화제성 지수 · 외부(소셜) 서브지수 파일럿

숫자는 나왔다.
믿을 수 있는 숫자인지는 확인해야 나왔다.

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.

실측일 2026-09-17 카테고리: 영화 (파일럿) 소스 5종 · 1·2차 누적 실측 2차: 쿼리 조합 · 마이너 장르 · 댓글 비교

왜 이 3편인가

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.

42일 연속 1위

오디세이

놀란 감독. 개봉 33일 만에 천만 돌파, 역대 흥행 6위. 버즈 스펙트럼의 최상단 기준점.

개봉 첫날

인턴

최민식·한소희. 9/16 개봉 당일 박스오피스 1위. 막 터진 신선한 버즈 — 사전 버즈와 발매일 스파이크를 함께 봄.

입소문 역주행

옵세션

저예산 공포. 개봉 첫날 3위 → 입소문으로 순위 상승 중. 중간 강도 버즈의 기준점.

소스를 바꾸면 1위가 바뀐다

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.

카페 언급량 92,174건 — 그대로 믿으면 안 되는 숫자. 실제 상위 결과를 열어보면 영화 후기도 있지만, "인턴"이라는 단어가 취업·회사 생활 얘기에도 일상적으로 쓰인다. 옵세션(1,565건)처럼 흔치 않은 단어의 총건수는 신뢰도가 높은 반면, '인턴' 같은 보통명사 제목은 총건수 자체가 지수의 재료로 부적합할 수 있다 — 제목 단독이 아니라 [제목+출연진/감독] 조합 질의가 최소 조건이라는 뜻이다.

검색량 추이 — 절대값 vs 자기 정규화

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.

오디세이 인턴 옵세션

게시물 한 건이 평균을 72% 부풀린다

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.

실제로 걸러진 게시물

"#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.

실측 비용: 이번 파일럿 $0.09

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.

$0 네이버 API 4종
(뉴스·블로그·카페·검색량)
$0.0023 인스타그램 게시물
1건당 실측 단가
$0.0897 이번 파일럿 총 청구액
(영화 3편 · 39건)
300건
15건
$0 1회 구축 비용 (SNS 소스만)
$0 연간 총 비용 (선택한 주기 기준)

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.

다음 파일럿에서 확인해야 할 것

01

제목 단독 질의 금지. '인턴'류 보통명사 제목은 [제목+감독/배우] 조합이 최소 조건 — 이번 실측에서 확인된 카페 언급량 역전이 근거.

02

SNS 원시 데이터는 사람이 한 번은 훑어야 한다. 39건 전량 검수에 걸린 시간 대비, 걸러낸 노이즈가 지수를 최대 72%까지 왜곡했다 — 자동 필터 규칙(계정 종류, 캡션 키워드) 초안이 필요.

03

비용은 늘려도 된다. 인스타그램 단독 기준 건당 5만 원 이하 수준 — X·Threads·뉴스 확장 여지가 충분하다. 대신 그만큼 검수 부담도 늘어난다는 게 이번 파일럿의 핵심 트레이드오프.

04

다큐·키즈 카테고리는 별도 검증이 필요. 이번 3편은 버즈가 강한 축이라 신호가 잡혔다 — 롱테일 콘텐츠는 언급량이 3건 미만일 가능성이 높고, 그 경우 지수를 "N/A"로 명시해야 한다 (가짜 데이터 금지 원칙).

2차 라운드 — Scraping 규칙 실측

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.

① 질의 조합별 노이즈 감소 — '인턴' 기준

질의 조합뉴스 총건수카페 총건수
제목만 ("인턴")1,416,02510,613,622
제목+"영화" ("인턴 영화")1,564*92,174
제목+배우1 ("인턴 최민식")3,483844
제목+배우1+배우22,420449
제목+감독 ("인턴 김도영")2,174275

* 1차 파일럿에서는 "인턴 영화 김도영"(3어 조합)으로 조회한 값 — 이 표의 다른 행과 질의 구조가 달라 참고용으로만 병기.

배우·감독 실명이 "영화"라는 일반 단어보다 훨씬 더 효과적이다. 카페 기준 제목만(1,061만 건) → +"영화"(9.2만 건, -99%) → +배우 실명(844건, 추가 -99%). 노이즈를 실질적으로 줄이는 건 카테고리 단어가 아니라 고유명사 조합이다 — 보통명사 제목은 [제목+배우 또는 감독 실명]을 최소 조건으로 규칙화할 수 있다.

② 마이너 장르 신호 세기 — 다큐 '청년 조용기'

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.

정정(2026-09-21 재검증): 실제로는 10건 중 4건(40%)이 노이즈였다 — 영화 3편(7~11%)보다 오히려 높다. 동음이의어 충돌은 없었지만, 니치 커뮤니티(교회 행사·설교 게시물)가 무관한 글에도 화제의 해시태그를 얹어 노출을 노리는 "해시태그 편승" 패턴이 별도로 있었다. 즉 "제목의 고유명사성"은 동음이의어 노이즈는 막아도 해시태그 편승형 노이즈는 못 막는다 — 노이즈 원인은 최소 두 종류로 나눠 봐야 한다.

③ 본문 vs 댓글 스크래핑

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.

댓글까지 긁는 건 비용 대비 정보 가치가 낮다. 참여도 신호는 게시물 스크래핑에 이미 포함된 commentsCount(무료 메타데이터)로 충분히 잡힌다 — 댓글 텍스트 자체는 관련성 재검증이 꼭 필요한 소수 케이스에만 선택적으로 쓰는 편이 낫다.

다음은 팀 내부 결정이 필요한 지점

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.

3차 — V×R 지수 시뮬레이션 (버전 1)

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).

타이틀V (뉴스·카페·블로그 정규화 평균)R (IG 평균 좋아요, 노이즈 제외)지수 (V×R, 오디세이=100 기준)
오디세이1.0049.3100.0
인턴0.1533.83.8
옵세션0.0432.71.3
청년조용기0.0148.810.4
V만 보면 꾴짜인 청년조용기가, V×R에서는 인턴·옵세션을 앞선다. 언급량(V)은 압도적으로 적지만, 실제로 본 소수의 관객이 남긴 반응(R)이 강렬해서다 — "규모는 작아도 진짜 반응이 뜨거운" 콘텐츠를 V 단독 지수는 놓치지만 V×R은 잡아낸다.
단, 이 결과 자체가 표본 취약성의 사례이기도 하다. 청년조용기의 R은 게시물 5~6건 평균이다 — 1차 라운드에서 확인한 "게시물 한 건이 평균을 72% 흔든다"는 문제가 여기서도 그대로 반복될 위험이 있다. 실제 서비스에 쓰려면 R 계산에 필요한 최소 표본 수 기준(예: 10건 이상)을 먼저 정해야 한다.

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.

4차 — K축(정보보존력) 1차 재측정 (T1, 2026-09-28)

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 1 폐기: 뉴스·카페·블로그의 "total"은 누적치라 절대 줄지 않는다. 오디세이 뉴스 18,082→76,895건(4.3배), 카페 34,171→503,689건(14.7배) — 화제성이 식어가는 콘텐츠라도 누적 total은 계속 늘어난다. T1/T0 배율은 정보보존력(K)이 아니라 "인덱스가 얼마나 늘어났는가"를 재고 있었다 — 측정 대상 자체를 잘못 골랐다.

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.

타이틀피크 주피크 지수최신주(9/21) 지수피크 대비 잔존율
오디세이8/3주100.020.820.8%
인턴9/14주14.912.482.8%
옵세션9/7주13.59.570.5%
청년조용기9/7주0.1960.08342.3%
단순 "현재/피크" 비율도 함정이 있다. 오디세이가 가장 낮은 잔존율(20.8%)을 보이지만, 이건 빨리 잊혀서가 아니라 피크가 7주나 전이라 그만큼 더 오래 감쇠할 시간이 있었기 때문이다. 경과 시점이 다른 콘텐츠를 \"현재/피크\"로 그대로 비교하면 안 된다.

올바른 K 정의: 경과 주수로 나눈 주당 감쇠율·반감기로 바꾸면 콘텐츠 나이와 무관하게 비교할 수 있다.

타이틀피크 이후 경과주당 감쇠율반감기(추정)
오디세이7주약 -20%/주약 3.1주
옵세션2주약 -16%/주약 4.0주
인턴1주*약 -17%/주약 3.7주*
청년조용기2주약 -35%/주약 1.6주

* 인턴은 피크 이후 1주치 데이터뿀이라 반감기 추정이 예비치다 — 2~3주 더 지켜봐야 확정된다.

V×R×K 종합 시산: K를 넣으면 청년조용기가 2위에서 최하위로 떨어진다. V×R만으로는 오디세이100 / 청년조용기 10.4 / 인턴 3.8 / 옵세션 1.3이었지만, 반감기 기준 K를 곱하면 오디세이100 / 인턴 5.0 / 옵세션 2.0 / 청년조용기 1.6으로 바뀌어 청년조용기가 최하위로 내려온다. 소수 관객의 반응은 강렬했지만(R이 높음) 그 화제성이 오래가지 못했다(K가 낮음)는 뜻이다 — \"지금 뜨거운 것\"과 \"오래 가는 것\"은 다를 수 있다는 게 K축을 검증하려던 이유다.

이번 재측정에서는 인스타그램 유료 재스크래핑은 생략했다 — K축 검증의 핵심 질문은 무료인 데이터랩 주간 추이만으로도 충분히 답이 나왔다.