SOCIAL LISTENING CASE STUDY · 2026.08.19 – 08.25

목소리는 넘쳤다.
문턱은 그대로였다.

조희대 대법원장 "서면 제청" 논란을 둘러싼 7일간의 소셜 데이터를 매일 수집했다. 커뮤니티·뉴스·인스타그램·틱톡·유튜브를 가로질러 언급량과 프레임, 감성의 변화를 추적한 뒤 국회 탄핵소추 가능성을 두 가지 다른 기준으로 나누어 가늠해본 결과를 담백하게 정리한다.

무엇을 측정했나

매일 전날(D-1) 확정치를 기준으로 커뮤니티·네이버뉴스 언급량과 "탄핵" 동시언급량, 인스타그램 해시태그 게시물의 평균 반응, 틱톡 검색 결과, 최근 24시간 유튜브 영상의 "탄핵" 직접언급 비율을 모았다. 데이터는 하나의 구글시트에 하루 한 행씩 쌓았고, 아래 모든 수치는 그 원장부에서 그대로 가져온 것이다.

0일연속 수집
0개채널 (커뮤니티·뉴스·IG·TikTok·YouTube)
0건수집 실패 및 결측 (정직하게 표기)

1. 추세가 아니라 사건이었다

언급량은 한 방향으로 흐르지 않았다. 논란이 처음 터진 8/19에 커뮤니티 언급이 하루 만에 4배 넘게 뛰었다가, 주말(8/22–23)에 조용히 가라앉았고, 최종일(8/24) 시민단체 고발이 나오면서 다시 튀어 올랐다. 뉴스는 커뮤니티보다 완만하지만 같은 리듬을 따라갔다. 아래 그래프의 점을 하나씩 짚어보면 그 굴곡이 사건과 정확히 겹친다는 걸 확인할 수 있다.

네이버뉴스 언급량 커뮤니티 언급량

수치는 확정치 수집일(예: 08.19 데이터는 8/19 발생분) 기준. 08.22–23은 주말 효과로 양쪽 모두 저점을 찍었다.

2. "탄핵" 프레임은 뉴스에서만 부풀었다 꺼졌다

전체 언급 중 "탄핵"이 함께 등장한 비율을 보면, 커뮤니티는 한 주 내내 20%대 초중반에서 거의 움직이지 않았다. 반면 뉴스는 8/22 51.6%까지 치솟았다가 최종일 21.4%로 주저앉았다. 즉 언론이 이 사안을 "탄핵 이슈"로 프레이밍한 정도는 매일 크게 출렁였지만, 정작 여론의 저변인 커뮤니티는 그 프레임을 구조적으로 받아들이지 않았다는 뜻이다.

뉴스 내 탄핵 동시언급 비중 커뮤니티 내 탄핵 동시언급 비중

단위는 %. 커뮤니티 선의 평평함과 뉴스 선의 종 모양 곡선을 나란히 보면 두 채널이 이 이슈를 다르게 소비했다는 게 드러난다.

3. 감성은 '추진'으로 일원화되지 않고 갈라졌다

한 주를 관통한 감성은 단순히 "비판 → 탄핵 찬성"으로 옮겨간 것이 아니었다. 비판의 언어가 거칠어지는 동시에, 그것을 반박하는 헌법적 프레임도 같이 등장하며 양극화됐다. 아래 타임라인은 그 갈래를 날짜순으로 보여준다.

08.19
점화"서면 제청·대통령 패싱" 논란 확산. 커뮤니티 언급 357→1,499건, 하루 만에 4.2배 폭증.
08.21
비판 심화정치인 발언 중 "탄핵할 때"라는 표현이 처음 등장. 유튜브 탄핵 직접언급 20%.
08.22
반박 등장언론에서 헌법 104조 2항을 근거로 "탄핵 협박의 허구성"을 반박하는 논조 첫 등장 — 양극화의 시작점.
08.23
정치권 확전박지원 의원 "조희대 탄핵한다, 역풍 두려워하지 않는다" — 이번 주 처음으로 정치인이 탄핵 추진 의사를 직설적으로 표명. 동시에 "탄핵 시 이상민·한덕수 절차적 이익" 우려도 함께 제기됨.
08.24
법적 트랙 개시시민단체 '사세행'이 직권남용·직무유기 혐의로 검찰 고발 — 정치적 수사(修辭)에서 실제 법적 절차로 처음 확산. 원내대표급 인사의 직격 발언도 이어짐.

4. 의석은 이미 충분했다 — 문턱은 정치적 결단

이번 주 조사 과정에서 확인한 중요한 사실 하나는 애초 가정했던 탄핵 정족수가 틀렸다는 점이다. 대통령 탄핵은 국회 재적 3분의 2(200석)가 필요하지만, 대법원장을 포함한 "법관" 탄핵은 재적 과반수(151석)로 충분하다. 더불어민주당 의석(161석)은 이미 이 기준을 단독으로 넘는다. 즉 국회 표결 자체를 막는 산술적 장벽은 없다 — 병목은 "당이 실제로 하기로 결정하느냐"라는, 숫자로 환원되지 않는 정치적 판단이다.

대통령 탄핵 정족수
200 / 300
법관(대법원장) 탄핵 정족수
151 / 300
더불어민주당 의석
161 / 300

민주당 의석만으로도 법관 탄핵 정족수를 넘어선다는 것을 확인하되, 그럼에도 여당의 공식 입장은 한 주 내내 "탄핵보다는 사퇴 압박"으로 신중한 기조를 유지했다는 점도 함께 확인했다(웹서치 재확인).

5. 그래서, 탄핵소추 가능성은 얼마인가

같은 데이터라도 무엇을 묻느냐에 따라 답은 달라진다. "여론이 이 정도로 달아올랐으니 탄핵이 발의될 확률"과 "실제로 국회에서 절차가 진행될 확률"은 서로 다른 질문이다. 아래 토글로 두 기준을 바꿔가며 비교해볼 수 있다.

30%40%

언급량 폭증, 정치인의 직접적 탄핵 발언, 시민단체의 형사고발까지 — 소셜에 드러난 열기만 보면 발의 가능성은 결코 낮지 않다.

여론 모멘텀30–40%
국회 발의·의결10–20%
헌재 인용(파면)정량화 보류 — 별도의 더 높은 문턱(재판관 9명 중 6명 이상 찬성)

두 구간 모두 단일 숫자가 아니라 불확실성 범위로 제시한다. 헌재 단계는 이번 케이스 스터디의 데이터로 뒷받침할 근거가 부족해 의도적으로 숫자를 매기지 않았다.

솔직한 한계, 그리고 다시 파본 것

원래 리포트는 있는 데이터만 다뤘다. 틱톡은 8/22 이후 Apify 계정 사용한도 초과로 나머지 기간 전부 수집하지 못했다. 인스타그램은 8/23 하루 월간 한도 초과로 결측이 있었다. 마지막 날(8/24 데이터)은 Sometrend 서비스 크레딧 소진으로 정량적 감성분석을 수행하지 못해 유튜브 헤드라인 기반 정성 판단으로 대체했다.

이후 Apify 토큰이 재충전돼 두 결측 구간을 다시 조사했다. 틱톡 검색 30건, 인스타그램 해시태그 50건을 다시 성공적으로 수집했다. 다만 두 도구 모두 "지금 이 순간의 상위·최근 게시물"만 반환하는 스냅샷형 API라서, 이미 지나간 날짜(8/20~8/23)의 정확한 일별 총량을 소급 복원하는 것은 애초에 불가능했다 — 이는 재수집으로 해결되는 문제가 아니라 두 플랫폼 API의 구조적 한계다. 다만 이번에 받아온 인스타그램 50건의 타임스탬프를 날짜별로 다시 세어보면 8/22 6건 → 8/23 12건 → 8/24 18건 → 8/25(오전 기준) 13건으로, 정확한 총량은 아니어도 관심도가 8/24까지 계속 늘었다는 방향성은 확인됐다.

감성분석은 Sometrend 대신 Apify의 텍스트 감성분석 액터(tri_angle/sentiment-analysis-online-tool)로 대체를 시도했다. 결과부터 말하면 이 도구는 이번 조사에 쓸 수 없었다 — 한국어 문장 20개를 넣었더니 전부 "neutral"로 분류됐다. 0.72~0.85의 확신도 점수가 함께 나오긴 했지만, 이는 결과가 맞다는 뜻이 아니라 모델이 한국어를 사실상 이해하지 못한 채 기계적으로 점수를 매기고 있다는 신호에 가까웠다. 그래서 이 도구는 폐기하고, 대신 새로 수집한 틱톡·인스타그램 원문 80건을 직접 읽어 정성적으로 재분류했다.

재분류 결과는 원래 리포트의 "양극화" 진단을 다른 방식으로 다시 확인해줬다. 이번 주 가장 화제성이 높았던 게시물 두 개가 정반대 방향이었다 — "파기자판 했으면 이재명은 대통령이 안 됐다"(좋아요 5,724건, 조희대 옹호·이재명 비판 프레임)와 "사법부와 국민을 엿으로 보는 조희대 탄핵!!"(좋아요 2,342건, 조희대 비판·탄핵 촉구 프레임). 틱톡에서도 "역풍 없는 조희대 탄핵!" 류의 비판이 우세하긴 했지만, 서면 제청 절차를 사실 그대로 전달하는 보도형 콘텐츠도 상당수 섞여 있어 감성이 한쪽으로 깔끔하게 정리되지는 않았다.

정리하면, 재조사는 원래 결론 — 추세가 아니라 사건 반응이었다는 것, 감성이 양극화됐다는 것, 확률은 범위로 제시해야 한다는 것 — 을 뒤집지 않았고 오히려 실제 원문으로 한 번 더 뒷받침했다. 다만 틱톡·인스타그램의 정확한 일별 히스토리와 신뢰할 수 있는 한국어 정량 감성 점수는 이번에도 채우지 못했다. 이건 노력 부족이 아니라 도구 자체의 한계이며, 추정치로 메우지 않고 결측으로 남겨둔다.

원본 데이터: Google Sheet — 조희대 탄핵여론 7일 추적 원장부

2026.08.19 – 2026.08.25 · 7일간 자동 수집 · Sometrend / Apify / Zapier(YouTube·Google Sheets) 데이터 기반