분석 개요
이 리포트는 영화 《휴민트》 티스토리 블로그 리뷰의 구글 검색 유입을 극대화하기 위해, 구글 자동완성 API와 네이버 블로그 검색 결과를 결합한 데이터 기반 키워드 전략을 제시합니다.
개발 목적
이 자동화 도구가 해결하려는 핵심 문제와 목표를 정의합니다.
핵심 목적
블로그 콘텐츠의 검색 엔진 최적화(SEO)를 위한 키워드 리서치 과정을 자동화하여, 최소한의 노력으로 최대의 조회수를 확보할 수 있는 '기회 키워드'를 발굴하는 것입니다.
수요 측정
특정 주제에 대해 사람들이 실제로 얼마나 검색하는지 파악
경쟁도 측정
해당 키워드로 이미 얼마나 많은 콘텐츠가 발행되었는지 파악
정량적 평가
'수요는 높고 경쟁은 낮은' 키워드를 객관적 점수로 환산
분석 방법론
수요와 경쟁도를 측정하는 두 가지 데이터 소스와 기회 점수 공식을 설명합니다.
수요 측정 (Demand)
구글 자동완성 API를 사용합니다. 특정 키워드가 구글 자동완성 목록에 나타나면 최소한의 검색 수요가 있다고 판단합니다.
경쟁도 측정 (Competition)
네이버 블로그 검색 결과 수를 사용합니다. 한국어 콘텐츠의 실질적인 경쟁도는 네이버 검색 결과에 잘 나타납니다.
기회 점수 공식
Score = 100 ÷ (경쟁도 + 1)
경쟁도 0 → 100점 | 경쟁도 9 → 10점 | 경쟁도 99 → 1점
키워드 기회 매트릭스
모든 키워드는 수요와 경쟁도에 따라 4개의 사분면 중 하나에 속합니다. 목표는 2사분면(황금 키워드)입니다.
황금 키워드
수요 높음 + 경쟁 낮음
레드오션
수요 높음 + 경쟁 높음
공략 가치 낮음
수요 낮음 + 경쟁 낮음
최악의 조합
수요 낮음 + 경쟁 높음
키워드 분포 — 경쟁도 vs 기회 점수
- 황금 키워드
- 레드오션
기회 키워드 목록
수요(구글 자동완성 등장)가 있으면서 경쟁도가 낮은 키워드들입니다. 점수가 높을수록 블루오션입니다.
황금 키워드 기회 점수 순위
| # | 키워드 | 수요 | 경쟁도 | 점수 | 검색 의도 | 카테고리 |
|---|---|---|---|---|---|---|
| 1 | 베를린 휴민트 사건 정리 | O | 3 | 25.0 | 정보형 | 사건/배경 |
| 2 | 베를린 휴민트 사건 요약 | O | 4 | 20.0 | 정보형 | 사건/배경 |
| 3 | 휴민트 루민트 차이점 | O | 2 | 33.3 | 비교형 | 용어/개념 |
| 4 | 이중 휴민트 무빙 | O | 5 | 16.7 | 정보형 | 드라마 연계 |
| 5 | 휴민트 국정원 | O | 6 | 14.3 | 정보형 | 사건/배경 |
| 6 | 휴민트 촬영지 | O | 4 | 20.0 | 정보형 | 제작 정보 |
| 7 | 휴민트 원작자 | O | 3 | 25.0 | 정보형 | 제작 정보 |
| 8 | 휴민트 미국 개봉일 | O | 5 | 16.7 | 거래형 | 개봉 정보 |
| 9 | 휴민트 OST 가사 | O | 2 | 33.3 | 탐색형 | OST |
| 10 | 휴민트 감독판 | O | 1 | 50.0 | 탐색형 | 제작 정보 |
| 11 | 휴민트 실화 사건 | O | 7 | 12.5 | 정보형 | 사건/배경 |
| 12 | 휴민트 줄거리 요약 | O | 8 | 11.1 | 정보형 | 줄거리 |
추천 블로그 제목 예시
영화 휴민트 줄거리 요약 + 결말 포함 | 베를린 휴민트 사건 실화 정리
휴민트 뜻부터 루민트 차이점까지 | 국정원 휴민트 완벽 정리
영화 휴민트 출연진·감독·촬영지 총정리 | 실화 사건 배경 해설
자동화 워크플로우
콘텐츠 기획 때마다 반복하는 5단계 표준 프로세스입니다.
시드 키워드 설정
config.json분석하고 싶은 주제의 핵심 키워드 3~5개를 config.json에 입력합니다.
구글 자동완성 수집
google_suggest_scraper.pygoogle_suggest_scraper.py를 실행하여 연관 검색어를 자동 수집합니다. 수집된 키워드는 CSV로 저장됩니다.
수요·경쟁도 분석
keyword_opportunity_finder.pykeyword_opportunity_finder.py로 각 키워드의 구글 자동완성 등장 여부(수요)와 네이버 블로그 포스트 수(경쟁도)를 측정합니다.
기회 점수 계산
results/*.csvScore = 100 ÷ (경쟁도 + 1) 공식으로 각 키워드의 기회 점수를 산출하고 CSV 리포트를 생성합니다.
콘텐츠 전략 수립
블로그 에디터황금 키워드를 제목과 H2에 배치하고, 레드오션 키워드는 롱테일 변형으로 공략합니다.
파이썬 코드
로컬 환경(Windsurf)에서 직접 실행할 수 있는 두 가지 핵심 스크립트입니다.
# google_suggest_scraper.py 핵심 로직
import requests
from urllib.parse import quote
def get_google_suggestions(keyword: str) -> list[str]:
"""구글 자동완성 API로 연관 검색어 수집"""
url = "https://suggestqueries.google.com/complete/search"
params = {
"q": keyword,
"client": "firefox", # JSON 형식 반환
"hl": "ko", # 한국어 결과
"gl": "KR", # 한국 지역
}
headers = {"User-Agent": "Mozilla/5.0 ..."}
response = requests.get(url, params=params,
headers=headers, timeout=10)
# 반환 형식: [원본 키워드, [연관 검색어 목록], ...]
return response.json()[1]실행 방법
# 1. 의존성 설치 (최초 1회) pip install requests beautifulsoup4 # 2. 스크립트 실행 python google_suggest_scraper.py python keyword_opportunity_finder.py
코드 개선안 (V2)
기존 두 스크립트의 한계를 극복하고 더 정확한 SEO 분석을 위한 개선 방향입니다.
현재 코드의 핵심 한계
플랫폼 불일치: 수요는 구글에서, 경쟁도는 네이버에서 측정하여 구글 SEO에 대한 직접적인 경쟁 분석이 불가합니다. 구글 검색 유입을 노린다면 경쟁자 역시 구글 검색 결과 페이지에 있는 문서들을 대상으로 삼아야 합니다.
V1 현재
- •수요: 구글 자동완성 API
- •경쟁도: 네이버 블로그 포스트 수
- •1차 연관 검색어만 분석
- •단일 점수 지표
V2 개선안
- •수요: 구글 자동완성 API (유지)
- •경쟁도: 구글 allintitle: + 네이버 VIEW
- •N단계 롱테일 재귀 탐색 (depth 파라미터)
- •구글/네이버 이중 경쟁도 통합 점수
권장 워크플로우 (비용 최적화)