여 줬는데도, 그에 맞는 반응이 여전히 나타났어요. 이후 참가자에게 반응하지 말라고 지시한 연구에서도 반응은 예상한 방향으로 나타났어요.

이 시간이 중요해요. 스크롤을 넘길지 말지는 대략 이 모방과 같은 시간 안에 결정돼요. 그러니 시청자가 제목을 읽을 즈음이면 표정은 이미 시청자의 얼굴을 어떤 분위기로 살짝 끌어다 놓은 뒤예요. 분노한 얼굴은 갈등을 전하기만 하는 게 아니라 보는 사람의 눈썹까지 움직여요.

다만 이 연결 고리가 어디서 끝나는지는 조심해서 봐야 해요. 썸네일 표정의 모방과 클릭을 연결한 연구는 없어요. 연구가 뒷받침하는 건 메커니즘이지 결과가 아니고, 썸네일 조언 대부분이 근거 없는 확신을 지어 내는 곳이 바로 이 틈이에요. 낚시 썸네일의 심리학에서 이 경계를 더 자세히 다뤘어요. 지금 내려야 할 결정에는 조심스러운 버전만으로도 충분해요. 내가 고른 표정이 곧 제목이 읽히는 분위기가 되니, 영상이 감당할 수 있는 표정을 고르세요.

놀란 얼굴 썸네일, 제대로 답해 볼게요

썸네일 표정 이야기는 결국 입을 떡 벌린 놀란 얼굴로 흘러가고, 이제 끝난 거 아니냐는 질문이 나와요. 흔히 인용되는 건 MrBeast예요. 그는 2023년에 입을 크게 벌린 표정에서 입을 다문 표정으로 바꾼 뒤 시청 시간이 늘었다고 말했어요. 이 발언은 널리 퍼졌고 다른 크리에이터들도 나름의 해석을 내놨는데, MKBHD도 그중 하나로, 놀란 얼굴 썸네일을 클릭한 시청자가 낚였다고 느낄 수 있다고 봤어요.

진지하게 받아들이되, 이게 무엇인지는 알아 둬야 해요. 플랫폼에서 가장 큰 채널을 운영하는 크리에이터 한 명이 공개하지 않은 자기 지표를 두고 한 이야기이고, 공개된 수치는 없어요. MrBeast 썸네일 스타일 분석에서 그 채널의 방식 중 무엇이 다른 채널에도 통하고 무엇이 통하지 않는지 정리했어요.

일반화할 수 있는 논리는 포화이고, 이건 취향의 문제가 아니에요. 어떤 형식이 통하면 퍼지고, 퍼지면서 차별성을 잃어요. 시청자의 눈이 높아져서가 아니라, 그 형식을 눈에 띄게 하던 대비가 사라지기 때문이에요. 놀란 얼굴 전에는 빨간 화살표와 노란 외곽선이 그랬고, 그 뒤를 잇는 무엇이든 마찬가지일 거예요.

그러니 남는 방법은 하나뿐이에요. 내 채널에서 테스트하는 거예요. YouTube의 Test & Compare는 한 영상에서 썸네일을 최대 세 개까지 맞붙이고, 단순 클릭 수가 아니라 시청 시간 점유율로 승자를 정해요. 여기서는 그게 맞는 기준이에요. 과장된 표정에 대한 비판의 핵심이 영상이 감당하지 못할 클릭을 사 온다는 것이니까요. 클릭에서 이기고 시청 시간에서 지는 표정이야말로 이 도구가 드러내 주는 실패예요. 게다가 표정은 나머지를 전부 고정해 두고 비교할 수 있는 몇 안 되는 썸네일 변수예요. 같은 크롭, 같은 조명, 같은 문구에 한 번의 촬영에서 뽑은 프레임 세 장이면 돼요.

실제로 쓸 수 있는 표정을 찍는 법

표정은 사진이 아니라 순간이고, 순간은 포즈로 잘 만들어지지 않아요. 대부분의 프로가 결국 찾는 해결책은 포즈를 잡으려는 노력을 그만두는 거예요.

1. 사진 말고 영상으로 찍으세요. 무표정에서 놀람으로, 놀람에서 경악으로 갔다가 다시 돌아오는 식으로 표정을 바꿔 가며 10~15초를 녹화한 다음 프레임을 뽑으세요. 연속 장면에는 어떤 포즈로도 만들 수 없는 중간 표정이 담기고, 썸네일에 가장 좋은 프레임은 대개 그런 중간 표정이에요. 동영상 프레임 추출 도구가 바로 이 단계를 위한 거예요.
2. 눈가부터 조명을 맞추세요. 눈은 신호에서 차지하는 몫이 유난히 크고, 가장 쉽게 잃는 부분이기도 해요. 주범은 머리 위 조명이에요. 눈썹이 눈구멍에 그림자를 드리우고, 얼굴을 위로 들지 않는 한 캐치라이트가 생기지 않아요. 눈높이보다 살짝 위에서 정면이나 45도로 비추는 광원, 또는 빛을 아래에서 위로 되튕겨 주는 반사판을 쓰면 눈에 하이라이트가 또렷하게 맺히고 눈구멍도 어둡게 묻히지 않아요. 광원이 클수록 캐치라이트도 커져요.
3. 적당하다 싶은 것보다 더 타이트하게 잡으세요. 모니터에서 편하게 읽히는 얼굴도 168픽셀에서는 너무 작은 경우가 많아요. 사람들이 표정을 판단할 때 기대는 두 부위인 눈과 입이 화면에서 의미 있는 비중을 차지하도록 크롭하세요.

썸네일용 사진 찍는 법에서 카메라 쪽 이야기를 더 깊이 다뤘어요. 휴대폰으로 쓸 만한 결과를 얻는 방법도 담았어요.

AI로 만든 얼굴과 정책의 선

필요한 표정을 마음대로 지을 수 없을 때는 생성하거나 합성한 얼굴도 정당한 선택지예요. 다만 두 가지 제약이 있어요. 첫째는 YouTube의 썸네일 정책이에요. 크리에이터가 걱정하는 것보다 범위는 좁고, 생각하는 것보다 기준은 날카로워요. 커뮤니티 가이드를 위반하는 썸네일은 허용되지 않고, 금지 항목에는 충격이나 혐오감을 주려는 폭력적인 이미지가 들어 있으며, 영상에 없는 내용을 보게 될 거라고 시청자를 오해하게 만들어서도 안 돼요. 조치로는 썸네일 삭제와 경고(스트라이크)가 있을 수 있지만, 처음 위반하면 주의만 받을 수도 있어요. 표정이 풍부한 얼굴 자체를 제한하는 내용은 없어요. 제한하는 건 영상에 없는 사건을 약속하는 얼굴이에요.

둘째, 표정이 렌더링을 견뎌야 해요. 생성된 얼굴이 썸네일 크기에서 실패하는 이유는 억지 미소와 같아요. 굵직한 형태는 얼추 맞는데 눈가가 미묘하게 어긋나고, 신호가 담기는 곳이 바로 그 눈가예요. Thumblore는 바로 이 부분을 중심으로 만들어졌어요. 원하는 표정의 얼굴을 YouTube가 보여 주는 해상도로 생성하고, 디자인할 때의 크기가 아니라 그 크기에서 확인할 수 있게 해 줘요. 리액션 컷으로 썸네일을 만드는 채널이라면 리액션 썸네일 생성기가 딱 이 문제에 맞춰져 있어요.

자주 묻는 질문

YouTube 썸네일에 가장 좋은 표정은 뭔가요?

하나의 정답은 없지만, 근거 있는 기본값은 있어요. 크고 분명하게 읽히는 놀람이나 진짜 미소예요. 연구에서 거듭 확인된, 축소와 주변 시야를 견디는 두 표정이니까요. 그다음으로 맞는 표정은 영상이 보여 줄 결과를 기준으로 내가 어디에 서 있는지를 말해 주는 표정이에요. 또렷하게 읽혀도 아무것도 약속하지 않는 표정은 얼굴이 아예 없는 것보다 나을 게 없어요.

놀란 얼굴 썸네일, 아직도 통하나요?

여전히 읽히긴 해요. 하지만 여전히 통한다는 것과는 다른 이야기예요. 벌린 입은 작은 크기에서도 아주 잘 읽히니 기계적인 역할은 계속 해내요. 문제는 포화예요. 주변 썸네일의 상당수가 같은 표정을 쓰면 더는 나를 구별해 주지 못해요. 입을 다문 버전과 맞붙여 테스트하고, 클릭이 아니라 시청 시간 점유율로 판단하세요.

YouTube 썸네일에서 웃는 게 좋을까요?

미소는 작은 크기에서 가장 잘 알아보는 표정 중 하나예요. 그러니 따뜻함이나 좋은 결과를 약속하는 콘텐츠라면 웃는 게 좋아요. 조건은 눈 주위 근육까지 써서 광대가 올라가고 눈매가 가늘어져야 한다는 거예요. 입만 웃는 미소는 썸네일 크기에서 텅 빈 얼굴로 보여요. 입 혼자 다 하고 있기 때문인데, 입 혼자 다 하는 미소가 바로 스톡 사진의 얼굴이에요.

꼭 카메라를 봐야 하나요?

아니요. 정면 응시는 주의를 붙잡고 붙들어 두니, 내 반응이 주인공일 때 쓰세요. 다른 곳을 보는 시선은 내가 보는 방향으로 주의를 반사적으로 끌어가니, 화면 속 물체가 주인공일 때 쓰세요. 눈에는 역할을 하나만 맡기세요. 둘 다 하려는 장면은 결국 어느 쪽도 해내지 못해요.

썸네일에서 얼굴은 얼마나 커야 하나요?

168 × 94픽셀에서 눈과 입이 각각 또렷하게 보일 만큼이요. 대개 원본 크기 캔버스에서 디자이너가 고르는 크기보다 커요. 표정이 축소 테스트를 통과할 때까지 크롭하고, 거기서 멈추세요. 얼굴이 화면을 꽉 채우면 표정이 무엇에 대한 것인지 알려 줄 물체, 문구, 맥락이 들어갈 자리가 없어요.

얼굴이 들어간 썸네일이 조회수가 더 많나요?

지금 나와 있는 근거로는 아니에요. 채널을 고정하고 비교한 가장 깔끔한 공개 분석에서는 얼굴이 들어간 쪽의 조회수가 약 6% 적었고, 이점이 있다고 나온 채널 간 비교는 채널 규모라는 교란 요인이 섞여 있어요. 성과 상위 썸네일에 얼굴이 흔한 건 맞지만, 워낙 흔해서 얼굴이 있다는 사실로 설명되는 건 많지 않아요. 얼굴은 그 자체로 개선책이 아니라 정보를 실어 나르는 수단으로 생각하세요.

정리하면

표정 논쟁은 대개 취향 싸움으로 흘러가요. 한쪽은 연극적인 얼굴이야말로 플랫폼이 보상하는 거라고 옹호하고, 다른 쪽은 절제를 품질의 표시로 여겨요. 두 쪽 모두 결과를 정하는 층보다 한 단계 위에서 다투고 있어요. 썸네일은 작게, 그리고 누군가의 시야 한구석에서 보이고, 그 조건에서는 사람이 지을 수 있는 표정 대부분을 쓸 수 없어요. 기쁨과 놀람은 멀리까지 닿아요. 미묘함은 닿지 않아요. 이건 취향이 아니라 이미지의 성질이에요.

멀리까지 닿는 표정으로 무엇을 할지는 어떤 연구도 대신 정해 주지 못해요. 결과를 기준으로 얼굴의 위치를 정하세요. 눈에는 역할을 하나만 주세요. 입만이 아니라 광대가 움직였는지 확인하세요. 그런 다음 세 가지 버전으로 테스트하세요. 내 시청자를 설명해 주는 데이터는 내 시청자에게서만 나오니까요.

Thumblore는 이 과정 중 제작 쪽을 맡아요. 영상에 필요한 바로 그 표정을 YouTube가 보여 주는 크기로 생성해 주니, 표정 하나를 테스트하는 데 재촬영이 아니라 몇 분이면 충분해요. 얼굴이 놓이는 화면 전체에 대해서는 시선 추적 연구가 보여 주는 것과 보여 주지 않는 것, 그리고 썸네일 구도를 다룬 글을 참고하세요.