← 새 조회

산출 방식

데이터

• ListeningMind Data API path_finder가 시드 질의의 검색 경로 표본(질의 시퀀스, 기본 300개)을 돌려준다. 경로별 빈도는 제공되지 않는다.
• 시드가 경로 앞에 있으면 시드 이후 여정, 뒤에 있으면 시드로 들어오는 유입 경로다. 누수 계산은 시드 이후 여정만 쓴다.
• keyword_info(data_type=all)로 모든 노드의 월평균 검색량, 증감률, SERP 피처, 48개월 월별 검색량(kr은 성·연령 구성비 포함)을 붙인다 [실측].
• 비교 시점은 같은 시드를 time_point=3m/6m/12m으로 다시 조회한 별도 표본이다.
• 소셜 언급량(Sometrend GetKeywordTransitions)은 MCP 전용이라 서버에서 호출하지 않는다. 전이는 ListeningMind 시점 비교로 산출한다.

노드 분류

• 규칙 층: 입력한 내 브랜드·경쟁 브랜드 별칭이 질의에 들어 있으면 그 브랜드로 분류한다. 추천·계급도·순위·가성비·디시 같은 단어는 비교·평가 단계로, 종류·입문·차이 같은 단어는 탐색 단계로 본다.
• LLM 층 [분류]: 규칙으로 정해지지 않은 노드만 LLM(Gemini, 폴백 OpenAI)이 브랜드 유무·종류(brand/model/generic/comparison/community/off_category)·카테고리 안팎을 판정한다. 질의 문구에 없는 브랜드는 만들지 않도록 지시한다.
• 채널 층: 소매점·마켓플레이스·통신사·플랫폼·OS는 브랜드가 아니라 채널로 분류한다(kind=channel, 브랜드 없음). 판단은 카테고리에 매이지 않는 세 겹으로 한다. (1) 엔티티 사전: 시장별 기본 목록(seed)에 실행 중 LLM 판단(llm)과 사용자의 수정(user)이 쌓인다. 카테고리 범위 항목이 전체 항목보다, user가 llm보다 우선한다. 규칙 층에서 브랜드가 안 잡힌 질의에 사전의 채널·플랫폼 이름이 들어 있으면 LLM을 거치지 않고 채널로 둔다. (2) 실행 중 LLM이 새로 발견된 브랜드 이름만 그 카테고리 기준으로 brand/channel/platform/other로 판정하고 결과를 사전에 적는다(채널·플랫폼은 전체 범위에도). (3) 근거 탭의 '채널·플랫폼 걸러내기'와 브랜드별 '카테고리 용어로', 노드 재지정은 사전에 user 항목으로 남아 다음 실행부터 어느 카테고리에서든 적용된다. 사용자가 입력한 경쟁 브랜드 중 채널로 보이는 이름은 근거 탭에 경고로만 표시한다. 사전은 /entities에서 보고 고칠 수 있다.
• 근거 탭에서 노드를 재지정하면 크레딧 없이 전체가 재계산된다.
• 입력 점검: 실행 전에 시드·내 브랜드·경쟁 목록을 엔티티 사전과 대조해 경고를 띄운다(시드가 브랜드로 등록된 이름, 내 브랜드가 채널·플랫폼으로 등록된 이름, 브랜드명에 카테고리 단어 포함, 경쟁 목록의 채널·플랫폼, 내 브랜드가 경쟁 목록에도 있음). 크레딧과 LLM을 쓰지 않는다.

AI Overview 노출

• serp로 받은 검색결과에 AI Overview 블록이 있으면, 그 문단·목록 항목 하나하나에 내 브랜드·경쟁 브랜드(입력한 별칭 + 분류기가 찾은 브랜드명)가 몇 번 나오는지 센다. 가장 많이 언급된 브랜드가 '가장 추천되는 브랜드'이며 동률이면 먼저 나온 쪽이다 [계산].
• 상태: 안전 = 내 브랜드가 최다 언급, 경합 = 내 브랜드와 선두 경쟁사가 동률(경쟁사가 먼저), 위험 = 경쟁사가 최다 언급, 브랜드 없음 = AIO는 있으나 아는 브랜드가 없음, AIO 없음. 내 브랜드가 없는 조회는 '경쟁 언급'으로만 표시한다.
• SERP는 실행 시 상위 누수 허브 3개를 받고, 옵션의 'AI Overview 자동 점검'이 켜져 있으면(기본 켜짐, 기본 20개) 마케터 뷰에 뽑히는 경로의 노드와 상위 누수 지점을 그 개수까지 추가로 받는다. 나머지는 여정 트리·마케터 뷰·드릴다운의 'AIO 점검'으로 노드당 30 크레딧에 받는다. 받은 결과는 저장되어 트리의 점, 경로 패널, 마케터 뷰, 요약 타일, 리포트에 같이 쓰인다.

이 도구가 측정하는 것과 측정하지 않는 것

• 이 도구는 검색 여정 데이터에서 브랜드가 수요를 얻거나 잃는 지점을 발견하는 도구다. 소비자 비중을 측정하지 않는다. 화면의 모든 비중은 반환된 경로 표본 안의 비중이다.
• 경로 도달률(Observed Brand Reach) = 표본 경로 중 그 브랜드 질의에 처음 닿은 경로의 비중. 수요 노출(Demand Exposure) = 닿은 브랜드 질의들의 월평균 검색량 합(중복 제거)의 비중. 시장 점유율이 아니다.
• 근거 등급: 통과 경로 n<5 매우 낮음 · 5~9 낮음 · 10~29 방향성 · 30+ 충분. 통계적 신뢰구간이 아니라 path_finder 표본 구조에서의 근거 성숙도이며, 0%·100%는 반드시 n과 함께 읽는다.
• 축소 추정: 우선순위 점수에 쓰는 누수 강도는 (경쟁 도달 경로 + 4 × 조회 전체 경쟁 도달 비율) / (브랜드 도달 경로 + 4)로 계산해, n이 작을수록 전체 평균으로 끌어당긴다. 화면의 원시 비중은 그대로 두고 n을 병기한다.

수요 확보 지도 (Demand Capture Map)

• 경쟁 브랜드 질의가 아닌 노드를 그 이후 여정의 귀속으로 네 묶음으로 나눈다. 확보(Winning) = 내 브랜드 수요 노출 70% 이상, 누수(Leaking) = 경쟁 브랜드 70% 이상, 경합(Contested) = 그 사이, 미확보(Uncaptured) = 어느 브랜드에도 닿지 않음.
• 누수·경합은 우선순위 점수순, 확보·미확보는 검색량순으로 보여준다. 확보는 지켜야 할 지점이고 미확보는 브랜드가 아직 연결되지 않은 수요다.

마케터 뷰 (주목 경로 선정)

• 여정 트리의 모든 가지(시드 다음부터)를 후보로 두고 규칙으로 최대 6개를 고른다. 유형과 조건: 가로채기 = 브랜드가 아닌 노드이고 통과 경로 5건 이상, 이후 경쟁 도달 경로 40% 이상이며 내 브랜드 도달이 15% 이하이거나 하위 경쟁 수요가 내 브랜드 수요의 3배 이상. 순위는 하위 경쟁 수요 × 경로 수 × (경쟁 도달 − 내 브랜드 도달). 최대 2개.
• 선점 = 브랜드가 아닌 노드, 통과 경로 8건 이상, 이후 브랜드 미도달 50% 이상. 순위는 경로 수 × (1 + √검색량). 최대 2개. 방어 = 내 브랜드 노드(3건 이상) 아래에 경쟁 브랜드 노드가 있는 가지. 전환 유도 = 경쟁 브랜드 노드(5건 이상) 아래에 일반·비교 질의가 2건 이상 이어지는 가지. 강화 = 브랜드가 아닌 노드에서 하위 내 브랜드 수요가 경쟁 수요 이상이고 내 브랜드 도달 30% 이상인 가지. 각 1개.
• 집중 지점: 부모 가지의 수요가 자식 하나에 70% 이상 몰리고 그 자식이 부모 경로 수의 절반 이상을 유지하면 그 자식으로 내려가 표시한다. 브랜드 노드 앞에서 멈춘다. 같은 유형 안에서 부모와 자식이 함께 뽑히지는 않는다.
• 광고 전략 틀(목표·입찰 질의·경쟁사 질의·매체·지표)은 유형별 고정 규칙이며, 질의는 모두 이 결과의 트리에 실제로 나타난 검색어에서만 고른다. '왜 중요한가'의 규칙 문장과 수치는 계산이고, 그 아래 문장·메시지 각도·주의는 LLM 해설이다 [해설].

누수 정의

• 경로의 귀속 = 시드 이후 여정에서 처음 만나는 브랜드 노드. 내 브랜드면 my, 경쟁이면 comp, 브랜드 전에 카테고리 밖 질의를 만나면 exit, 끝까지 브랜드가 없으면 none.
• 노드 A의 이탈 구성 = A를 지나는 경로에서 A 이후 구간의 귀속 비중 [계산].
• 수요 가중 비중 = A 이후 도달한 브랜드 노드를 브랜드별로 중복 없이 모아 월평균 검색량을 합산한 비중. 경로 표본 비중은 경로 수 기준. 두 값을 함께 표기하며 우선순위 점수는 수요 가중을 쓴다.
• leak_index = 경쟁 수요 가중 비중 × 브랜드 도달률(A 이후 브랜드에 도달한 경로 비중).
• 브랜드 도달률 = 전체 시드 이후 경로의 귀속 브랜드 비중(경로 기준·수요 노출 기준).

우선순위 점수

• 점수(0~100) = (30 규모 + 30 누수 강도 + 20 내 브랜드 부재 + 20 모멘텀) × 근거 강도. 각 성분은 조회 내 후보 노드들 사이의 순위 백분위. 근거 강도 = n 30+ 1.0 · 10~29 0.85 · 5~9 0.65 · 5 미만 0.45. 따라서 4경로 100% 누수가 38경로 81% 누수보다 위에 오지 않는다.
• 규모 = 월평균 검색량 [실측]. 누수 강도 = leak_index. 내 브랜드 부재 = 1 − 내 브랜드 수요 가중 비중. 모멘텀 = 현재 leak_index − 비교 시점 leak_index(비교 시점에 없던 노드는 0에서 출발).
• 내 브랜드를 입력하지 않으면 부재 성분을, 비교 시점이 없으면 모멘텀 성분을 빼고 나머지를 재정규화한다.
• 후보 = 경쟁 브랜드 질의가 아니고, 시드가 아니며, 카테고리 밖이 아니고, 통과 경로가 2건 이상인 노드.

퍼널과 전이

• 퍼널(Sankey)은 각 경로를 진입 → 탐색 → 비교·평가 → 브랜드(처음 도달) → 브랜드 심화 열로 접은 흐름이다. 열을 거슬러 올라가는 전이는 그리지 않고 건수만 적는다.
• 전이 = 브랜드별 도달률·수요 노출 변화(1차), 새로 생긴·사라진 누수 엣지와 leak_index가 커진·줄어든 노드(2차). 두 시점 표본의 겹침(공유 경로·공유 노드·Jaccard)을 항상 함께 보여준다. 겹침이 작을수록 변화에는 실제 행동 변화 외에 검색량 변화, 표본 구성 변화, limit 잘림이 섞여 있다.
• 심층 옵션은 내 브랜드 질의와 상위 경쟁 브랜드 질의에서 출발한 경로 표본을 추가로 받아, 그 브랜드를 검토한 뒤 다른 브랜드로 넘어가는 비중(브랜드 검토 후 이탈률)을 계산한다.

해설

• 해설 문장은 LLM이 근거 팩(위 수치와 질의 문구)만 보고 쓴다. 문장 안의 숫자가 근거 팩에 없으면 그 문장을 통째로 버린다 [해설].

→ 엔티티 사전

출처 라벨

• [실측] ListeningMind Data API 응답 값 그대로
• [계산] 실측 입력값(경로 표본·검색량)에서 결정론적으로 계산한 값
• [분류] LLM이 부여한 분류(브랜드·단계). 근거 탭에서 재지정 가능
• [해설] LLM이 작성한 문장. 숫자는 근거 팩과 대조해 출처 없는 수치는 제거
• [데이터없음] 해당 값을 제공하는 데이터가 없음