리스닝마인드 데이터 API는 호출할 때마다 크레딧을 소모합니다. 소모량은 엔드포인트별로 다르며, 요청한 입력 수량과 반환된 출력 수량에 따라 정해집니다.
호출당 크레딧 = 입력 단가 × 입력 수량 + 출력 단가 × 출력 수량| 항목 | 기준 |
| 크레딧 단가 | 1 Credit = 1.3원 (USD $0.001), VAT 별도 |
| 최종 과금 기준 | 월간 누적 소모 크레딧 “used_credits” 기준 |
엔드포인트별 크레딧 단가
표의 숫자는 원이 아니라 크레딧 단위입니다.
| 엔드포인트 | 주요 용도 | 과금 구조 | 입력 단가(Credits) | 출력 단가(Credits) |
|---|---|---|---|---|
/keyword_info | 검색량ㆍCPCㆍSERPㆍ의도ㆍ인구통계 등 키워드 정보 조회 | 1:1 | 10 / 키워드 | 없음 |
/serp | 입력 키워드의 검색 결과 화면 | 1:1 | 30 / 키워드 | 없음 |
/intent_finder/keyword_list | 입력 키워드의 연관 키워드 목록 | N:N | 30 / 키워드 | 2 / 반환 키워드 |
/path_finder | 검색 경로 시퀀스 | 1:N | 50 / 키워드 | 40 / 경로 내 고유 키워드 |
/path_finder/keyword_list | 검색 경로에 나온 키워드 목록만 추출 | 1:N | 30 / 키워드 | 2 / 반환 키워드 |
/cluster_finder | 소비자 인식 그룹(commuties)과 관계 네트워크(rels) | 1:N | 150 / 키워드 | 50 / 커뮤니티 내 고유 키워드 |
/cluster_finder/keyword_list | 관계 네트워크 내 키워드 목록만 추출 | 1:N | 30 / 키워드 | 2 / 반환 키워드 |
/trend_finder/issue_list | 급부상 이슈 키워드 목록 | 1:N | 50 / 키워드 | 2 / 반환 키워드 |
GET /usage/summary | 사용량 조회 | — | 무과금 | 무과금 |
과금 구조 읽는 법
- 1:1 — 입력 키워드 하나에 결과 하나가 대응합니다. 입력만 과금합니다.
- 1:N — 시드 키워드 하나로 여러 결과를 받습니다. 호출 1회 입력 과금에 결과 수만큼 출력 과금이 더해집니다.
- N:N — 여러 시드 키워드를 한 번에 요청하고 여러 결과를 받습니다. 시드 수만큼 입력 과금, 결과 수만큼 출력 과금이 발생합니다.
엔드포인트별 산정 규칙
/keyword_info — 입력한 키워드 수만큼
- 한 번에 최대 1,000개 키워드를 요청할 수 있으며, 키워드 1개당 10 크레딧입니다.
- 출력 과금이 없고,
data_type을 무엇으로 지정해도 과금은 같습니다. - 키워드 1개씩 1,000번 호출하든, 1,000개를 1번에 호출하든 10,000 크레딧으로 동일합니다.
/serp — 키워드 1개 = 호출 1회
- 한 번에 키워드 1개만 요청할 수 있으며, 키워드 1개당 30 크레딧입니다.
features필터를 지정해도 과금은 같습니다.- 저장된 검색결과 스냅샷이 없어 결과가 0건이면 과금하지 않습니다.
/intent_finder/keyword_list — 시드 키워드 수 + 반환 키워드 수
- 한 번에 최대 100개 시드 키워드를 요청할 수 있습니다.
- 시드 1개당 30 크레딧에, 반환된 연관 키워드 1개당 2 크레딧이 더해집니다.
- 반환 개수는
limit으로 조절합니다(기본 100개, 최대 10,000개).
/path_finder — 호출 1회 + 유니크 키워드 수
- 출력 과금은 반환된 경로 수가 아니라 경로에 등장한 유니크 키워드 수(
output_count) 기준입니다. - 예: 경로 3개를 받았고 그 안에 서로 다른 키워드가 7개 있다면 출력 과금은 7 × 40 = 280 크레딧입니다.
/cluster_finder — 호출 1회 + 유니크 키워드 수
- 출력 과금은 관계 네트워크에 등장한 유니크 키워드 수 기준입니다.
orientation(관계 방향)을 바꿔 요청하면 각각 별도 호출로 과금합니다.hop(관계 확장 깊이)을 높이면 반환 키워드가 크게 늘어 출력 과금도 함께 늘어납니다.
/path_finder/keyword_list, /cluster_finder/keyword_list — 키워드 목록만
- 경로 순서나 관계 구조 없이 키워드 목록만 반환하는 대신 단가가 낮습니다(호출 1회 30 + 키워드 1개당 2 크레딧).
- 키워드 후보를 먼저 모은 뒤, 상세 분석이 필요한 시드에만
/path_finder·/cluster_finder를 호출하면 비용을 줄일 수 있습니다. 자세한 방법은 비용 최적화 가이드를 참고하세요.
/trend_finder/issue_list — 호출 1회 + 반환 이슈 키워드 수
- 출력 과금은 기간 내 전체 이슈 수(
total)가 아니라 실제 반환된 이슈 키워드 수 기준입니다. limit기본값이 1,000이므로, 지정하지 않으면 최대 2,050 크레딧(50 + 1,000 × 2)이 과금될 수 있습니다.- 매칭된 이슈가 0건이면 과금하지 않습니다.
과금되지 않는 경우
| 상황 | 입력 과금 | 출력 과금 |
| 오류 응답 (4xx·5xx) | 없음 | 없음 |
| 정상 응답(200)이지만 결과가 빈 배열 | 있음 | 없음 |
/serp, /trend_finder 결과 0건 | 없음 | 없음 |
GET /usage/summary 조회 | 없음 | 없음 |
빈 결과는 오류가 아니라 “해당 조건에 데이터가 없다”는 정상 응답이므로 입력 과금이 발생합니다. 단,
/serp와/trend_finder는 결과가 0건이면input_count: 0,total_cost: 0으로 반환되어 과금되지 않습니다.
응답에서 과금 내역 확인하기
정상 응답(2xx)에는 해당 호출의 과금 내역인 cost_detail과, API Key 기준 월간 누적 사용량인 used_credits가 함께 반환됩니다. 오류 응답에는 cost_detail이 없습니다.
예시: /path_finder 호출 (경로 3개, 유니크 키워드 7개)
"cost_detail": {
"input_cost": 50, "input_count": 1, "input_total_cost": 50,
"output_cost": 40, "output_count": 7, "output_total_cost": 280,
"total_cost": 330
}
"used_credits": 12345,
"total": 2,| 필드 | 의미 |
input_cost | 입력 단가 (크레딧) |
input_count | 과금된 입력 수량 |
input_total_cost | 입력 과금 합계 (input_cost × input_count) |
output_cost | 출력 단가 (크레딧) |
output_count | 과금된 출력 수량 (유니크 키워드 수 또는 반환 항목 수) |
output_total_cost | 출력 과금 합계 (output_cost × output_count) |
total_cost | 이번 호출의 총 크레딧 |
used_credits | API Key 기준 월간 누적 소모 크레딧 |
이 호출의 비용은 330 크레딧 × 1.3원 = 429원(VAT 별도)입니다.
기간별 누적 사용량은 GET /usage/summary로 조회할 수 있습니다. 자세한 내용은 사용량 조회·한도 관리와 정산을 참고하세요.
AI 플랫폼·MCP로 연동할 때
ChatGPT, Microsoft Copilot, Claude 같은 AI 플랫폼에 연동하면 사용자 질문 1개가 1 크레딧이 아닙니다. AI가 질문에 답하기 위해 여러 엔드포인트를 연달아 호출할 수 있고, 각 호출의 입력·출력 수량만큼 크레딧이 누적됩니다.
예를 들어 “이 제품을 사는 사람들은 어떤 순서로 검색하나요?”라는 질문 하나에 AI가 다음처럼 호출했다면:
| 순서 | 호출 | 크레딧 |
| 1 | /keyword_info — 키워드 5개 조회 | 5 × 10 = 50 |
| 2 | /path_finder — 시드 1개, 유니크 키워드 40개 반환 | 50 + 40 × 40 = 1,650 |
| 합계 | 1,700 크레딧 (2,210원) |
※ 위 호출 순서와 반환 수량은 계산 방법을 보여 주기 위한 가정입니다. 실제 호출 방식은 AI 플랫폼과 질문에 따라 달라집니다.
AI 플랫폼별 사용량은 /usage/summary의 플랫폼별 집계로 확인할 수 있습니다.
관련 문서
- 리스닝마인드 데이터 API 과금 정책
- 비용 계산 예시
- 비용 최적화 가이드
- 사용량 조회·한도 관리와 정산
- 엔드포인트별 파라미터와 응답 형식은 API 레퍼런스를 참고하세요.
