화제성 지수 · 외부(소셜) 서브지수 파일럿
영화 3편(오디세이 · 인턴 · 옵세션)과 다큐 1편(청년 조용기)을 대상으로 뉴스·블로그·카페·검색량·인스타그램 5개 소스를 실제로 수집했다. 같은 3편인데 소스를 바꾸면 1위가 바뀐다. 게시물 한 건이 평균을 70% 넘게 흔든다. 배우 실명 하나만 질의에 더해도 노이즈가 100분의 1로 줄어든다. 1·2차 누적 실측 비용은 $0.161 — 병목은 여전히 돈이 아니라 판별 로직이었다.
화제성 지수가 여러 강도의 콘텐츠에서 다 통하는지 보려면, 버즈 스펙트럼 양 끝을 걸쳐야 한다. 그래서 실측 시점(9/17) 박스오피스 뉴스에서 확인된 세 유형을 그대로 골랐다 — 대상을 임의로 만들지 않고, 실제로 오늘 벌어지고 있는 흥행 상황을 그대로 썼다.
놀란 감독. 개봉 33일 만에 천만 돌파, 역대 흥행 6위. 버즈 스펙트럼의 최상단 기준점.
최민식·한소희. 9/16 개봉 당일 박스오피스 1위. 막 터진 신선한 버즈 — 사전 버즈와 발매일 스파이크를 함께 봄.
저예산 공포. 개봉 첫날 3위 → 입소문으로 순위 상승 중. 중간 강도 버즈의 기준점.
같은 3편, 같은 날 실측. 소스마다 어느 영화가 1위인지 직접 비교해보면 — 뉴스·검색량·SNS 참여는 오디세이 압승인데, 카페 언급량만 인턴이 오디세이를 2.7배 앞선다. '인턴'이라는 제목 자체가 너무 흔한 단어라서다.
네이버 데이터랩, 동일 배치 12주 실측(주간). 절대값으로 보면 오디세이만 보이고 나머지 둘은 바닥에 깔린다 — 실제로 그 정도 격차가 있다는 뜻이다. 그런데 배치 안에서 각자 자기 최고치를 100으로 정규화하면, 인턴·옵세션도 각자의 개봉 곡선이 뚜렷하게 드러난다. 화제성 지수를 카테고리·아이템 간에 그대로 비교하면 안 되는 이유가 이거다.
인스타그램 해시태그로 영화당 최대 15건씩 실측(총 39건). 39건 전부 직접 읽고 "이 영화 얘기가 맞는지" 판별했다. 아래 토글을 눌러 필터링 전/후 평균 좋아요 수가 얼마나 달라지는지 보라 — 숫자는 라이브로 재계산된다.
"#오디세이영화" 해시태그로 수집된 게시물 중 좋아요 511 · 댓글 554짜리 최고 인기 게시물이 있었다 — 열어보니 영화와 무관한 아동 학습지 브랜드의 이모지 퀴즈 이벤트였다. 해시태그 하나만 걸어 자동 산정했다면, 이 게시물 한 건이 오디세이의 SNS 화제성 지수를 실제보다 1.7배 부풀렸을 것이다.
네이버 뉴스·블로그·카페·데이터랩(검색량) 4개 API는 무료(호출 한도 내). 유료인 건 인스타그램 해시태그 수집(Apify, 건당 $0.0023)뿐이었다 — 3편 총 39건 수집에 $0.0897 청구됐다. 아래 슬라이더에 검토 중인 콘텐츠 건수를 넣어 이번 실측 단가로 직접 환산해보라.
네이버 API 4종은 무료라 계산에서 제외. X(트위터)·Threads·TikTok 등 다른 SNS를 추가하면 플랫폼별 단가가 다르므로 별도 실측 필요 — 이번 파일럿은 인스타그램만 검증했다. 환율은 참고용으로 1,450원/$ 가정.
1차에서 남겨둔 질문 4가지를 '인턴'(보통명사 제목)과 '청년 조용기'(마이너 장르 다큐)로 검증했다. 네이버 API 12건(무료) + Apify 2건($0.0713) — 1·2차 누적 파일럿 비용 $0.161.
| 질의 조합 | 뉴스 총건수 | 카페 총건수 |
|---|---|---|
| 제목만 ("인턴") | 1,416,025 | 10,613,622 |
| 제목+"영화" ("인턴 영화") | 1,564* | 92,174 |
| 제목+배우1 ("인턴 최민식") | 3,483 | 844 |
| 제목+배우1+배우2 | 2,420 | 449 |
| 제목+감독 ("인턴 김도영") | 2,174 | 275 |
* 1차 파일럿에서는 "인턴 영화 김도영"(3어 조합)으로 조회한 값 — 이 표의 다른 행과 질의 구조가 달라 참고용으로만 병기.
개봉 첫주 2만 명, "잔잔한 흥행"으로 보도된 다큐멘터리로 마이너 장르를 테스트했다. 뉴스 70건 · 카페 1,605건 · 블로그 134건 · 인스타그램 10건(요청 10건 전량 수집) — 예상과 달리 "언급 0건" 케이스는 아니었다.
게시물 2건(오디세이 · 인턴)의 댓글 21건을 추가로 긁어봤다($0.0483, 게시물 스크래핑과 동일 단가). 내용은 "가보고싶어요", "재밌을 것 같아요" 류의 짧고 반복적인 감탄사가 대부분이었다.
측정 시점/주기, 지수 표출 방식(이모지·점수·상대값), 성수기/비수기 보정 계수 채택 여부, 지수 활용 범위(추천·오퍼·시놉시스·외부판매) — 이 4가지는 추가 스크래핑으로 풀리지 않는 정책 결정이라 팀 내부 논의 결과를 기다린다.
경쟁 서비스 '펌덱스'가 공개한 화제성 지수 구조(V×R×K, 소스: 뉴스·VON·CLIP·SNS)를 참고해 우리 데이터로 2축(V·R)만 먼저 시뮬레이션했다. K(정보보존력)는 시계열 재측정이 있어야 계산 가능해 별도로 예약해둠다(하단 참고).
| 타이틀 | V (뉴스·카페·블로그 정규화 평균) | R (IG 평균 좋아요, 노이즈 제외) | 지수 (V×R, 오디세이=100 기준) |
|---|---|---|---|
| 오디세이 | 1.00 | 49.3 | 100.0 |
| 인턴 | 0.15 | 33.8 | 3.8 |
| 옵세션 | 0.04 | 32.7 | 1.3 |
| 청년조용기 | 0.01 | 48.8 | 10.4 |
계산 방식(버전 1): 소스별 min-max 정규화 → 바닥값 0.1 적용(한 소스가 0이어도 지수가 완전히 죽지 않도록) → V는 뉴스·카페·블로그 평균, R은 IG 평균 좋아요(노이즈 제외) → V×R. K(정보보존력)는 미포함 — 동일 4개 타이틀을 T0(9/17~18)·T1(+7일)·T2(+14일)로 재조회해 감쇠율로 계산할 예정.
9/21에 예약해둔 T1 재측정 시점. 원래 계획은 뉴스·카페·블로그 누적 건수를 T0·T1로 비교하는 거였는데, 실제로 해보니 이 방식은 방법론적으로 잘못되었다는 걸 발견했다.
시도 2로 전환: K는 누적치가 아니라 기간별(주간) 신규 관심도로 재야 한다. 데이터랩 주간 검색량 추이(2026-07-01~09-28, 4개 타이틀 한 배치)로 다시 재다.
| 타이틀 | 피크 주 | 피크 지수 | 최신주(9/21) 지수 | 피크 대비 잔존율 |
|---|---|---|---|---|
| 오디세이 | 8/3주 | 100.0 | 20.8 | 20.8% |
| 인턴 | 9/14주 | 14.9 | 12.4 | 82.8% |
| 옵세션 | 9/7주 | 13.5 | 9.5 | 70.5% |
| 청년조용기 | 9/7주 | 0.196 | 0.083 | 42.3% |
올바른 K 정의: 경과 주수로 나눈 주당 감쇠율·반감기로 바꾸면 콘텐츠 나이와 무관하게 비교할 수 있다.
| 타이틀 | 피크 이후 경과 | 주당 감쇠율 | 반감기(추정) |
|---|---|---|---|
| 오디세이 | 7주 | 약 -20%/주 | 약 3.1주 |
| 옵세션 | 2주 | 약 -16%/주 | 약 4.0주 |
| 인턴 | 1주* | 약 -17%/주 | 약 3.7주* |
| 청년조용기 | 2주 | 약 -35%/주 | 약 1.6주 |
* 인턴은 피크 이후 1주치 데이터뿀이라 반감기 추정이 예비치다 — 2~3주 더 지켜봐야 확정된다.
이번 재측정에서는 인스타그램 유료 재스크래핑은 생략했다 — K축 검증의 핵심 질문은 무료인 데이터랩 주간 추이만으로도 충분히 답이 나왔다.