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 8,069 · 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(コート)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·베네핏0 CEP 수 · 파워 합 0%
Who 누구를 위해0 CEP 수 · 파워 합 0%
When 시점·계기5 CEP 수 · 파워 합 97%
Where 장소4 CEP 수 · 파워 합 2%
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: Why 목적·베네핏, Who 누구를 위해, 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 10/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 연관 검색어 9
검색 경로
경로 635개 (심화 측정 경로 2개 포함)
CEP 3/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 경로상 다음 검색 3, 같은 경로에서 함께 검색 1
검색 군집
군집 4개 · 검색어 129개
CEP 0/10개의 근거 자료에 포함
SERP(구글 검색 결과)
32
CEP 10/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 상위 노출 28
AI Overview
17
CEP 7/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: AIO 38
PAA(사람들이 묻는 질문)
120
속성·7W 근거로 쓰인 횟수: PAA 12
CEP 근거 자료 추출: 장면 7W 37 · 속성 46 · 상세 상황 설명 9 (근거 번호 검증 탈락 85)
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.
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“体型に合ったオフィスカジュアルを選びたいとき”기존 프롬프트
2“妊娠中でも快適なオフィスカジュアルを探すとき”
3“ぽっちゃり体型にフィットするオフィスカジュアルを見つけたいとき”
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 3목적CEP
オフィスで快適に過ごしたいとき
Micro명시 CEP
파워 88.3% 파생(상황 전체 기준 84.8%) · 월평균 검색량 537,096 · 추세(3M) -15%
W축 When구도 선두 고정 · ユニクロ 100% 전년비(12M) -6% · 성수기 4월안정계절형카테고리 연결 0%
이 상황 검색어를 지난 경로 199개 중 コート·브랜드 검색으로 이어진 경로 73개オフィスカジュアル → オフィスカジュアル レディース → オフィスカジュアル レディース ユニクロオフィスカジュアル → オフィスカジュアル ユニクロ
SERP·AI 개요
이 상황 검색어 SERP 2개 · 문장 55개 중 コート·브랜드 언급 4개‹トップス：襟付きシャツや上品なブラウス、ハイゲージのニットなど。たとえば、定番の ユニクロ公式オンラインストア のブラウスはオフィスカジュアルに使いやすいアイテムです。› (AIO · オフィスカジュアル)‹トップス: 白やライトブルー、ベージュなどの神戸レタスやユニクロ公式オンラインストアで買えるシワになりにくいブラウスやシャツが便利です。› (AIO · オフィスカジュアル レディース)
브랜드 연결
상황+카테고리 검색에서 브랜드가 실측됨: ユニクロ
이 상황에서 SERP가 함께 권하는 것
トップスシャツブラウスニットボトムステーパードパンツスカートパンプス
다음 행동이 상황엔 이미 브랜드가 보임(선두 ユニクロ) → 차별화 콘텐츠·검색으로 도전하고, 우리 브랜드라면 수성 근거 강
투자 우선순위 파생
3순위 투자 후보미점유 검색량 최대 0회/월
시장성 100 · 브랜드 적합성 – · 입증가능성 67(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 199개에서 인접 전이를 집계, 개인의 시간순 이동이 아니라 집계 그래프의 흐름
메시지 앵글 해석
핵심 메시지“オフィスで快適に過ごしたい夏、ユニクロのシワになりにくいベーシックカラーブラウスで、清潔感と信頼感を両立させませんか？”
소재 아이디어「ユニクロで叶える夏のオフィス快適コーデ」特集記事/動画 · 「シワ知らず！ベーシックブラウス着回し術」コンテンツ · 「オフィスで快適！カジュアルダウン着こなし術」SNS投稿
이 상황의 검색어 3개 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“オフィスで快適に過ごすための服装を教えてください。”기존 프롬프트
2“夏のオフィスカジュアルに適したコートは何ですか？”
3“信頼感を保ちながら快適なオフィスカジュアルを探しています。”
4“清潔感を損なわないオフィスカジュアルのコートを教えてください。”
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 4목적CEP
就活面接で好印象を与えたいとき
Micro명시 CEP
파워 3.4% 파생(상황 전체 기준 3.3%) · 월평균 검색량 20,925 · 추세(3M) +391% 계절성 가능
W축 When구도 빈자리 전년비(12M) -15% · 성수기 3월안정계절형카테고리 연결 0%
이 상황 검색어 SERP 2개 · 문장 73개 중 コート·브랜드 언급 2개‹ユニクロやGU、無印良品などのファストファッションでも十分に揃えられます。手持ちの服を活かすアイデアは就活のキャリア相談Q&Aなどを参考にしてみてください。› (AIO · 就活 オフィスカジュアル)‹ユニクロでオフィスカジュアルを就活で買える?› (PAA · 就活 オフィスカジュアル)
다음 행동검색량이 작은 상황 → 지금은 후순위(위의 큰 상황부터) 근거 강
투자 우선순위 파생
4순위 투자 후보미점유 검색량 최대 20,925회/월
시장성 4 · 브랜드 적합성 – · 입증가능성 67(근거 확보 쉬움), 세 축 조합상 최우선 투자처
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“面接で好印象を与えるための服装を教えてください。”기존 프롬프트
2“清潔感をアピールできる面接用のコートは何ですか？”
3“就活面接で自信を持って臨むための服装を探しています。”
4“面接での清潔感を保つためのコートを教えてください。”
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.
이 상황의 검색어 5개 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“季節の変わり目に服装を準備しているとき”기존 프롬프트
2“秋の訪れを感じたとき”
3“冬の寒さに備えたいとき”
4“防寒対策を考えているとき”
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 9구매CEP
お出かけにぴったりな服装を考えるとき
Macro명시 CEP
파워 0.0% 파생(상황 전체 기준 0.1%) · 월평균 검색량 852 · 추세(3M) -52% 계절성 가능
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) 경로·군집·AIO에서 채굴 39%
이 CEP에는 검색 경로, 검색 군집, AIO 데이터가 없었다
근거 자료: 검색어 2 · 경로 전후 0 · 같은 경로 0 · 군집 이웃 0 · 연관어 15 · SERP 2(AIO 0 · PAA 4)
コート로 이어지는 근거연결 약함
コート로 이어진다는 근거가 약하다. 기존 수요로는 연결 검색어 검색량만 센다.
연결 검색어 (실측)
상황어와 'コート'를 함께 쓴 검색어 없음 (후보 4개 측정)
검색 경로
이 상황 검색어를 지난 경로가 없음
SERP·AI 개요
이 상황 검색어 SERP 2개 · 문장 20개 중 コート·브랜드 언급 1개‹50代・冬のお出かけコーデ16選｜同世代おしゃれさん・お手本の服装 - CBK magazine | 1｜顔映りがよく見える「白のストール・マフラー」のコーデ · 2｜とにかく映える「白コート」のコーデ · 3｜スポーティに着こなす「黒ダウ› (ORG · お出かけ コーデ)
이 상황에서 SERP가 함께 권하는 것
シャツセンタープレスパンツ小花柄パンツリボン小物靴ストール・マフラーダウンジャケット
다음 행동コート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
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
86.9%
5,373,333
2
1.0
ワークマン
–
3,393,333
1
2.0
イオン
–
2,980,000
0
–
有明ガーデン
–
373,000
0
–
コート ダジュール
–
165,000
0
–
sansan
–
155,000
0
–
ニューオータニ
–
74,000
0
–
グレース コート
–
35,566
0
–
バークレーズコート
–
20,833
0
–
ウエスト コート 姪浜
–
17,000
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 6개는 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
ユニクロ
97.6%
100.0%
2 / 2
97.6%
42.7%
42.7%
+54.9pt
대
SOM
ワークマン
2.4%
4.9%
1 / 2
50.0%
27.0%
27.0%
-24.5pt
중
NS
イオン
0.0%
0.0%
0 / 2
–
23.7%
23.7%
-23.7pt
중
NS
有明ガーデン
0.0%
0.0%
0 / 2
–
3.0%
3.0%
-3.0pt
소
MPEN
コート ダジュール
0.0%
0.0%
0 / 2
–
1.3%
1.3%
-1.3pt
소
MPEN
sansan
0.0%
0.0%
0 / 2
–
1.2%
1.2%
-1.2pt
소
MPEN
ニューオータニ
0.0%
0.0%
0 / 2
–
0.6%
0.6%
-0.6pt
소
MPEN
グレース コート
0.0%
0.0%
0 / 2
–
0.3%
0.3%
-0.3pt
소
MPEN
バークレーズコート
0.0%
0.0%
0 / 2
–
0.2%
0.2%
-0.2pt
소
MPEN
ウエスト コート 姪浜
0.0%
0.0%
0 / 2
–
0.1%
0.1%
-0.1pt
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 2/10개(파워 합 93%) 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 · ユニクロ(포컬 브랜드가 없어 MMS 1위 브랜드 기준으로 예시.) 대규모: 카테고리 밖으로 시장을 재정의해 새 CEP를 만든다(마크로밀 원칙 2·EBMI). 카테고리 연결률이 낮은 큰 상황부터: オフィス快適 · 面接好印象
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 221건을 코드가 폐기함 (증거 강제)
정성 속성 56개 중 실측 15개(27%), 합의 32개(57%), 파생 8개, 해석 1개. 실측은 조건이 검색어로 존재한다는 뜻이지 그 조건이 구매를 좌우한다는 뜻은 아니다. 합의는 구글이 정리한 사회적 통념이며 사실 검증은 아니다.
증거 준비도: PARTIAL · CEP 10개 중 10개 실측 basket · 브랜드 연결 측정 2개, 나머지는 동반질의 매트릭스/트리거 확장(deep) 필요
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.