상황 검색량 = 그 상황이 생기는 크기(월평균). 카테고리로 해결하는 사람 수가 아니라 카테고리가 쓰일 수 있는 상황의 최대 크기다. 연결 신호 = 검색 연결(연결 강도 direct 1 · linked 0.67 · weak 0.33 · none 0)과 AI 답변 연결(그 상황의 대표 검색 결과 중 카테고리가 언급된 비율, AI Overview·인용 1 · 일반 결과 0.5)의 평균, 측정된 것만. 미연결 검색량 = 상황 검색량 × (1 − 연결 신호). 사분면 기준: 상황 검색량 중앙값 7,594 · 연결 신호 0.5. '미측정'은 그 상황의 검색 결과를 받지 않아 AI 답변 연결을 재지 못한 경우이고, 0은 측정했는데 언급이 없던 경우다.
칸 값 = 그 달의 연평균 검색량 ÷ 전체 월평균(1.0 = 평균). 굵은 칸 = 성수기 달.
서베이는 한 시점 스냅샷이라 이 표를 만들 수 없다. 마크로밀이 지적한 '발생 횟수·시계열 변화' 공백을 검색 데이터가 채운다.
규칙: 성장/쇠퇴 = 최근 12개월 합이 직전 12개월 대비 ±20% 이상 / 성수기 달 = 달력 월 지수 ≥1.30 / 계절형 = 최고 월 지수 ÷ 최저 월 지수 ≥1.8. 월별 값은 keyword_info monthly_volume [실측], CEP 시계열은 실측 basket 질의의 합 [파생]. 서베이 CEP 파워(응답자 비율)와 달리 이 빈도는 검색 발생량이다.
연결률 = 이 상황을 지난 검색 경로 중 이후 질의에 카테고리어(アウター)가 나타난 비율 [파생]. 낮음 <20% · 높음 ≥50%. 파워 ≥중앙값이면서 낮음이면 카테고리 성장 후보(마크로밀 원칙 2: 카테고리 점유가 낮은 CEP). 상황 저니(path_finder(상황어))만 쓰고 카테고리 앵커 저니는 제외(구성상 항상 연결). basket 질의 자체에 카테고리어가 든 CEP는 계산하지 않는다.
09W축 분포해석
이 지도의 상황은 어느 축에 몰려 있나
Why 목적·베네핏1 CEP 수 · 파워 합 89%
Who 누구를 위해1 CEP 수 · 파워 합 2%
When 시점·계기5 CEP 수 · 파워 합 2%
Where 장소2 CEP 수 · 파워 합 0%
While 하는 중0 CEP 수 · 파워 합 0%
With whom 누구와0 CEP 수 · 파워 합 0%
Feeling 기분0 CEP 수 · 파워 합 0%
BEP(베네핏 엔트리 포인트): 0 / 10
빈 축: While 하는 중, With whom 누구와, Feeling 기분. 조사표(후보 리스트)가 설계자의 가설에 갇혔을 수 있는 자리다. 다음 실행의 확인·수정 단계에서 이 축의 진입 상황 후보를 추가해 보라.
W축은 GMO 5W1H·다이코 W's 6축을 따라 카드 마감 단계에서 LLM이 붙인 [해석]이고, 6W1H 맥락이 있을 땐 코드가 가장 많이 채워진 축으로 대신한다 [파생]. BEP = why·feeling처럼 원하는 결과가 먼저 오는 진입(하라 타쿠야).
10검색어 속 대상
누구를 위해 찾는가
검색어에 대상(선물 받는 사람·함께하는 사람·사용자)이 직접 드러난 검색만 모아 월 검색량을 합했다. 검색자의 성·연령이 아니라 검색어가 말하는 대상이며, 성·연령 데이터가 없는 시장에서도 똑같이 측정된다.
세부맥락·KBF·제한·회피·수치 임계·신뢰근거는 네 단계로 라벨을 붙인다. 실측은 그 조건이 실제 검색어로 존재하고 월 검색량이 측정된 것이다. 합의는 구글 SERP·AI Overview가 여러 검색어에 걸쳐 같은 내용을 정리한 것이다. SERP는 그 검색어를 검색한 사람들의 클릭 피드백으로 정렬·요약된 결과이므로, 여러 검색어·여러 출처에서 반복되는 내용은 그 사회가 이 주제에 대해 공유하는 합의로 본다.
속성의 조건이 드러난 실측 검색어의 월 검색량 합. 핵심어가 글자 그대로 든 검색어, 또는 조건을 다른 표현으로 말하는 검색어(조건어 확인·별도 검수 통과)만 쓴다. 같은 검색어 묶음에 걸리는 속성은 한 줄로 합쳤다. 추세는 그 검색어들의 48개월 월별 검색량(최근 12개월 대비 직전 12개월).
여러 검색어의 SERP·AI Overview에 반복해서 나타난 내용. 검색어 수와 그 검색어들의 월 검색량 합이 합의의 크기다. 검색으로는 직접 잴 수 없는 조건(주의사항·권장 수치·신뢰 근거)을 이 층이 채운다.
12이 리포트가 쓴 검색 데이터
CEP는 검색어 하나가 아니라 여러 검색 데이터가 함께 가리키는 상황이다. 연관 검색어·검색 경로·검색 군집·SERP 본문·PAA·AI Overview를 얼마나 모았고, 그중 어느 것이 CEP의 장면(언제·어디서·왜·누구와)과 세부맥락·KBF·제한·회피의 근거로 쓰였는지다.
데이터
수집
CEP 근거로 쓰인 곳
연관 검색어
250
CEP 9/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 연관 검색어 7
검색 경로
경로 720개 (심화 측정 경로 1개 포함)
CEP 6/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 경로상 직전 검색 3, 경로상 다음 검색 13, 같은 경로에서 함께 검색 3
검색 군집
군집 12개 · 검색어 202개
CEP 1/10개의 근거 자료에 포함
SERP(구글 검색 결과)
29
CEP 10/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 상위 노출 39, AIO 인용 출처 2
AI Overview
20
CEP 9/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: AIO 70
PAA(사람들이 묻는 질문)
104
속성·7W 근거로 쓰인 횟수: PAA 7
CEP 근거 자료 추출: 장면 7W 63 · 속성 61 · 상세 상황 설명 8 (근거 번호 검증 탈락 70)
CEP마다 어디서 드러났나
CEP는 주제와 상황에 따라 드러나는 곳이 다르다. 어떤 상황은 검색 경로에서, 어떤 상황은 군집·연관 검색어에서, 어떤 상황은 AIO·PAA에서 보인다. 왼쪽은 그 CEP의 실측 검색어가 각 데이터에 들어 있던 검색량 비중(발견), 오른쪽은 장면 7W·속성의 근거로 실제 쓰인 횟수다. '없음'은 그 데이터가 이 CEP에 닿지 않았다는 뜻이다.
CEP
발견(검색량 비중)
근거로 쓰인 곳(횟수)
연관 검색어
검색 경로
검색 군집
AIO
PAA
경로·군집·AIO에서 채굴
CEP 검색어
검색 경로
검색 군집
연관 검색어
AIO
PAA
상위 노출
アウトドア活動を楽しむとき
–
–
–
–
–
100%
1
7
없음
·
없음
·
·
ビジネスカジュアルを選ぶとき
100%
88%
–
70%
48%
–
·
·
없음
·
·
·
·
夏のビジネスカジュアルを考えるとき
100%
8%
–
25%
–
–
9
5
없음
·
15
2
7
気温20度の日に適した服装を考えるとき
49%
100%
–
–
–
–
·
·
없음
·
3
·
·
気温20度の日に服装に迷うとき
100%
100%
–
–
–
–
4
6
없음
1
12
·
1
ビジネスカジュアルでジャケットを着ないとき
98%
100%
–
–
–
–
1
1
없음
·
3
·
1
インターンシップでのビジネスカジュアルを考えるとき
100%
–
–
–
–
–
·
없음
없음
·
4
2
1
寒さ対策が必要なとき
100%
–
–
–
–
–
5
없음
없음
4
17
1
13
冷房対策が必要なとき
–
–
70%
98%
70%
100%
·
없음
·
·
5
2
5
気温15度の日にきちんと感とこなれ感を意識した服装を知りたいとき
100%
–
–
–
–
–
2
없음
없음
2
13
·
11
13CEP 상세 카드
CEP 1구매CEP
夏のビジネスカジュアルを考えるとき
Macro명시 CEP
파워 1.8% 파생 · 월평균 검색량 35,054 · 추세(3M) +1%
W축 Who구도 빈자리 전년비(12M) -18% · 성수기 5·6·7·8월안정계절형카테고리 연결 0%
검색어·검색 경로의 직전 검색·같은 군집·SERP 문장에서 근거 번호로 확인된 것만 싣는다. 점선 밑줄에 마우스를 올리면 근거가 보인다.
이 상황이 드러난 곳(검색량 비중) 연관 검색어 100%
이 CEP에는 검색 경로, 검색 군집 데이터가 없었다
근거 자료: 검색어 5 · 경로 전후 0 · 같은 경로 0 · 군집 이웃 0 · 연관어 7 · SERP 2(AIO 2 · PAA 8)
アウター로 이어지는 근거연결 약함
アウター로 이어진다는 근거가 약하다. 기존 수요로는 연결 검색어 검색량만 센다.
연결 검색어 (실측)
防寒着 アウター 10
검색 경로
이 상황 검색어를 지난 경로가 없음
SERP·AI 개요
이 상황 검색어 SERP 2개 · 문장 51개 중 アウター·브랜드 언급 5개‹XShelter（エックスシェルター）シリーズ: 非熱伝導素材を使用し、外部からの冷気伝導をブロックして衣服内の熱を逃がさない高機能断熱アウター。› (AIO · ワークマン防寒着)‹メンズ/アウター | ワークマン公式オンラインストアのメンズアウター商品一覧 。話題の機能性ウエアを多数掲載。店舗在庫を検索、お取り置き依頼で欲しい商品がすぐに見つかります。› (ORG · ワークマン防寒着)
이 상황에서 SERP가 함께 권하는 것
防寒スーツ防水防寒ジャケットブルゾンベストジャンパーコートダウンベスト防水防寒ジャンパー
다음 행동アウター로 이어지는 근거가 약한 상황 → 연결 검색어 중심으로 작게 검증한 뒤 확대 근거 약
투자 우선순위 파생
2순위 투자 후보미점유 검색량 최대 10회/월
시장성 0 · 브랜드 적합성 – · 입증가능성 100(근거 확보 쉬움), 세 축 조합상 최우선 투자처
Tシャツ ‹검색 'ビジネス カジュアル tシャツ' 외 5 · 월 2,787›실측AIO출처 링크 없음ダメージジーンズ ‹동일 근거 ↑›합의AIO출처 링크 없음
선택 3축(시장성·적합성·입증)
시장성0
브랜드 적합성–
입증가능성50
AI 검색 노출 브랜드 (AIO) 파생
이 상황의 검색어 2개 SERP 어디에도 카테고리 브랜드가 언급되지 않았다. 검색 AI가 떠올리게 하는 브랜드가 아직 없는 상황이다(선점 여지).
부가 참고: AI 검색 노출
AI 추적 질문 후보 해석
1“インターンシップの初日に何を着るか迷うとき”기존 프롬프트
2“インターン先のドレスコードに合わせた服装を選ぶとき”
3“インターンシップでのビジネスカジュアルを探すとき”
이 상황의 소비자가 AI에게 물을 법한 질문, AI 응답 노출을 추적할 때 쓴다
AI 검색(AI Overview·챗봇) 노출을 관리할 때만 보면 되는 참고 블록. 상황 이해와 마케팅 판단에는 위 블록들이면 충분하다.
CEP 5목적CEP
気温20度の日に服装に迷うとき
Macro명시 CEP
파워 0.4% 파생 · 월평균 검색량 8,893 · 추세(3M) -81% 계절성 가능
W축 When구도 선두 고정 · ユニクロ 100% 전년비(12M) -9% · 성수기 3·4·5·10월안정계절형카테고리 연결 24%
상황 설명파생
気温20度の日に何を着어야 할지 고민하는 상황으로, 특히 최고기온이 20도인지 최저기온이 20도인지에 따라 옷차림이 크게 달라진다(Lcep_903_0, Lcep_903_24). 최고기온 20도일 때는 낮에는 긴팔 한 장으로 괜찮지만, 아침저녁으로는 10도 전후로 기온이 떨어져 쌀쌀하므로(Lcep_903_2, Lcep_903_25) 카디건이나 재킷 등 가볍게 걸칠 수 있는 아우터가 필수적이다(Lcep_903_2, Lcep_903_27). 반면 최저기온 20도일 때는 낮에 25~30도까지 올라가 여름 복장이 기본이 되며(Lcep_903_7, Lcep_903_29), 실내나 전철의 냉방, 밤의 쌀쌀함에 대비해 얇은 겉옷을 챙기는 것이 좋다(Lcep_903_10, Lcep_903_30). 여성(Qcep_903_1), 40대(Qcep_903_5), 60대(Qcep_903_12) 등 특정 연령대나 여행(Qcep_903_6), 비즈니스 캐주얼(Qcep_903_31)과 같은 특정 상황에 맞는 복장을 찾기 위해 검색한다.
장면: 언제·어디서·왜·누구와 이 상황의 순간필요 인식더 찾아봄
언제
気温20度の日最高気温20度の場合最低気温20度の場合
어디서
旅行中
왜
服装に迷う
누구와·누구를 위해
40代・60代
검색어·검색 경로의 직전 검색·같은 군집·SERP 문장에서 근거 번호로 확인된 것만 싣는다. 점선 밑줄에 마우스를 올리면 근거가 보인다.
이 상황이 드러난 곳(검색량 비중) 연관 검색어 100% · 검색 경로 100%
이 CEP에는 검색 군집 데이터가 없었다
근거 자료: 검색어 2 · 경로 전후 17 · 같은 경로 12 · 군집 이웃 0 · 연관어 15 · SERP 2(AIO 2 · PAA 8)
アウター로 이어지는 근거연결 확인
상황 검색이 アウター로 이어진다는 실측 근거가 있다.
연결 검색어 (실측)
상황어와 'アウター'를 함께 쓴 검색어 없음 (후보 4개 측정)
검색 경로
이 상황 검색어를 지난 경로 196개 중 アウター·브랜드 검색으로 이어진 경로 57개気温20度 服装 → 気温20度服装 40代 → 最高気温 20度の服装 → 最高気温20度 アウター気温20度 服装 → 最低気温20度 服装 → 20度 夜服装 → 最高気温 20度の服装 → 気温20度服装 60代 → 60代 女性ユニクロ コーディネート
SERP·AI 개요
이 상황 검색어 SERP 2개 · 문장 63개 중 アウター·브랜드 언급 10개‹服装のコツ: 朝晩や日陰は肌寒くなるため、カーディガン、ジャケット、軽めのアウターなど脱ぎ着しやすい羽織りものが必須です。› (AIO · 気温20度 服装)‹気温20度の服装は？【メンズ】のおすすめアイテムと最高・最低気温の年代別コーデを解説 | 最高気温20度で活躍する【ライトアウター】. 品のある着こなしをするなら、薄手のテーラードジャケットやスプリングコートを。カジュアルなスタイリングには› (ORG · 気温20度 服装)
브랜드 연결
상황+카테고리 검색에서 브랜드가 실측됨: ユニクロ
이 상황에서 SERP가 함께 권하는 것
長袖シャツ薄手のニットスウェットカーディガンジャケット半袖テーラードジャケット
다음 행동이 상황엔 이미 브랜드가 보임(선두 ユニクロ) → 차별화 콘텐츠·검색으로 도전하고, 우리 브랜드라면 수성 근거 강
투자 우선순위 파생
5순위 투자 후보미점유 검색량 최대 0회/월
시장성 0 · 브랜드 적합성 – · 입증가능성 100(근거 확보 쉬움), 세 축 조합상 최우선 투자처
선택 3축 + 파워·검색량을 규칙으로 종합, 새 계산일 뿐 새 데이터 아님
검색 여정: 이 상황의 직전과 직후 파생
실측 경로 196개에서 인접 전이를 집계, 개인의 시간순 이동이 아니라 집계 그래프의 흐름
메시지 앵글 해석
핵심 메시지“気温20度の旅行中、服装に迷ったら。40代・60代に最適な「脱ぎ着しやすい」薄手で軽やかな素材のアイテムで、スマートな旅を。”
소재 아이디어「40代・60代向け！気温20度の旅行に最適な、脱ぎ着しやすい軽やかコーデ」 · 「旅行の荷物を減らす！薄手で着回し力抜群の20度対応アイテム」 · 「最高気温20度の日、もう迷わない！旅行中の快適スタイリング術」
軽やか便利スマート快適
KBF·신뢰근거·감정&스타일·장면 6W1H를 종합해 생성
증거 쿼리 실측
気温20度 服装 7,200실측気温20度服装 レディース 1,693실측
세부맥락(Nano Intent)
最高気温20度 ‹검색 '最高気温 20度の服装' 외 12 · 월 12,086›실측AIO출처 링크 없음最低気温20度 ‹검색 '最低気温20度 服装' 외 7 · 월 3,589›실측AIO출처 링크 없음レディース ‹気温20度服装 レディース…›파생AIO출처 링크 없음40代・60代 ‹気温20度服装 40代…›해석ビジネス・オフィスカジュアル ‹합의 · 검색어 10 · 월 119,931 · 출처 12›합의旅行 ‹검색 '旅行服装' 외 3 · 월 4,365›실측
KBF(선택 기준)
脱ぎ着しやすい ‹합의 · 검색어 6 · 월 15,102 · 출처 22›합의AIO출처 링크 없음薄手 ‹검색 'アウター 薄手' 외 5 · 월 3,777›실측AIO출처 링크 없음軽やかな素材 ‹합의 · 검색어 2 · 월 8,893 · 출처 6›합의AIO출처 링크 없음
검색어·검색 경로의 직전 검색·같은 군집·SERP 문장에서 근거 번호로 확인된 것만 싣는다. 점선 밑줄에 마우스를 올리면 근거가 보인다.
이 상황이 드러난 곳(검색량 비중) 연관 검색어 49% · 검색 경로 100%
이 CEP에는 검색 군집 데이터가 없었다
근거 자료: 검색어 6 · 경로 전후 20 · 같은 경로 10 · 군집 이웃 0 · 연관어 15 · SERP 3(AIO 3 · PAA 12)
アウター로 이어지는 근거연결 확인
상황 검색이 アウター로 이어진다는 실측 근거가 있다.
연결 검색어 (실측)
상황어와 'アウター'를 함께 쓴 검색어 없음 (후보 6개 측정)
검색 경로
이 상황 검색어를 지난 경로 196개 중 アウター·브랜드 검색으로 이어진 경로 57개気温20度 服装 → 気温20度服装 40代 → 最高気温 20度の服装 → 最高気温20度 アウター気温20度 服装 → 最低気温20度 服装 → 20度 夜服装 → 最高気温 20度の服装 → 気温20度服装 60代 → 60代 女性ユニクロ コーディネート
SERP·AI 개요
이 상황 검색어 SERP 3개 · 문장 87개 중 アウター·브랜드 언급 15개‹服装のコツ: 朝晩や日陰は肌寒くなるため、カーディガン、ジャケット、軽めのアウターなど脱ぎ着しやすい羽織りものが必須です。› (AIO · 気温20度 服装)‹気温20度の服装は？【メンズ】のおすすめアイテムと最高・最低気温の年代別コーデを解説 | 最高気温20度で活躍する【ライトアウター】. 品のある着こなしをするなら、薄手のテーラードジャケットやスプリングコートを。カジュアルなスタイリングには› (ORG · 気温20度 服装)
브랜드 연결
상황+카테고리 검색에서 브랜드가 실측됨: ユニクロ
이 상황에서 SERP가 함께 권하는 것
長袖シャツ薄手のニットスウェットカーディガンカットソーブラウス長袖Tシャツ
다음 행동이 상황엔 이미 브랜드가 보임(선두 ユニクロ) → 차별화 콘텐츠·검색으로 도전하고, 우리 브랜드라면 수성 근거 중
투자 우선순위 파생
7순위 투자 후보미점유 검색량 최대 0회/월
시장성 1 · 브랜드 적합성 – · 입증가능성 50, 세 축 조합상 최우선 투자처
선택 3축 + 파워·검색량을 규칙으로 종합, 새 계산일 뿐 새 데이터 아님
장면: 이 상황이 갈라지는 미시 CEP
最高気温20度の日の服装を考えるとき 해석9,666 · 41% 파생
最低気温20度の日の服装を考えるとき 해석2,166 · 9% 파생
장면 이름은 근거 인용과 결속된 [해석] · 볼륨은 장면 귀속 질의의 실측 합 [파생] · 근거 없는 장면은 코드가 폐기
검색 여정: 이 상황의 직전과 직후 파생
실측 경로 196개에서 인접 전이를 집계, 개인의 시간순 이동이 아니라 집계 그래프의 흐름
메시지 앵글 해석
핵심 메시지“気温20度の日は、脱ぎ着しやすい薄手アウターで一日中「快適さ」をキープ。”
소재 아이디어「気温20度の日、何着る？通勤・旅行・お出かけ別コーデ」として、薄手アウターを使った着回し提案。 · 「快適さを追求！脱ぎ着しやすい優秀アウターコレクション」として、機能性アウターの紹介。 · 「20度コーデの悩み解決！シーン別スタイリングガイド」
이 상황의 검색어 2개 SERP 기준. AI Overview 본문 언급 2점, 인용 출처·PAA·상위 노출 언급 1점(검색어마다 있다/없다만 센다). 구글 검색 AI가 이 상황에서 어떤 브랜드를 떠올리게 하는가를 본다. 경로 기반 연결(소비자 행동)과는 다른 렌즈다. [파생·SERP]
부가 참고: AI 검색 노출
AI 추적 질문 후보 해석
1“ビジネスカジュアルをどこで買うか考えるとき”기존 프롬프트
2“ユニクロやGUでビジネスカジュアルを探すとき”
3“ビジネスカジュアルの靴やバッグを選ぶとき”
이 상황의 소비자가 AI에게 물을 법한 질문, AI 응답 노출을 추적할 때 쓴다
AI 검색(AI Overview·챗봇) 노출을 관리할 때만 보면 되는 참고 블록. 상황 이해와 마케팅 판단에는 위 블록들이면 충분하다.
CEP 9목적CEP
気温15度の日にきちんと感とこなれ感を意識した服装を知りたいとき
Macro명시 CEP
파워 0.0% 파생 · 월평균 검색량 1,793 · 추세(3M) -83% 계절성 가능
W축 When구도 빈자리 전년비(12M) +10% · 성수기 3·4·10·11월안정계절형
상황 설명파생
気温15度の日にどんな服装을 입어야 할지 고민하는 상황으로, 최고기온이 15도인지 최저기온이 15도인지에 따라 적합한 옷차림이 크게 달라진다(Lcep_906_0). 최고기온 15도일 때는 하루 종일 쌀쌀하여 겨울 추위를 느끼는 날씨이므로(Lcep_906_2) 트렌치코트, 마운틴 파카 등 튼튼한 방한 아우터가 필요하며(Lcep_906_3, Lcep_906_20), 두꺼운 니트나 스웨트가 활약한다(Lcep_906_4, Lcep_906_20). 반면 최저기온 15도일 때는 아침저녁으로 쌀쌀하지만 낮에는 20도 가까이 올라 따뜻해지므로(Lcep_906_7) 카디건, 셔츠 재킷 등 가볍게 걸칠 수 있는 옷이 유용하다(Lcep_906_8). 이러한 날씨 변화에 맞춰 체온 조절이 쉽고(Lcep_906_22, Lcep_906_23), '단정함'과 '세련됨'을 동시에 연출할 수 있는(Qcep_906_8, Qcep_906_9, Qcep_906_10) 오피스 캐주얼이나 일상복 코디를 찾기 위해 검색한다.
장면: 언제·어디서·왜·누구와 이 상황의 순간필요 인식더 찾아봄
언제
気温15度の日最高気温15度の場合最低気温15度の場合
왜
防寒対策が必要
누구와·누구를 위해
レディースメンズ
검색어·검색 경로의 직전 검색·같은 군집·SERP 문장에서 근거 번호로 확인된 것만 싣는다. 점선 밑줄에 마우스를 올리면 근거가 보인다.
이 상황이 드러난 곳(검색량 비중) 연관 검색어 100%
이 CEP에는 검색 경로, 검색 군집 데이터가 없었다
근거 자료: 검색어 1 · 경로 전후 0 · 같은 경로 0 · 군집 이웃 0 · 연관어 15 · SERP 1(AIO 1 · PAA 4)
アウター로 이어지는 근거연결 약함
アウター로 이어진다는 근거가 약하다. 기존 수요로는 연결 검색어 검색량만 센다.
연결 검색어 (실측)
상황어와 'アウター'를 함께 쓴 검색어 없음 (후보 2개 측정)
검색 경로
이 상황 검색어를 지난 경로가 없음
SERP·AI 개요
이 상황 검색어 SERP 1개 · 문장 34개 중 アウター·브랜드 언급 9개‹日中も気温が上がらず、冬の寒さを感じる日です。しっかりとした防寒アウターが必要です。› (AIO · 気温15度 服装)‹アウター: トレンチコート、マウンテンパーカー、キルティングジャケット、レザージャケット› (AIO · 気温15度 服装)
다음 행동アウター로 이어지는 근거가 약한 상황 → 연결 검색어 중심으로 작게 검증한 뒤 확대 근거 약
투자 우선순위 파생
9순위 투자 후보미점유 검색량 최대 0회/월
시장성 0 · 브랜드 적합성 – · 입증가능성 100(근거 확보 쉬움), 세 축 조합상 최우선 투자처
선택 3축 + 파워·검색량을 규칙으로 종합, 새 계산일 뿐 새 데이터 아님
메시지 앵글 해석
핵심 메시지“気温15度の日は、しっかりとした防寒アウターと脱ぎ着しやすいアイテムで、体温調節しながら「きちんと感」と「こなれ感」を両立。”
소재 아이디어「気温15度、メンズ・レディース別！きちんと見えする防寒こなれコーデ」 · 「体温調節が鍵！脱ぎ着しやすい優秀アウターで15度の日も快適に」 · 「最高気温15度対応！おしゃれと防寒を叶えるスマートレイヤード術」
きちんと感こなれ感機能的スマート
KBF·신뢰근거·감정&스타일·장면 6W1H를 종합해 생성
증거 쿼리 실측
気温15度 服装 1,793실측
세부맥락(Nano Intent)
最高気温15度 ‹검색 '最高気温 20度の服装' 외 12 · 월 12,086›실측AIO출처 링크 없음最低気温15度 ‹검색 '最低気温20度 服装' 외 7 · 월 3,589›실측AIO출처 링크 없음レディース ‹검색 'アウター レディース' 외 13 · 월 11,636›실측AIO출처 링크 없음メンズ ‹검색 'メンズ 夏アウター' 외 14 · 월 20,234›실측AIO출처 링크 없음オフィスカジュアル ‹검색 'オフィスカジュアル 服装' 외 2 · 월 1,143›실측セレモニー ‹검색 'ミセス セレモニー 服装' 외 2 · 월 579›실측
KBF(선택 기준)
脱ぎ着しやすい ‹합의 · 검색어 6 · 월 15,102 · 출처 22›합의AIO출처 링크 없음しっかりとした防寒アウター ‹합의 · 검색어 3 · 월 1,793 · 출처 8›합의AIO출처 링크 없음体温調節しやすい ‹검색 '体温調節しやすい服装' · 월 13›실측AIO출처
cluster_finder가 잡은 연관 검색어 군집. 막대는 군집의 월 검색량 합, CEP로 아직 안 잡힌 수요 영역을 찾는 데 쓴다.
15브랜드 요약
행동적 MMS 프록시 · 폭×깊이
MMS proxy [파생]
지명 검색량 [실측]
폭(연결 CEP 수)
깊이(평균 순위)
ユニクロ
8.6%
5,373,333
4
1.0
zara
–
941,000
0
–
モンベル
–
941,000
1
1.0
adidas
–
516,666
0
–
ラルフ ローレン
–
450,000
0
–
コロンビア
–
373,000
0
–
パタゴニア
–
264,333
0
–
アークテリクス
–
264,333
0
–
ティンバーランド
–
145,000
0
–
sly
–
40,500
0
–
16AI 검색 가시성
검색 AI는 어느 상황에서 어떤 브랜드를 말하는가
CEP 검색어의 구글 SERP·AI Overview에서 카테고리 브랜드가 언급되는지 봤다. AI Overview 본문 언급을 가장 무겁게 센다. 경로(소비자가 다음에 검색한 브랜드)와 달리, 이것은 검색 AI가 그 상황의 답으로 내놓는 브랜드다. 아무 브랜드도 나오지 않는 상황은 콘텐츠·GEO로 먼저 자리를 잡을 수 있는 곳이다.
SERP를 확인한 CEP 10개 중 9개는 AI 검색 답변에 카테고리 브랜드가 하나도 나오지 않는다.
★ = AI Overview 본문에서 언급. 점유는 CEP 검색어 SERP에서 AI Overview 본문 언급 2점, 인용 출처·PAA·상위 노출 언급 1점(검색어마다 있다/없다만)으로 계산. SERP 수가 적을수록 잠정적이다. [파생·SERP]
17멘탈 어베일러빌리티 4지표(검색 판)파생
MMS · MPen · NS · SOM
MMS
MPen
NS
SOM
지명 검색량 비중
기대 MMS
멘탈 어드밴티지
규모
권장 KPI
モンベル
91.2%
91.2%
1 / 5
100.0%
10.1%
10.1%
+81.1pt
중
NS
ユニクロ
8.8%
8.8%
4 / 5
100.0%
57.7%
57.7%
-48.9pt
대
SOM
zara
0.0%
0.0%
0 / 5
–
10.1%
10.1%
-10.1pt
중
NS
adidas
0.0%
0.0%
0 / 5
–
5.5%
5.5%
-5.5pt
소
MPEN
ラルフ ローレン
0.0%
0.0%
0 / 5
–
4.8%
4.8%
-4.8pt
소
MPEN
コロンビア
0.0%
0.0%
0 / 5
–
4.0%
4.0%
-4.0pt
소
MPEN
パタゴニア
0.0%
0.0%
0 / 5
–
2.8%
2.8%
-2.8pt
소
MPEN
アークテリクス
0.0%
0.0%
0 / 5
–
2.8%
2.8%
-2.8pt
소
MPEN
ティンバーランド
0.0%
0.0%
0 / 5
–
1.6%
1.6%
-1.6pt
소
MPEN
sly
0.0%
0.0%
0 / 5
–
0.4%
0.4%
-0.4pt
소
MPEN
MMS = Σ(CEP 파워 × 셰어) ÷ 측정 CEP 파워 합(브랜드 합 1) · MPen = 브랜드가 잡히는 CEP의 파워 비중 · NS = 연결 CEP 수 · SOM = 잡히는 CEP 안 평균 셰어(파워 가중). 항등식 MMS = MPen × SOM. 기대 MMS = 지명 검색량 비중(규모만큼의 기대치), 어드밴티지 = MMS − 기대.
측정된 CEP 5/10개(파워 합 98%) 위에서 계산. 규모: 지명 검색량 비중 ≥30% 대 · <10% 소 · 그 외 중. 권장 KPI(EBMI): 소=MPen(떠올리는 폭을 넓힘) · 중=NS(연결 상황 수) · 대=SOM(연결 깊이), MMS는 모두의 KGI. 지명 검색량은 브랜드명 단독 검색량이라 다품목 브랜드(삼성·LG 등)는 카테고리 밖 수요가 섞여 규모가 과대평가될 수 있다.
브랜드 규모별 전략 · モンベル(포컬 브랜드가 없어 MMS 1위 브랜드 기준으로 예시.) 중규모: 연결 CEP 수(NS)를 늘린다. 크지만 자사가 잡히지 않는 상황부터(마크로밀 원칙 1). 우선 대상: ビジネスカジュアル選び · 気温20度服装 · 20度服
18한계
이 지도가 말하지 않는 것
브랜드 셰어·브랜드 대응 우선순위 등 '브랜드가 어떻다'는 판정은 그 CEP에서 브랜드 연결이 실측됐을 때만 성립한다, 실측 비율은 바로 아래 증거 준비도에서 확인할 것. 미측정 CEP이 많으면 브랜드 관련 결론은 잠정치로 볼 것
검색은 상기율(비보조 인지)보다 친숙도·구매 고려 단계를 더 강하게 반영한다, 개인 단위 검증에서 인지 단독의 검색 유발력은 1.22배(거의 없음)에 그친 반면, 친숙·고려 단계는 뚜렷이 컸고 긍정 태도 5개를 모두 보유한 경우 7.0배(스마트폰)·5.3배(자동차)까지 올라갔다(Dotson et al., Google). 이 상관에는 브랜드 크기 교락(대형 브랜드는 여러 지표가 동시에 커짐)이 섞여 있고, 검증도 브랜드 총량 단위에서 이뤄졌다
기존·습관 구매자는 검색에서 사라지지 않는다, 같은 연구에서 브랜드 보유자는 비보유자보다 오히려 2.5~3.5배 더 그 브랜드를 검색했다(Dotson et al., Google). 다만 니즈를 표현하지 않는 형태(브랜드 지명·내비게이셔널·A/S 질의)가 많아, 이 지도의 니즈 CEP 분포는 신규 진입·전환 검토 수요 쪽으로 기운다
브랜드 셰어는 측정 집합 내 상대치, 미조회 브랜드·CEP 조합은 0이 아니라 [데이터없음]
경로는 집계 그래프 흐름(개인의 시간순 이동 아님), '전이'는 모델 통계
CEP파워의 분모는 사람이 아니라 분류된 질의 수다, 서베이 CEP파워(분모=사람)와 단위가 달라 직접 비교할 수 없다(동일인의 질의 10회는 이 지도에서 10표로 계산됨)
브랜드·원산지를 지명해 고르는 질의는 상황이 아니라 검색 모드에 가까워 다른 CEP과 성격이 다르다, need-CEP 오염을 막기 위해 별도로 묶어 두었으니, '진입 상황 개수'를 셀 때는 이 항목과 미분류 롱테일을 제외하고 볼 것을 권장한다
예산·자원 배분 같은 의사결정 전에는 서베이 기반 상기 측정(사람 단위 CEP파워·상기셰어)을 병행할 것을 권고한다
LLM 제안 중 근거 없는 항목 143건을 코드가 폐기함 (증거 강제)
정성 속성 86개 중 실측 31개(36%), 합의 30개(35%), 파생 20개, 해석 5개. 실측은 조건이 검색어로 존재한다는 뜻이지 그 조건이 구매를 좌우한다는 뜻은 아니다. 합의는 구글이 정리한 사회적 통념이며 사실 검증은 아니다.
증거 준비도: READY · CEP 10개 전부 실측 basket, 5개 CEP에서 브랜드 연결 측정
키워드 하나(카테고리·제품·서비스·브랜드)를 넣으면 실제 검색 경로, 연관 검색어, 검색량, 검색 결과와 AI 개요로 카테고리 진입 상황(CEP)을 찾아 우선순위를 매긴 리포트를 만든다. 마케터와 브랜드 담당자가 캠페인 상황과 메시지를 정할 때 쓴다. 데이터는 ListeningMind DaaS 검색 행동 데이터와 Google 검색 결과이며 한국·일본·미국 시장을 지원한다.