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 237,416 · 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(プロテイン)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·베네핏5 CEP 수 · 파워 합 17%
Who 누구를 위해3 CEP 수 · 파워 합 66%
When 시점·계기0 CEP 수 · 파워 합 0%
Where 장소2 CEP 수 · 파워 합 17%
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: When 시점·계기, 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 16
검색 경로
경로 1,143개 (심화 측정 경로 3개 포함)
CEP 6/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 경로상 직전 검색 1, 경로상 다음 검색 24, 같은 경로에서 함께 검색 19
검색 군집
군집 10개 · 검색어 454개
CEP 0/10개의 근거 자료에 포함
SERP(구글 검색 결과)
32
CEP 10/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: 상위 노출 64, AIO 인용 출처 3
AI Overview
29
CEP 10/10개의 근거 자료에 포함 속성·7W 근거로 쓰인 횟수: AIO 98
PAA(사람들이 묻는 질문)
124
속성·7W 근거로 쓰인 횟수: PAA 5
CEP 근거 자료 추출: 장면 7W 66 · 속성 97 · 상세 상황 설명 10 (근거 번호 검증 탈락 97)
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
特定の筋肉を集中的に鍛えたいとき
100%
–
–
6%
6%
–
7
10
없음
·
14
2
6
筋トレに集中したいとき
100%
–
–
8%
–
–
1
12
없음
4
10
·
3
ダイエット中にタンパク質をしっかり摂りたいとき
98%
42%
–
29%
–
–
1
12
없음
1
8
·
1
ダイエットをサポートしたいとき
100%
14%
–
–
–
–
2
7
없음
2
4
1
2
特定の筋肉を集中的に鍛えたいとき
100%
–
–
–
–
–
4
없음
없음
·
12
1
10
ダンスで楽しく運動したいとき
100%
–
–
50%
–
–
·
없음
없음
2
7
·
8
ダイエットのために食事を調整したいとき
100%
–
–
24%
–
–
5
없음
없음
2
14
1
·
夜に軽く食べたいとき
100%
–
–
34%
–
–
·
없음
없음
·
12
·
7
食後に運動を取り入れたいとき
100%
50%
–
–
–
–
·
1
없음
4
14
·
26
忙しい朝にエネルギーを補給したいとき
76%
24%
–
–
–
–
1
2
없음
1
6
·
1
13CEP 상세 카드
CEP 1구매CEP
ダイエットをサポートしたいとき
Macro명시 CEP
파워 9.0% 파생 · 월평균 검색량 262,699 · 추세(3M) +246% 계절성 가능
이 상황 검색어 SERP 2개 · 문장 55개 중 プロテイン·브랜드 언급 4개‹ダンベル・サイドレイズ：スーツが似合う広い肩幅や三角筋を作る種目です。肩をすくめないように意識し、ダンベルを真横へ引き上げます。› (AIO · ダンベル筋トレ)‹詳しい動画の解説や正しいフォームは、株式会社 明治によるザバス特設コンテンツから40種目の動画を確認できます。株式会社 明治› (AIO · ダンベル筋トレ)
브랜드 연결
상황+카테고리 검색에서 브랜드가 실측됨: ザバス
이 상황에서 SERP가 함께 권하는 것
腹筋トレーニングトレーニング動画食事管理腹筋ローラー
다음 행동이 상황엔 이미 브랜드가 보임(선두 ザバス) → 차별화 콘텐츠·검색으로 도전하고, 우리 브랜드라면 수성 근거 강
투자 우선순위 파생
5순위 투자 후보미점유 검색량 최대 0회/월
시장성 100 · 브랜드 적합성 100(경쟁 치열) · 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 400개에서 인접 전이를 집계, 개인의 시간순 이동이 아니라 집계 그래프의 흐름
메시지 앵글 해석
핵심 메시지“痩せたい、引き締めたい、筋肉を大きくしたいあなたへ。自宅での集中トレーニング効果を最大化する、プロテインの最適な摂取タイミングを知って、毎日理想の体へ。”
소재 아이디어「自宅でできる！部位別集中トレーニングとプロテイン摂取タイミング」ガイド · 「女性・男性別！理想の体を目指すプロテイン活用術」 · 「毎日続けられる！プロテインで効率的なボディメイク」
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“特定の筋肉を集中的に鍛えたいときにおすすめのプロテインは？”기존 프롬프트
2“筋トレで特定の部位を強化するためのプロテイン選び”
3“筋肉を増やしたいときに最適なプロテインは？”
4“フィットネス初心者が特定の筋肉を鍛えるためのプロテイン”
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 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“特定の筋肉を鍛えるために”기존 프롬프트
2“筋肉を集中的に鍛えたいとき”
3“筋肉の成長を促進したいとき”
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.
이 상황 검색어 SERP 2개 · 문장 63개 중 プロテイン·브랜드 언급 3개‹栄養補給：運動後は早めにタンパク質や糖質を補給すると、効率よく筋肉が育ちます。詳細なメニューや専門情報はザバス 筋トレ辞典や森永製菓 プロテインコラムからも確認できます。› (AIO · 筋トレ)‹筋トレ辞典｜ザバス | 「肩」「脚」「胸」といった部位別のトレーニングから、「ショルダープレス」「ブルガリアンスクワット」などの具体的な種目のやり方まで、あらゆるニーズに応える ...› (ORG · 筋トレ)
브랜드 연결
상황+카테고리 검색에서 브랜드가 실측됨: ザバス
이 상황에서 SERP가 함께 권하는 것
自重トレーニング
다음 행동이 상황엔 이미 브랜드가 보임(선두 ザバス) → 차별화 콘텐츠·검색으로 도전하고, 우리 브랜드라면 수성 근거 강
투자 우선순위 파생
9순위 투자 후보미점유 검색량 최대 0회/월
시장성 31 · 브랜드 적합성 100(경쟁 치열) · 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 400개에서 인접 전이를 집계, 개인의 시간순 이동이 아니라 집계 그래프의 흐름
메시지 앵글 해석
핵심 메시지“筋肉をつけたい、大きくしたい男性初心者へ。運動後の自宅やジムで、目的に合ったプロテインを選んで筋トレ効果を最大化。”
소재 아이디어「初心者向け！目的別プロテインの種類と選び方」ガイド · 「自宅で器具なし筋トレ×プロテイン」動画コンテンツ · 「運動後のプロテイン摂取で筋肉を育てる」情報発信
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“筋トレ初心者におすすめのプロテインは？”기존 프롬프트
2“集中力を高めるプロテインの選び方”
3“ジムでの筋トレに最適なプロテイン”
4“自宅での筋トレに合うプロテイン”
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.
ジム ‹검색 'ジムダイエット' 외 6 · 월 55,444›실측サプリメント ‹검색 'ダイエット サプリメント' 외 2 · 월 42,533›실측自重トレーニング ‹검색 '自重トレーニング プロテイン' · 월 96›실측AIO출처初心者向け ‹검색 'ダンス 初心者向け' 외 1 · 월 373›실측AIO출처 링크 없음有酸素運動 ‹검색 '有酸素運動ダンス' 외 1 · 월 9,976›실측AIO출처 링크 없음
선택 3축(시장성·적합성·입증)
시장성19
브랜드 적합성81
입증가능성83
Top of CEP brands
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“ダンスの前後におすすめのプロテインは？”기존 프롬프트
2“ダンスフィットネスに最適なプロテインは？”
3“ダンスでの運動効果を高めるプロテインは？”
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.
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)
ザバス
74.2%
35,566
6
1.2
マイプロテイン
10.6%
103,500
4
2.0
ビーレジェンド
4.8%
23,833
4
3.0
オイコス
3.6%
60,500
2
1.0
dns
3.4%
43,500
3
3.0
エクスプロージョン
–
85,000
0
–
レイズ
–
43,500
0
–
エゾボリック
–
21,100
0
–
クレバー
–
14,800
1
6.0
バイタス
–
13,000
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 7개는 AI 검색 답변에 카테고리 브랜드가 하나도 나오지 않는다. 포컬 브랜드 ザバス는 3개 CEP의 SERP에서 언급된다(그중 AI Overview 본문 2개).
★ = 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
ザバス
76.8%
88.5%
6 / 8
86.9%
8.0%
8.0%
+68.8pt
소
MPEN
マイプロテイン
10.9%
24.8%
4 / 8
44.1%
23.3%
23.3%
-12.4pt
중
NS
ビーレジェンド
5.0%
29.8%
4 / 8
16.8%
5.4%
5.4%
-0.4pt
소
MPEN
オイコス
3.7%
5.8%
2 / 8
64.2%
13.6%
13.6%
-9.9pt
중
NS
dns
3.5%
20.4%
3 / 8
17.1%
9.8%
9.8%
-6.3pt
소
MPEN
エクスプロージョン
0.0%
0.0%
0 / 8
–
19.1%
19.1%
-19.1pt
중
NS
レイズ
0.0%
0.0%
0 / 8
–
9.8%
9.8%
-9.8pt
소
MPEN
エゾボリック
0.0%
0.0%
0 / 8
–
4.8%
4.8%
-4.8pt
소
MPEN
クレバー
0.0%
0.0%
0 / 8
–
3.3%
3.3%
-3.3pt
소
MPEN
バイタス
0.0%
0.0%
0 / 8
–
2.9%
2.9%
-2.9pt
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 8/10개(파워 합 97%) 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 · ザバス 소규모: 톱 브랜드가 차지한 대표 CEP(파워 상위)에서 점유를 뺏는 것이 성장의 지름길. 니치 CEP에 매달리지 말 것(EBMI). 우선 대상: ダイエットサポート
18포컬 브랜드 대응 우선순위
강점 (1위, 지킨다)
ダイエット中にタンパク質をしっかり摂りたいとき
筋トレに集中したいとき
ダンスで楽しく運動したいとき
特定の筋肉を集中的に鍛えたいとき
特定の筋肉を集中的に鍛えたいとき
찬스 (근소 열세, 친다)
–
약점 (큰 격차·큰 시장)
ダイエットをサポートしたいとき · 1위와 격차 62.0pt · 1위 マイプロテイン 62%, 자사 측정 링크 없음
열세/보류
夜に軽く食べたいとき · 1위와 격차 50.0pt · 1위 オイコス 50%, 자사 측정 링크 없음
ダイエットのために食事を調整したいとき · 1위와 격차 53.0pt · 1위 オイコス 73%, 자사 20%
규칙: 강점=측정 CEP 내 1위 / 찬스=1위와 격차 ≤5pt & 파워 ≥중앙값 / 약점=격차 >15pt & 파워 ≥중앙값, 임계값 명시형 규칙 분류(알고리즘 등급 아님). 브랜드 언급 없음(빈자리) CEP 2개: 측정했지만 검색 결과·경로에 브랜드가 나오지 않음(忙しい朝にエネルギーを補給したいとき, 食後に運動を取り入れたいとき).
19한계
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 194건을 코드가 폐기함 (증거 강제)
정성 속성 110개 중 실측 63개(57%), 합의 27개(25%), 파생 17개, 해석 3개. 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, 8개 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.