# Glossary (ko)

## 검색 여정

한 사람이 어떤 키워드를 검색하기 전과 후에 이어서 검색한 말의 순서입니다. 검색량이 '얼마나'를 알려 준다면, 검색 여정은 '어떤 고민을 거쳐 여기까지 왔고 다음에 무엇을 확인하는지'를 보여 줍니다. ListeningMind는 실제 검색 순서를 모아 집계한 경로로 돌려줍니다.

## 검색 인텐트

검색어 뒤에 있는 목적입니다. 같은 '제습기'라도 가격을 비교하려는 사람, 장마철 곰팡이를 걱정하는 사람, 고장 원인을 찾는 사람의 인텐트는 다릅니다. 함께 검색한 말, 앞뒤 검색, 검색 결과 화면을 함께 보면 인텐트를 근거 있게 나눌 수 있습니다.

## 인텐트 지식 그래프 (IKG)

한 토픽에 대해 사람들이 무엇을, 왜 찾고, 어떻게 고르는지를 15개 인텐트 요소와 그 관계로 정리한 그래프입니다. 요소마다 검색 근거와 근거 등급이 붙어 있어 사람과 AI 에이전트가 같은 근거로 답할 수 있습니다. 만들어 둔 그래프는 다시 읽을 때 리마가 들지 않습니다.

## 15개 인텐트 요소

구매 결정을 이루는 8개 의사결정 요소(CEP, 사용 상황, 세부 맥락 의도, KBF, 제약, 임계값, 회피, RTB)와 그 분야의 상식을 이루는 7개 지식 요소(경험칙, 관례, 기대 기준, 함정, 상충관계, 정량 관계, 태도)입니다. 아래 표에 요소별 정의가 있습니다.

## 검색어 군집 (인식 구조)

함께 검색되고 같은 결과 화면을 보는 검색어를 묶은 무리입니다. 사람들이 한 카테고리를 머릿속에서 어떤 덩어리로 나눠 생각하는지 보여 주며, 세그먼트를 나누거나 콘텐츠 주제를 정할 때 단위가 됩니다.

## 검색량과 48개월 추이

한 검색어가 한 달에 검색되는 횟수의 평균과, 지난 48개월 동안의 월별 변화입니다. 한국은 네이버와 구글을 따로 또 합산해서 주고, 데이터가 있는 검색어에는 검색한 사람의 성별·연령 비율도 붙습니다. 시즌성, 급상승, 장기 하락을 가르는 기준이 됩니다.

## 검색 결과 화면

검색어를 입력했을 때 보이는 결과 화면 전체입니다. 어떤 사이트가 몇 번째에 나오는지, 쇼핑·동영상·질문 상자 같은 요소가 무엇인지가 그 검색어의 인텐트를 알려 줍니다.

## AI 개요

구글이 검색 결과 맨 위에 생성형 AI로 쓰는 요약 답변입니다. 답변 본문과 함께 인용한 출처가 표시되므로, 어떤 사이트와 브랜드가 AI 답변의 근거로 쓰이는지 확인할 수 있습니다.

## 함께 묻는 질문 (PAA)

검색 결과 화면에 나오는 '다른 사람들이 함께 묻는 질문' 상자입니다. 사람들이 실제로 궁금해하는 문장이라 FAQ, 콘텐츠 목차, AI에 던질 질문을 정할 때 근거가 됩니다.

## GEO (생성형 엔진 최적화)

ChatGPT, Gemini, 구글 AI 개요 같은 생성형 AI가 답을 쓸 때 우리 페이지와 브랜드를 정확히 읽고 인용하도록 콘텐츠와 구조를 다듬는 일입니다. 순위를 올리는 SEO와 달리, AI 답변 안에 근거로 쓰이는 것이 목표입니다.

## AEO (답변 엔진 최적화)

질문에 바로 답을 보여 주는 검색 기능(추천 스니펫, 함께 묻는 질문, 음성 답변)에 우리 페이지의 문장이 답으로 뽑히도록 질문과 답을 분명하게 쓰는 일입니다. FAQ 구조와 구조화 데이터가 핵심입니다.

## 에이전틱 커머스

사람 대신 AI 쇼핑 에이전트가 상품을 찾고 비교하고 장바구니에 담거나 주문하는 구매 방식입니다. 에이전트가 가격, 재고, 옵션, 배송 조건을 기계가 읽을 수 있는 형태로 확인할 수 있어야 상품이 선택 후보에 오릅니다.

## 에이전트 운용성

AI 에이전트가 웹사이트에서 가격 찾기, 문의하기, 환불 규정 확인 같은 실제 일을 끝까지 해낼 수 있는 정도입니다. 발견(사이트맵, llms.txt), 접근(robots.txt, 차단 여부), 탐색, 완료 네 단계로 나눠 잴 수 있습니다.

## 엔티티

검색엔진과 AI가 하나의 대상으로 알아보는 브랜드, 제품, 사람, 장소 같은 '것'입니다. 이름과 속성, 다른 엔티티와의 관계가 여러 페이지에서 일관되게 쓰여야 AI가 브랜드를 정확히 설명합니다.

## 독자적 브랜드 자산 (DBA)

로고, 색, 캐릭터, 문구, 소리처럼 사람들이 보고 바로 그 브랜드를 떠올리는 고유한 신호입니다. 검색량, 검색 결과, AI 개요에서 그 신호가 브랜드와 함께 등장하는지를 보면 자산의 힘을 가늠할 수 있습니다.

## 합성 소비자 패널

실제 응답자 대신 언어 모델이 만든 가상 응답자 집단입니다. ListeningMind는 인구통계가 아니라 검색에서 관찰한 의도 상태(CEP, 선택 기준, 제약, 회피 등)의 분포로 응답자를 뽑아, 실제 조사 전에 가설을 빠르게 확인하는 데 씁니다.

## 성별·연령 세그먼트

검색한 사람의 성별과 연령대로 나눈 집단입니다. 같은 검색어라도 세그먼트마다 비중과 증가 속도가 달라, 누구에게 지금 무엇이 뜨는지를 볼 수 있습니다. 성별·연령 분할은 한국 데이터에만 있습니다.

## 수요 시즌성

해마다 같은 달에 검색 수요가 오르내리는 패턴입니다. 48개월 월별 검색량으로 피크 달과 준비해야 할 달을 찾고, 다음 3~6개월 수요를 예측해 출시와 캠페인 시점을 정합니다.

## 취향 집단 (트라이브)

같은 감각어와 감정어로 제품을 고르는 사람들의 묶음입니다. '꾸덕한', '산뜻한', '포근한' 같은 말이 연관 검색어와 검색 결과, AI 개요에 함께 나오는 방식으로 집단을 나눕니다.

## AI 가시성과 관리 프롬프트

소비자가 AI에 실제로 던질 법한 질문(관리 프롬프트)을 정해 두고, ChatGPT·Gemini에 물었을 때 우리 브랜드가 답에 얼마나 등장하는지 재는 지표입니다. 질문은 검색 데이터(CEP, 선택 기준, 함께 묻는 질문)에서 뽑아야 실제 수요를 대표합니다.

## 스마트스토어 상품 최적화

네이버 쇼핑에서 상품이 검색되고 선택되도록 상품 구성, 상품명, 상세페이지를 검색 데이터에 맞추는 일입니다. 어떤 상품에 수요가 몰리는지, 사람들이 상품을 어떤 말로 찾는지, 고를 때 무엇을 확인하는지를 근거로 키울 상품을 정하고 이름과 설명을 고칩니다.

## 리마

ListeningMind 앱과 데이터 API에서 실행 비용을 나타내는 단위입니다. 1 리마는 100원이고, 데이터 API 1 크레딧은 1.3원입니다. 호출마다 1리마 단위로 올려 계산합니다. 이미 만든 결과를 다시 읽는 데는 리마가 들지 않으며, 회원마다 월 사용 한도가 있습니다.

## MCP

Model Context Protocol. AI 에이전트가 외부 도구와 데이터를 같은 방식으로 부를 수 있게 하는 공개 규격입니다. ListeningMind 데이터 API와 각 앱은 MCP 서버를 열어 두어 에이전트가 검색 데이터를 직접 조회하고 결과를 받아 갈 수 있습니다.

## WebMCP

웹페이지가 브라우저 안의 AI 에이전트에게 '이 페이지에서 할 수 있는 일'을 도구로 알려 주는 방식입니다. 에이전트가 화면을 클릭하며 추측하지 않고, 페이지가 정의한 도구를 바로 호출합니다.

## CEP · 구매 상황

카테고리 필요를 만드는 구체적 계기·상황·문제·시점

## 사용 상황·주기

산 뒤 언제·어디서·어떤 주기로·무엇과 쓰는가

## 세부 맥락 의도

그 상황에서 원하는 구체적 결과·과업

## KBF · 선택 기준

비교·판단·선택 기준 (필수·선호·상황 의존)

## 제약 조건

선택 범위를 좁히는 조건 (예산·시간·자격·규제·호환·채널·역량)

## 수치 임계값

반복 등장하는 소비자 기준값, 숫자와 단위 필수

## 회피·억제 요인

거부·이탈을 만드는 두려움·불만·리스크

## RTB · 신뢰 근거

주장–근거–출처–확신도 사슬

## 경험칙

"조건 → 권장" 형태의 실무 규칙

## 관례·통념

여러 브랜드·문서에 걸쳐 반복되는 규칙, 통념일 수 있어 검토 필요

## 기대 기준

소비자가 당연하게 여기는 수준, 못 미치면 불만

## 함정·주의

모르면 손해 보는 조건, 반례·예외·숨은 비용

## 상충관계

하나를 얻으면 하나를 잃는 관계

## 정량 관계

두 선택지 사이의 수치화된 차이

## 태도·스타일

그 시장에서 관측되는 소비 성향·구매 태도