커머스 상품기획·리뷰 분석 연동 제안

쇼핑몰 내부 지표에 쇼핑몰 밖 잠재 고객의 검색 맥락을 더합니다셀러 도구나 상품기획 서비스가 몰 판매·리뷰 데이터로 무엇이 팔리는지를 보여준다면, 리스닝마인드 DaaS API는 같은 상품을 찾는 사람들이 함께 검색하는 말과 앞뒤로 이어서 검색하는 순서를 더합니다. 판매·리뷰 데이터 밖의 검색 수요와, 함께 찾는 속성·고민을 같이 보여줄 수 있습니다.

쇼핑몰 내부 데이터가 보여주지 못하는 것

몰 판매·리뷰 데이터는 그 몰에서 상품을 본 사람과 산 사람의 기록입니다. 구매 전에 사람들이 검색창에 무엇을 입력했는지, 어떤 속성과 비교 대상을 거쳐 그 상품에 닿았는지는 이 데이터 안에 남지 않습니다. 그래서 몰 안 지표만으로는 “이 상품이 잘 팔린다”는 사실은 보여줄 수 있어도, “사람들이 이 상품을 어떤 기준으로 고르는지”를 설명하기 어렵습니다.

리스닝마인드 DaaS API는 이 빈칸을 세 갈래의 검색 데이터로 채웁니다.

• 수요 규모 — keyword_info가 검색어별 월평균 검색량, 연간 총 검색량, 증감률과 최대 48개월의 월별 검색량을 돌려줍니다.
• 함께 찾는 말 — intent_finder는 기준 검색어와 함께 검색되는 연관 검색어를, cluster_finder는 그 검색어들이 어떤 묶음으로 모이는지를 돌려줍니다.
• 찾는 순서 — path_finder는 기준 검색어 앞뒤로 이어서 검색된 검색어 순서를 돌려줍니다.

여기에 trend_finder로 기준 검색어와 관련해 최근 급부상한 이슈와 요약·출처 링크를 더하면, 다음 시즌 기획에 쓸 신호까지 한 화면에 담을 수 있습니다.

연동 지점 — 서비스 작업 흐름 예시

서비스 단계	붙는 데이터	API	호출 1건 크레딧
아이템 · 키워드 발굴	기준 검색어와 함께 검색되는 연관 검색어 목록	intent_finder	30 + 반환 2/개
수요 규모 · 시즌 판단	검색어별 월 검색량·월별 추이·검색자 성·연령(한국)	keyword_info	10 / 키워드
상품 속성 · 고민 묶음	함께 검색되는 검색어 묶음과 묶음 사이 관계	cluster_finder	150 + 반환 50/개
앞뒤 검색 순서로 비교 대상 찾기	기준 검색어 앞뒤로 이어서 검색되는 검색어 순서	path_finder	50 + 경로 키워드 40/개
새로 뜨는 이슈 확인	기준 검색어 관련 급부상 이슈와 요약·출처 링크	trend_finder	50 + 반환 이슈 2/개

단계별 연동 상세

① 아이템 · 키워드 발굴 — POST /intent_finder/keyword_list

시드 검색어(최대 100개)를 넣으면 함께 검색되는 연관 검색어를 검색량 순으로 돌려줍니다. 주요 파라미터는 limit(기본 100, 최대 10,000), sort(volume_avg 기본, volume_total·volume_trend·cpc·competition_index 선택), volume_threshold(기본 100 — 이 검색량 미만은 제외)입니다.

• 셀러 도구라면 아이템 후보 목록에, 증감률순 정렬로 “최근 검색이 늘어난 연관 검색어”를 따로 보여줄 수 있습니다.
• 시드를 여러 개 넣으면 시드별 결과가 아니라 하나로 합쳐진 목록이 돌아옵니다. 시드별로 나눠 보여주려면 시드마다 따로 호출합니다.
• 시드 자신이나 관련이 약한 검색어가 섞일 수 있어, 호출 후 서비스 쪽에서 한 번 거르는 것을 권장합니다.

② 수요 규모 · 시즌 판단 — POST /keyword_info

검색어를 한 번에 최대 1,000개까지 넣어 지표를 받습니다. data_type과 관계없이 키워드당 10크레딧이므로, all로 한 번에 받아 필요한 필드만 쓰는 편이 효율적입니다.

• intents의 비교형(C)·구매형(T) 표시로 상품명 키워드가 비교 단계인지 구매 단계인지 구분해 보여줄 수 있습니다.
• demography의 성별·연령대 비율로 상품의 주 검색층을 보여줄 수 있습니다.
• volume_avg(최근 3개월 평균)·volume_total(최근 12개월 합)·volume_trend(3개월 전 대비 증감률). gl이 kr일 때는 구글과 네이버 합산값이며, 채널별 수치는 gg_·nv_ 접두 필드로 받습니다.
• monthly_volume — 최대 48개월 월별 검색량(data_type이 ads_info 또는 all일 때 반환).

③ 상품 속성 · 고민 묶음 — POST /cluster_finder

기준 검색어 하나를 넣으면 함께 검색되는 검색어 묶음(communities)과 검색어 사이 연결(rels)을 돌려줍니다. hop은 관계를 몇 단계까지 넓힐지 정하며 기본값은 2입니다(1은 직접 연관, 3은 탐색용으로 결과와 비용이 크게 늘어납니다). limit 기본값은 500입니다.

• 리뷰 솔루션이라면 묶음마다 “사이즈·등급·가격” 같은 속성 카드를 만들어, 리뷰에서 뽑은 구매 요인과 나란히 보여줄 수 있습니다.
• 묶음 구조 없이 키워드 목록만 필요하면 /cluster_finder/keyword_list(30 + 반환 2/개)로 먼저 받고, 깊게 볼 시드에만 본 API를 쓰면 비용을 줄일 수 있습니다.
• orientation(무방향·순방향·역방향)을 바꿔 호출하면 각각 따로 과금됩니다.

④ 비교 대상 찾기 — POST /path_finder

기준 검색어 하나를 넣으면, 그 검색어를 거쳐 간 실제 검색 순서를 경로 배열로 돌려줍니다. limit은 경로 수(기본 300, 최대 1,000)이고, time_point를 curr와 12m으로 각각 조회하면 1년 사이 탐색 경로가 어떻게 바뀌었는지 비교할 수 있습니다.

• 상품 상세나 셀러 리포트에 “이 상품을 찾기 전·후에 검색한 것”을 흐름으로 보여주고, 경쟁 브랜드로 넘어가는 경로를 표시할 수 있습니다.
• 경로 길이는 2개부터 5개 이상까지 섞여 있고, 기준 검색어는 경로의 처음·중간·끝 어디에도 올 수 있습니다.
• 출력 크레딧은 경로 수가 아니라 경로에 등장한 서로 다른 검색어 수 기준(40/개)입니다. 목록만 필요하면 /path_finder/keyword_list(30 + 반환 2/개)를 먼저 씁니다.

⑤ 새로 뜨는 이슈 확인 — POST /trend_finder/issue_list

기준 검색어와 관련된 급부상 이슈를 이슈 점수, AI 생성 요약문, 핵심 구문, 출처 링크와 함께 돌려줍니다. period_days는 조회 기간(기본 14일, 1~365일)이고, content_type으로 뉴스·영상·웹 중 하나만 고를 수 있습니다.

• 신제품 출시 반응을 볼 때는 제품명으로 period_days 30, 기록일 오름차순 정렬로 받아 날짜별 흐름을 보여줄 수 있습니다.
• limit 기본값이 1,000이라 지정하지 않으면 최대 2,050크레딧이 쓰일 수 있습니다. 화면에 보여줄 만큼만 지정하세요.
• 실시간 데이터가 아니라 일별로 구축된 이슈 인덱스입니다. 화면에는 index_date를 함께 표기하고, 정기 수집은 전날(index_date D-1)을 확정분으로 받는 방식을 권장합니다.

예시 흐름 — 시드 검색어 “lg 냉장고”

아래는 통합 가이드(API v0.0.60)에 실린 호출 예시를 커머스 작업 흐름 순서로 엮은 것입니다. 수치는 호출 시점에 따라 달라집니다.

POST /keyword_info
{
  "keywords": ["lg 냉장고"],
  "gl": "kr",
  "data_type": "all"
}

• 실제데이터 월평균 검색량 51,866건, 연간 605,210건, 증감률 0.4. 구글 5,800건 · 네이버 46,066건.
• 추정 네이버 비중 약 88.8% (네이버 월평균 ÷ 전체 월평균).
• 실제데이터 의도는 구매형(T)만 1로 표시됐고, 검색자 비율은 여성 58.48%, 40대 34.54% · 50대 29.05% · 30대 27.11%입니다.

연관 검색어 (intent_finder, limit 5) — lg 김치냉장고, lg 냉장고 4 도어, lg냉장고 2도어, lg 디오스 냉장고가 돌아왔습니다.

이 예시에서는 도어 수와 제품 라인이 연관 검색어에 함께 나타났습니다.

검색어 묶음 (cluster_finder, hop 1 · limit 10) — 가장 큰 묶음에 삼성 냉장고, lg 냉장고 사이즈, lg 냉장고 1등급, lg 냉장고 4 도어, lg 소형 냉장고 가격·추천, 컨버터블 냉장고 단점이 함께 묶였습니다.

이 예시에서는 경쟁 브랜드, 사이즈, 에너지 등급, 소형 가격이 같은 묶음에 들어 있습니다.

검색 순서 (path_finder, limit 3) — “refrigeration 뜻 → 냉장고 → lg 냉장고”, “냉장 냉동 차이 → 냉장고 → lg 냉장고”, “lg 냉장고 → lg 냉장고 소형 → lg전자 → lg전자 주가” 세 경로가 돌아왔습니다.

비용 계산 예시

셀러 도구가 카테고리 시드 100개를 월 1회 갱신하는 상황을 가정한 계산입니다. 반환 결과가 가정한 수량만큼 채워졌다고 보고 계산했으며, 실제 과금은 각 응답의 cost_detail을 따릅니다.

단계	가정	크레딧 계산	크레딧
연관 검색어	시드 100개 × 각 100개 반환	100 × (30 + 100 × 2)	23,000
수요 규모	확장 검색어 중 1,000개	1,000 × 10	10,000
검색어 묶음	핵심 시드 10개 × 각 100개 반환	10 × (150 + 100 × 50)	51,500
검색 순서	핵심 시드 10개 × 서로 다른 검색어 100개	10 × (50 + 100 × 40)	40,500
급부상 이슈	핵심 시드 10개 × 각 20건	10 × (50 + 20 × 2)	900
합계			125,900

추정 125,900크레딧 × 1.3원 = 약 163,670원(데이터 사용료, VAT 별도). 묶음·순서 단계가 전체의 70% 이상을 차지하므로, keyword_list 계열로 먼저 목록을 받고 깊게 볼 시드만 고르는 2단계 수집을 쓰면 줄일 수 있습니다. 자세한 규칙은 비용 계산 예시와 크레딧 산정 기준을 참고하세요.

연동 방식

• REST API — Base URL https://listeningmind-data-api.ascentlab.io, 요청 헤더 LM-API-KEY로 인증합니다. 서비스 백엔드에서 정기 수집·적재할 때 씁니다.
• MCP Server — https://listeningmind-daas-mcp.ascentlab.io(OAuth). 셀러 도구 안의 AI 어시스턴트가 대화 중에 직접 조회하게 할 때 씁니다. 플랫폼별 설정은 연동하기를 참고하세요.
• user_query — AI 기능을 거친 호출이라면 사용자의 질문 원문을 함께 보낼 수 있습니다. 호출 이력에만 적재되고 과금과 반환 데이터에는 영향이 없습니다.
• 오류 과금 — 4xx·5xx 오류 응답은 입력·출력 모두 과금되지 않습니다.
• 사용량 관리 — GET /usage/summary로 기간별 호출수·에러율·사용 크레딧을 조회해 내부 대시보드에 적재할 수 있습니다(크레딧 미차감).

데이터를 보여줄 때 유의할 점

• 국가 단위 — 검색량·관계·이슈 인덱스는 모두 gl(kr·jp·us) 기준으로 산출됩니다. 한 국가 결과로 다른 국가를 추론하지 않습니다.
• 검색량 채널 — gl이 kr일 때만 구글과 네이버 합산값이고, 일본·미국은 구글 단독 수치입니다.
• 이슈 시점 — 급부상 이슈는 실시간이 아니라 일별 인덱스입니다. 화면에 기준 날짜를 함께 표기합니다.
• 빈 결과 — 빈 배열은 “데이터 없음”이지 “수요 없음”이 아닙니다.
• 값의 출처 구분 — API가 돌려준 값과 그 값을 계산해 만든 값(비중·합계 등)을 구분해 표기하면 리포트를 검증하기 쉬워집니다.

함께 보면 좋은 문서

• 데이터 기반 신제품 기획 — 검색 데이터로 신제품 기획 근거를 만드는 표준 작업
• 구매 의사결정 경로 분석 — 검색 순서로 구매 여정을 읽는 방법
• 연관 쿼리 추출 API 활용 가이드 · 키워드 조회 API 활용 가이드
• 관계 네트워크 분석 API 활용 가이드 · 검색 경로 분석 API 활용 가이드 · 이슈 키워드 조회 API 활용 가이드

호출 1건 크레딧은 공개 요금표 기준입니다. ‘반환 N/개’는 응답에 돌아온 항목(검색어·경로 속 검색어·이슈) 1개마다 더해지는 크레딧입니다. 1크레딧은 공개 요금표 기준 1.3원입니다. 반환 수가 기준 검색어마다 달라 월 사용량은 테스트 Key 실측으로 확인합니다. 검색량 조회 크레딧은 전체 지표를 받는 기준입니다. 급부상 이슈 조회 크레딧은 공개 요금표에 실측 전 기본값으로 표기돼 있어 바뀔 수 있습니다.