[애드센스] 복제된 콘텐츠가 있는 화면에 Google 게재 광고

블로그를 시작하고 애드센스를 연결했다.

심사를 신청한지 몇주가 지나도 결과가 나오지 않다가 오늘 확인해 보니 '리젝' 😰

 

그런데 문제는 무엇 때문에 리젝이 되었는지 판단하지 못하겠다는 거다. 🤔🥺

그리고, "정책 위반이 발견되었습니다."라는 의견에 문의를 할 수 있는 곳이 보이지 않는다. 😱😡

 

어떻게 해야하지 고민하다가 구글링이🤗 방법뿐이라 판단해 찾아보았지만 무엇 때문인지 알수가 없었다. 😥

자의적인 해석으로 수정하는 수밖에 없다는 결론에...

 복제된 콘텐츠가 있는 화면에 Google 게재 광고

 

다른 사이트의 콘텐츠를 복붙해서 사용했다는 말인가? 싶었지만, 그런적이 없기에..

그럼 다른 시각으로 "복제된 콘텐츠가 있는 화면..."을 해석해야 했다.



https://adsense.googleblog.com/2012/04/tips-for-creating-high-quality-sites.html

 

Tips for creating high quality sites

We receive a lot of questions from publishers wanting to know best practices to grow your businesses with AdSense. While there's no one ri...

adsense.googleblog.com

위 링크 내용 중에 "중복된 콘텐츠가 있는 여러 페이지나 사이트를 만들지 마세요." 라는 말을 자의적으로 해석해 보면 "블로그의 포스트 하나로 끝내라"는 의미로 해석되었다. 내가 작성하는 블로그는 실험과 도전이라 시리즈 형태로 제작하고 있는데 시작 글과 맺음 글에 "이번 블로그는...", "다음 블로그는..." 이런식으로 작성한 것이 원인이 아닐까 판단하게 되었다.

나의 판단이 맞기를 기대하며, 내용을 모두 수정하고 "검토 요청"을 했다. 🤞

 

 

 

1. 애드센스 "복제된 콘텐츠" 리젝 사유 해석


다음과 같은 경우에도 "복제된 콘텐츠"로 간주할 것이다:


1) 반복적 구조와 표현

  • 시리즈 글에서 서두/결말이 비슷하거나 동일한 문장이 반복되면 복제된 콘텐츠로 볼 수 있습니다.
  • "지난 블로그에서 우리는..." / "다음 블로그에서는..." 같은 내러티브 연결 방식이 반복될 경우 문제될 수 있습니다.

2) 고유성 부족

  • 내용이 독창적이더라도, 구조나 패턴이 너무 반복적이면 자동화된 콘텐츠로 오해될 수 있습니다.
  • 동일한 템플릿에 약간의 변수만 바꾸는 식의 구성은 "콘텐츠 양산형"으로 간주될 가능성.

3) 타사 서비스 설명 위주 콘텐츠

  • A2C, DQN, PPO 같은 기술 소개가 많은 비중을 차지하면, 구글은 이를 정보 재가공 콘텐츠로 보고 순위와 심사에 불이익을 줄 수 있습니다.(특히 검색 가능한 정보가 많을 경우)

 

2. 블로그 수정 방향 제안

 

A. "시리즈 연결" 말투 제거

  • 블로그 본문에서 "지난 글", "다음 글", "이번 실험", "계속됩니다" 같은 시리즈 언급을 제거.
  • 그 글 하나만으로 독립적이고 완결성 있는 정보 전달이 되도록 표현 변경.
 

B. 콘텐츠 구조 차별화

  • 10개의 실험 기록이라면, 각 글에서 초점/시선/질문을 다르게 설정하세요.

예시:

  • 글1: PPO 결과 요약
  • 글2: DQN의 한계점 분석
  • 글3: A2C의 보상 반응 변화 분석
  • 글4: 모델 간 비교 테이블로 정리
  • 글5: 환경 구성과 시뮬레이션 전략 중심

C. 서두를 ‘질문’이나 ‘관점’ 중심으로 시작

  • “이번엔 A2C를 써봤다!”가 아니라,“복잡한 로또 번호 예측, 정책 기반 AI는 어떤 성능을 낼까?”처럼 정보 소비 목적을 분명히.

 

3. 마무리 문장 방향성

“다음 글을 기대해 주세요”보다, 그 글에서 전달하고 싶은 핵심 통찰로 마무리하세요.

❌ 피해야 할 문장

  • 다음 편에서 자세히 다룰 예정입니다.
  • 강화학습 실험은 계속됩니다.

[추천 마무리 방식]

  • 이번 실험을 통해 로또 예측에서 정책 기반 AI의 한계를 확인할 수 있었습니다.
  • 보상 체계와 환경 설계는 강화학습의 성능에 결정적 영향을 줍니다.
  • 실험 기반 결과는 지속적으로 축적하며 개선해 나갈 계획입니다.