우리 고객의 페르소나 정의 어떻게 시작하나요? “우리 고객은 30대 여성일 것 같다”는 추정으로 시작하고 있지 않나요?
키워드 조회 API의 demography는 특정 키워드 검색이 성별·연령별로 어떻게 나뉘는지 알려 줍니다. 이 문서는 그 값을 읽는 방법과 여러 키워드의 정보를 합치는 계산, 페르소나에 이 데이터를 쓰기 전에 거쳐야 할 확인 절차를 설명합니다.
demography의 비율은 검색 기준입니다. 네이버 API에서 제공하는 정보를 바탕으로 리스닝마인드 자체 알고리즘으로 구글 검색과 통합하여 해당 키워드 검색 중 각 집단이 차지하는 비중을 산출하며, 검색한 사람 수나 구매자 수의 분포가 아닙니다.
제공 범위: 한국(gl=kr)만
demography는 한국 데이터에만 제공됩니다. 구글은 키워드의 demography 정보를 제공하고 있지 않기 때문에 미국(us)·일본(jp) 키워드는 이 값을 반환하지 않습니다. 오류나 누락이 아니라 데이터 사양입니다. 해외 시장에서 타깃을 나눌 때는 검색어의 표현과 맥락(무엇을 위해, 어떤 상황에서 찾는지)을 근거로 삼습니다.
demography 정보를 수집하기 위해서는 /keyword_info 호출시 data_type을 all로 요청해야 함께 추출됩니다. (키워드당 10크레딧).
필드 읽는 법
| 종류 | 필드 | 뜻 |
| 플래그 (1/0) | m_gender·f_gender, a0·a13·a20·a25·a30·a40·a50 | 1이면 그 집단의 검색 비중이 통계적으로 유의미하게 높다고 표시됩니다. 여러 집단이 동시에 1일 수 있습니다 |
| 비율 (%) | m_gender_ratio·f_gender_ratio, a30_ratio 등 | 그 키워드 검색 중 해당 집단이 차지하는 비율입니다 |
연령 코드는 a0(12세 이하), a13(13~19세), a20(20~24세), a25(25~29세), a30(30대), a40(40대), a50(50세 이상)입니다. 연령 코드 범위와 플래그의 판정 기준(표준편차 1시그마)은 키워드 조회 API 활용 가이드의 인구 통계 항목에 있습니다.
플래그와 비율은 다른 질문에 답합니다. 플래그는 “이 집단의 검색 비중이 유의미하게 높다고 표시됐는가”, 비율은 “이 키워드 검색 중 이 집단이 얼마나 되는가”입니다. 플래그가 1이라고 그 집단이 검색의 대다수라는 뜻은 아닙니다. 반대로 비율이 가장 높은 집단이라도 플래그가 0일 수 있습니다. 두 값을 함께 봐야 합니다.
여러 키워드를 합치는 계산
키워드 하나의 비율은 그 키워드의 특성일 수 있어, 페르소나에는 여러 키워드를 합친 비율을 씁니다. 단순 평균이 아니라 검색량으로 가중평균합니다.
합친 비율(집단) = Σ(키워드별 집단 비율 × 키워드별 volume_avg) ÷ Σ(포함된 키워드의 volume_avg)| 항목 | 기준 |
| 포함 범위 | demography 값이 있는 키워드만. 값이 비어 온 키워드는 분자와 분모에서 모두 뺍니다 |
| 분모 | 포함된 키워드의 volume_avg 합 (목록 전체 합이 아님) |
| 플래그 | 더하거나 평균하지 않습니다. 같은 집단의 플래그가 몇 개 키워드에서 1로 나왔는지를 셉니다 |
| 중복 | 더하기 전에 표기만 다른 키워드의 구글 중복을 확인합니다(검색량 지표 읽는 법 참고) |
계산 예시
가상 사례 · 실제 측정값 아님. 같은 카테고리 키워드 세 개의 30대 비율이 다음과 같다고 해 보겠습니다.
| 키워드 | volume_avg | a30_ratio | a30 플래그 |
| 키워드 1 | 8,000건 | 40% | 1 |
| 키워드 2 | 2,000건 | 20% | 0 |
| 키워드 3 | 500건 | 값 없음 | — |
- 키워드 3은 값이 없어 뺍니다. 분모는 8,000 + 2,000 = 10,000건입니다.
- 30대 합친 비율 = (40 × 8,000 + 20 × 2,000) ÷ 10,000 = 36%
- 단순 평균이었다면 (40 + 20) ÷ 2 = 30%로, 검색량이 작은 키워드 2의 영향이 커집니다.
- 포함 범위를 함께 적습니다: “3개 중 2개 키워드 · 포함 검색량 10,000건(목록 검색량의 95%)”.
이 예시만으로 “핵심 고객은 30대”라고 결론 낼 수 없습니다. 다른 연령대의 비율, 플래그가 여러 키워드에서 반복되는지, 아래의 검색 상황·목적을 함께 봐야 합니다.
값이 비어 오는 경우
어떤 호출에서는 조회한 월 검색량 28건·58건의 두 키워드는 demography가 빈 값으로 왔습니다(실측). 성별·연령을 나눌 표본이 부족해서일 수 있으나, 원천 데이터의 빈 값이 추출되기도 합니다. 값이 없는 키워드를 0으로 채우거나 다른 키워드 값으로 메우지 말고 ‘데이터 없음’으로 그냥 두는 것을 권고합니다.
페르소나에 쓰는 순서
- 대표 키워드를 여러 개 고릅니다. 브랜드·카테고리·주요 용도를 대표하는 키워드를 묶어 각각의 플래그와 비율을 조회합니다.
- 반복되는 신호를 찾습니다. 키워드 하나에서만 “1”로 나온 플래그는 그 키워드의 특성일 수 있습니다. 여러 키워드에서 같은 집단이 반복되는지 봅니다.
- 검색량으로 가중평균합니다. 위 계산식대로 합치고 포함 범위를 함께 적습니다.
- ‘누가’에 ‘왜·언제’를 겹칩니다. 성별·연령은 누가 검색하는지만 알려 줍니다. 관계 네트워크 분석 API로 찾은 검색 상황·목적과 겹치면 검색 상황과 목적까지 담은 페르소나 가설을 세울 수 있습니다.
- 같은 방식으로 경쟁·인접 키워드도 봅니다. 우리 키워드만의 특징인지 카테고리 전체의 특징인지 구분할 수 있습니다.
한계
- 값은 검색 행동을 집계한 분포입니다. 개인 단위 데이터가 아니며, 검색한 사람이 곧 구매자라는 뜻도 아닙니다(예: 부모가 자녀 제품을 검색하는 경우).
demography값은 실측이지만, 거기서 “이 타깃은 이렇게 행동할 것이다”로 넓힌 부분은 해석입니다. 페르소나 문서에는 두 부분을 구분해 표기합니다.demography의 집계 기간은 응답 명세에 정의돼 있지 않습니다. volume_avg(최근 3개월)로 가중하는 계산은 두 값의 기간이 비슷하다는 가정에 기댑니다.- 한 번의 조회는 한 시점의 값입니다. 분기 단위로 다시 확인해 신호가 유지되는지 봅니다. 다시 확인할 때는 키워드 목록·국가·중복 규칙을 같게 두고, 바꿨다면 바꾼 효과를 따로 적습니다.
리포트에 기록할 것
- 사용한 키워드 목록과 조회일
- 합친 비율의 포함 범위: 값이 있던 키워드 수와 그 검색량이 목록에서 차지하는 비중
- 값이 비어 빼 낸 키워드
- 플래그와 비율 중 무엇을 근거로 했는지
성별·연령 실측을 바탕으로 타깃을 나눈 예시는 타겟 페르소나 매핑에서 볼 수 있습니다.
*사실 검증 기준일: 2026-10-20.*
