---
title: 인구통계(demography)로 타깃 가늠하기 — 플래그와 비율 해석
description: 키워드 조회 API의 성별·연령 플래그와 비율을 어떻게 읽고, 여러 키워드를 합칠 때 어떻게 계산하며, 페르소나에 쓰기 전에 무엇을 확인해야 하는지 설명합니다. 한국(gl=kr) 데이터에만 제공됩니다.
url: "https://kr.listeningmind.com/data-api/data-interpretation/demography-persona/"
updated: "2026-10-20"
category: 데이터 해석
---

# 인구통계(demography)로 타깃 가늠하기 — 플래그와 비율 해석

우리 고객의 페르소나 정의 어떻게 시작하나요? "우리 고객은 30대 여성일 것 같다"는 추정으로 시작하고 있지 않나요?

키워드 조회 API의 `demography`는 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.

`demography`의 비율은 **검색 기준**입니다. 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

`demography`는 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_type`을 `all`로 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 가이드](https://kr.listeningmind.com/data-api/api-reference/keyword-info-api/)의 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](https://kr.listeningmind.com/data-api/data-interpretation/search-volume-metrics/) 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 | — |

1. 키워드 3은 값이 없어 뺍니다. 분모는 8,000 + 2,000 = 10,000건입니다.
2. 30대 합친 비율 = (40 × 8,000 + 20 × 2,000) ÷ 10,000 = 36%
3. 단순 평균이었다면 (40 + 20) ÷ 2 = 30%로, 검색량이 작은 키워드 2의 영향이 커집니다.
4. 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 `demography`가 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

1. **대표 키워드를 여러 개 고릅니다.** 브랜드·카테고리·주요 용도를 대표하는 키워드를 묶어 각각의 플래그와 비율을 조회합니다.
2. **반복되는 신호를 찾습니다.** 키워드 하나에서만 "1"로 나온 플래그는 그 키워드의 특성일 수 있습니다. 여러 키워드에서 같은 집단이 반복되는지 봅니다.
3. **검색량으로 가중평균합니다.** 위 계산식대로 합치고 포함 범위를 함께 적습니다.
4. **'누가'에 '왜·언제'를 겹칩니다.** 성별·연령은 누가 검색하는지만 알려 줍니다. [관계 네트워크 분석 API](https://kr.listeningmind.com/data-api/api-reference/cluster-finder-api/)로 찾은 검색 상황·목적과 겹치면 검색 상황과 목적까지 담은 페르소나 가설을 세울 수 있습니다.
5. **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).
- `demography` 값은 실측이지만, 거기서 "이 타깃은 이렇게 행동할 것이다"로 넓힌 부분은 해석입니다. 페르소나 문서에는 두 부분을 구분해 표기합니다.
- `demography`의 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 매핑](https://kr.listeningmind.com/data-api/usecase/standard-jobs-j3/)에서 볼 수 있습니다.

*사실 검증 기준일: 2026-10-20.*