네이버 검색량 분석 서버 개발 계획
2026.07.26

「홈랩에서 24시간 멈추지 않는 AI 에이전트 운영 인터페이스 개발하기」 2주차 사례발표
💬 들어가기 전에 — "네이버 검색량"이 뭔가요?
네이버 검색창에 사람들이 특정 단어를 얼마나 입력했는지를 보여주는 데이터입니다.
네이버가 '데이터랩'이라는 서비스로 공개하고 있고, 누구나 볼 수 있어요.

이 데이터의 모습은 이렇게 생겼습니다:
· 날짜별로 — 2016년01월01일~어제, 1일 단위로
· 성별별로 — 남성, 여성
· 연령별로 — 연령대 (~12세, 13~18, 19~24, 25~29,..., 60~ 등 11개 구간)
· 기기별로 — PC, 모바일
· 예를 들면 "2026-01-15 · 모바일 · 여성 · 50~54세 · '누룽지' 검색량 1,234회"
검색량이 곧 판매량은 아니지만, 소비자 관심의 방향과 리듬을 보여줍니다.
언제 관심이 몰리는지(계절성), 누가 찾는지(타깃), 관심이 커지는 중인지 식는 중인지(추세)
— 광고 시즌, 타깃 설정, 신제품 시장성 판단의 근거가 되죠.
한 가지 문제는, 네이버가 원본을 "상대값"으로만 줍니다 (기간 중 최고점을 100으로 놓은 비율).
그래서 검색량이 이미 검증된 레퍼런스 키워드와 비교하는 방식으로 실제 검색 횟수를 추정해서 씁니다
— 이 변환 과정도 아래에서 소개할 시스템이 자동으로 처리합니다.
📍 1. 시작점 — 실제로 하고 있는 일
저는 1인 기업 소굿마켓을 운영합니다. 이커머스에서 화장품과 식품을 유통하며,
신제품 런칭 전에 네이버 검색량 데이터 분석을 통해 마케탕 전략을 수립합니다
실제 사례: 바른쌀누룽지 런칭 전 누룽지 연관키워드 분석 (2026.07)
· 연관 키워드 18개 수집: 누룽지, 아기누룽지, 누룽지스낵, 미숫가루, 식사대용선식, 캠핑음식 …
· 2016년부터 10년치 일간 검색량 → 추세 · 계절성 · 성별/연령 · 요일 패턴 분해
· Claude가 5개 렌즈로 교차 분석 → 소비 장면 도출 → 런칭 전 체크리스트까지
이 파이프라인은 이미 검증되어 있고, 실전에서 의사결정에 쓰이고 있습니다.
😫 2. 문제 — 검증된 역량이 "내 시간"에 묶여 있다
이 분석은 강력하지만, 실행이 전부 제 수작업입니다.
(현재)
분석이 필요한 순간
→ 내가 PC 앞에 앉아서
→ Python 스크립트 실행 (키워드당 네이버API 44회 호출)
→ 엑셀 확인
→ Claude Code로 분석 실행
→ 보고서 작성
(문제점)
· 실행이 나에게 묶여 있으니 분석 빈도가 내 시간만큼으로 제한됨
· 함께 일하는 파트너와 협업할 때도 매번 내가 병목
· 쓸수록 쌓여야 할 데이터가, 실행이 무거우니 천천히 쌓임
(개선방향)
분석 역량을 "나"에서 "시스템"으로 옮기면
- 내가 없어도 돌아가고, 돌아갈수록 데이터가 쌓입니다.
- 축적된 키워드 DB와 분석 경험은 소굿마켓의 비즈니스 자산이자 경쟁력이 됩니다.
💡 3. 아이디어 — 파이프라인을 24시간 웹 서비스로
(목표)
나&파트너: 로그인
→ 연관 키워드 일괄 입력
→ 맥스튜디오가 알아서 수집 (백그라운드 작업)
→ 대시보드로 탐색 (Tableau처럼, 그러나 이 데이터에 맞춤)
→ AI 채팅으로 추가 분석 ("30대 여성 비중 추이만 다시 보여줘")
→ 분석 보고서는 마크다운으로 옵시디언에 저장하고, 필요하면 보고서 PDF 생성
이름은 SoGood DataLab.
나와 파트너 몇 명이 쓰는 사내 분석 서비스로 시작해서,
데이터 분석 대시보드 플랫폼으로 확장 가능성을 봅니다.

🔍 4. 분석 철학 — 연관 키워드가 해석을 만든다
단일 키워드의 검색량은 그냥 숫자입니다. 해석은 연관 키워드와의 비교에서 나옵니다.
누룽지 검색량 분석에서 실제로 있었던 일:
① 누룽지 ↔ 캠핑음식 : 정확히 반대 계절성 → 여름 비수기를 방어할 유일한 앵글
② 누룽지 ↔ 아침대용 : 코어는 겨울, "아침 결심"은 3월 → 광고 시즌을 분리해야 함
③ 누룽지 ↔ 부모님선물 : 명절 리프트 없음, 화력은 어버이날 → 명절 기획전을 어버이날로 재배치
이 발견들은 어느 단일 키워드 그래프에서도 나올 수 없습니다.
그래서 이 앱의 분석 단위는 "키워드 세트"입니다.
연관 키워드 2~30개를 일괄 입력받아, 세트로 수집하고 비교하고 해석합니다.
그리고 자산은 두 겹으로 쌓입니다:보고서가 자산이듯, 분석 방법도 그에 버금가는 자산입니다
① 결과 보고서 — 스키마를 갖춘 마크다운으로 LLM 위키(옵시디언)에 축적되는 지식 자산
② 분석 방법 — 연관 키워드 세트를 어떻게 구성하고 교차 해석하는가, 그 노하우가 분석 스킬과 사례 카드로 축적. 사례가 쌓일수록 분석 자체가 좋아집니다🖥️ 5. 왜 "24시간 홈랩 서버"여야 하는가 — 스터디 주제와의 연결
에이전트 프레임워크(Hermes 등)의 크론 작업으로도 많은 자동화가 됩니다.
하지만 에이전트로는 불가능하고 24시간 홈랩 서버만 가능한 기능이 필요했습니다
에이전트 vs 24시간 홈랩 서버:
① 정기 수집, 정기 리포트 → 남이 아무 때나 보내는 요청에 응답 (인바운드 서빙)
② 단발 작업 실행 → 수 분~수십 분짜리 장시간 백그라운드 작업 관리
③ 메신저로 텍스트 응답 → 웹 프론트엔드 (대시보드, 차트, 채팅 UI)
④ 혼자 쓰는 도구 → 로그인 기반 멀티 유저 서비스
여기에 작업 큐 · 사용량 · 비용을 보는 관리자 페이지까지 —
스터디 주제인 "에이전트 운영 인터페이스"를 그대로 구현하는 프로젝트입니다.
📥 6. 핵심 기능 ① 수집 — 요청하면 알아서 쌓인다
· 네이버 데이터랩 API로 키워드당 매체 2 × 연령 11 × 성별 2 = 44개 세그먼트 수집 필요
· 기준 키워드 대비 환산으로 상대값 → 절대 검색량 추정 (기존 검증된 로직 이식)
· 수집 데이터는 SQLite에 적재 → 한 번 수집한 키워드는 즉시 조회 (재수집 불필요)
· API 한도는 계정당 일 1,000회.
① 배치 수집 (4+1) — API는 요청당 키워드 5개까지 허용. 레퍼런스 키워드 1 + 목표 키워드 4를 함께 실어 호출하면 최대 1일 88개 키워드 수집 가능
② 캐시 우선 — 이미 수집했었던 키워드는 기존 저장해놓은 데이터 활용
③ 복수 API 키 로테이션 — 키별 호출량을 카운트하며 순환, 사실상 한도 없이 운영
· 수집은 백그라운드 작업 큐로: 제출 → 진행률 표시 → 완료 알림
쌓일수록 좋아지는 구조 — 키워드 DB 자체가 회사의 데이터 자산이 됩니다.
📊 7. 핵심 기능 ② 대시보드 — Tableau/PowerBI를 흉내내지 않는다
Tableau/Power BI가 무거운 이유는 "아무 데이터나" 탐색하게 해주기 때문.
이 앱의 데이터는 스키마가 하나로 고정되어 있습니다:
키워드 × 날짜 × 매체 × 성별 × 연령대 × 검색량
스키마가 고정이면 범용 BI 대신 잘 설계된 대시보드 템플릿 한 벌이면 됩니다.
· 기본 화면은 세트 개요 — 키워드 비교(규모·추세·계절성)가 먼저, 키워드 상세는 드릴다운
· 장기 추세 + 연도별 비교
· 계절성 히트맵 (연 × 월)
· 인구통계 — 성별/연령 구성, 매체 비중
· 요일 패턴
· 키워드 간 비교 뷰 (누룽지 사례: 18개 키워드 교차 비교)
모든 키워드에 같은 템플릿이 재사용되고, 인터랙션(기간 줌, 세그먼트 토글)은 ECharts로 직접 구현합니다.

💬 8. 핵심 기능 ③ 대화형 분석 — 대시보드가 못 받는 질문은 채팅이 받는다
고정 대시보드는 정해진 질문에만 답합니다. 롱테일 질문은 AI 채팅이 담당:
사용자: "이 키워드, 코로나 이후로 연령대 구성이 어떻게 바뀌었어?"
→ 서버의 Claude Agent 세션이 SQLite 조회
→ 텍스트 답변 + 그 자리에서 차트 렌더
사용자: "좋네. 이거 정식 보고서로 정리해줘"
→ 기존 분석 스킬 실행 → PDF 다운로드
· 서버에서 Claude Agent SDK 세션 구동 — 키워드 세트를 컨텍스트로, 도구: 데이터 조회 · 수집 제출 · 차트 스펙 생성 · 보고서 생성
· Claude가 답변에 차트 스펙(JSON)을 섞어 보내면 프론트가 그래프로 렌더
· Hex, Julius 같은 AI 분석 서비스와 같은 패턴 — "고정 대시보드 + 대화형 커스텀 분석" 조합

🛠️ 9. 아키텍처

[사용자]
│ HTTPS
▼
Cloudflare Tunnel ← 외부 공개 (포트포워딩 없음, 무료)
│
▼
맥스튜디오 (홈랩, 24시간)
└─ Docker
├─ 웹 앱 (FastAPI + 프론트엔드/ECharts)
│ ├─ 자체 로그인 (초대 계정제)
│ ├─ 대시보드 / 채팅 UI
│ └─ 관리자 페이지 (작업 큐 · 사용량 · 비용)
├─ 워커 (백그라운드 작업)
│ ├─ 네이버 DataLab 수집
│ └─ Claude Agent SDK (분석 · 보고서)
└─ SQLite (검색량 DB · 작업 큐 · 계정)· 속도 다소 느려도 문제 없는 서비스: 수집 수 분 + AI 분석 수 분 → 작업 제출 → 진행률 → 완료 알림 구조
· 이전 전략: 사용량이 늘면 Docker 이미지 그대로 VPS로 이전, SQLite → Postgres 교체
🗓️ 10. 일정 — 개발 기간 2주 반
① 스프린트 0 (~7/30) : 데이터 계층 — 수집 모듈화 + SQLite + 작업 큐 + API 골격 → 2주차 발표 (이 자료) + 백엔드 데모
② 스프린트 1 (7/31~8/5) : 대시보드 + 로그인 → 3주차 발표: 대시보드 시연
③ 스프린트 2 (8/7~8/12) : AI 채팅 + Docker + Cloudflare Tunnel 오픈 → 4주차 발표: 실서비스 시연
스코프 컷 기준 (일정 방어):
· 채팅 차트 렌더가 밀리면 → 텍스트 답변만으로 축소
· 보고서 스킬 연동은 스트레치 골
· 관리자 페이지는 사용량 로그 테이블 수준으로 최소화
🔧 부록 — 기술 스택 요약
· 서버 : 맥스튜디오 (홈랩) — 상시 구동, 이미 보유, 유니파이드 메모리 여유
· 컨테이너 : Docker (OrbStack) — VPS 이전 대비, 환경 재현성
· 백엔드 : Python FastAPI — 기존 수집·분석 코드가 Python (pandas)
· 작업 큐 : SQLite 기반 큐 + 단일 워커 — 규모에 맞는 최소 구성, Redis 불필요
· 프론트 : React + ECharts — 대시보드 인터랙션 자유도
· AI : Claude Agent SDK — 기존 분석 스킬 재사용, 도구 호출 + 스트리밍
· 공개 : Cloudflare Tunnel — 포트포워딩 없이 안전한 외부 공개, 무료
· 인증 : 자체 로그인 (초대 계정제) — 회원가입 없음, 파트너 규모에 맞춤
· 데이터 : 네이버 데이터랩 API — 계정당 일 1,000회 무료 → 배치 수집 + 복수 키 로테이션으로 확장
로그인하고 댓글을 남겨 주세요
바른쌀누룽지 런칭 전에 18개 연관 키워드와 10년치 일간 검색량을 직접 분석해 추세·계절성·성별·연령·요일 패턴까지 분해하신 과정이 정말 꼼꼼합니다. 여기에 Claude의 5개 렌즈 교차 분석을 거쳐 소비 장면과 런칭 전 체크리스트까지 연결하신 덕분에, 데이터가 실제 의사결정으로 이어지는 흐름이 선명하게 보였습니다. 검증된 실무 과정을 이렇게 구체적으로 공유해 주셔서 감사합니다.
감사합니다~
확실히, 이미 검증된 업무 프로세스를 앱으로 구현하는 것은
구현 과정도 상당히 명쾌하고,
결과물의 부가가치도 큰 것 같습니다 ㅎㅎ
열심히 잘 만들어보겠습니다~~
실제로 업무에 필요하신 프로젝트를 진행하시다보니, 프로젝트 단계별로 얻어가시는 결과물도 결과물이지만, 공부가 제대로 되실 것 같아요><
사실 사람들이 에이전트로 자동화를 한다고 하면, 다들 대시보드 만들고 팀원과 공유하기.<- 이걸로 도전하는데, 결국 사용되지 않고 사장되거든요. 그 이유가 나병우님이 적용하신 데이터 해석이 없었기 때문이라고 생각해요. 그래서, 발표를 본 이후 다시 이 게시글을 읽는 지금에도 너무나 잘 만들어진 시스템이라고 생각합니다><
여기서 사람의 수작업이 줄어들면 얼마나 효율이 높아질지 기대되는데ㅎㅎㅎ 다음주 게시글도 기대하겠습니다👍 👍
모든 에너지를 첫주에 다 쏟아부어서,
용두사미의 표본을 보여드리겠습니다 ㅎㅎ
아직 다듬을 부분들이 많아서,
이것저것 에러 잡다보니 시간이 많이 걸리네요~
그 과정에서 얻은 몇가지 인사이트 공유해보도록 하겠습니다~
스터디장님의 응원과 지원, 진심으로 감사합니다~~
검색량을 단순 숫자가 아니라 계절성·고객층·관심 추세를 파악하는 자료로 활용한 점이 인상적이었어요.
상대값만 제공되는 데이터도 기준 키워드와 비교하면 실제 업무에 쓸 만한 값으로 바꿀 수 있다는 아이디어를 배웠어요.
안녕하세요~ 좋게 봐주셔서 정말 감사합니다~
참고로, 제 분석은 절대값이고, 절대값이기 때문에 합산해서 분석하는게 가능합니다^^
(발표때는 포인트 흐려질까봐 일부러 검색량 절대값 찾는 내용은 건너뛰었습니다)
말씀하신 것처럼 네이버는 상대값을 주지만,
- 44개 세그먼트의 각각의 데이터가 절대값을 갖고 있는 raw데이터라는 점,
- 그리고 검색량은 자연수라는 점..
이점에서 착안하면 상대값에서 절대값을 추정할 수 있습니다 ^^
(각 세그먼트 데이터 세트의 최소값을 찾아서, 최소값으로 모든 데이터를 나눠보면, 모든 데이터가 자연수 가까이 되는 지점을 파이썬 코드는 쉽게 스캔할 수 있습니다ㅎㅎ)
44개 세그먼트의 절대검색량 데이터를 모은 뒤에는 oneshot님의 영역이니..
잘 활용해보시면 좋겠습니다~
화이팅입니다~~!!




"단일 키워드의 검색량은 그냥 숫자다, 해석은 연관 키워드와의 비교에서 나온다"는 철학 부분이 가장 와닿았어요. 누룽지 vs 캠핑음식이 정확히 반대 계절성이어서 여름 비수기 방어 앵글이 나왔다는 사례 — 그게 누룽지 단독 그래프만 봐서는 절대 나올 수 없는 발견이라는 것도 설득력이 있어요.
아키텍처 선택도 인상적이에요. Tableau나 Power BI 대신 "스키마가 하나로 고정돼 있으니 잘 설계된 대시보드 템플릿 한 벌이면 된다"는 판단, Redis 없이 SQLite 기반 큐로 충분하다는 판단 — 규모에 맞는 최소 구성으로 시작하고 나중에 VPS로 이전하는 이전 전략까지, 불필요한 복잡도를 처음부터 넣지 않은 설계 사고가 보여요.
보고서(결과)와 분석 방법(노하우) 두 층으로 자산이 쌓인다는 것도 — 쓸수록 좋아지는 구조를 만들려는 의도가 분명하네요. 스프린트 0 백엔드 데모 결과 기대됩니다 🐾
아주 재미있는 프로젝트가 될 것 같아~
잘 해볼께~ ^^