연관 분석

키워드를 수백 개씩 모으다 보면 비슷한 질문이 생깁니다. ‘가격’을 찾는 사람은 ‘후기’도 함께 찾을까? 지역명이 붙은 키워드에는 어떤 수식어가 자주 따라올까? 이런 ‘함께 나타나는 관계’를 숫자로 확인하는 방법이 연관 분석입니다. 이 글에서는 연관 분석의 기본 지표를 정리하고, 키워드마스터에서 연관 키워드를 모으고 정리하는 흐름에 이 방법을 어떻게 적용할 수 있는지 순서대로 안내합니다.

연관 분석이란 무엇인가

연관 분석(연관 규칙 학습, association rule learning)은 대량의 데이터에서 항목들이 함께 나타나는 규칙을 찾는 데이터마이닝 기법입니다. 규칙은 ‘X가 있으면 Y도 있다(X ⇒ Y)’ 형태로 표현합니다. 위키백과의 영문 문서에 따르면 이 기법은 1993년 Agrawal, Imieliński, Swami의 논문으로 널리 알려졌고, 슈퍼마켓 거래 데이터에서 함께 구매되는 상품 규칙을 찾은 사례가 유명합니다. 그래서 흔히 ‘장바구니 분석’이라고도 부릅니다.

상품 대신 키워드를 넣어도 구조는 같습니다. 시드 키워드 하나로 조회한 연관 키워드 목록을 하나의 ‘장바구니’로 보면, 어떤 수식어나 주제어가 함께 등장하는지 같은 방식으로 셀 수 있습니다.

꼭 알아야 할 세 가지 지표

연관 규칙이 의미 있는지는 보통 지지도, 신뢰도, 향상도 세 가지 지표로 판단합니다.

신뢰도만 보면 오해하기 쉽습니다. Y가 원래 거의 모든 묶음에 들어 있는 흔한 단어라면 신뢰도는 저절로 높게 나옵니다. 그래서 향상도를 함께 보아 ‘원래 흔해서 같이 나온 것인지, 실제로 짝을 이루는 것인지’를 구분합니다.

설명용 가상 예시로 계산해 보기

아래 수치는 계산 방법을 보여 주기 위해 만든 가상 예시이며, 실제 검색 데이터가 아닙니다.

• 시드 키워드 10개로 각각 연관 키워드 목록을 조회했다고 가정합니다(묶음 10개).
• ‘가격’이 들어간 연관 키워드가 있는 목록: 5개
• ‘후기’가 들어간 연관 키워드가 있는 목록: 4개
• 둘 다 있는 목록: 3개

이 가상 예시에서 향상도가 1.5이므로 ‘가격’과 ‘후기’는 독립일 때보다 더 자주 함께 나타난다고 해석합니다. 이렇게 해석할 수 있다면 두 수식어를 한 글의 소제목으로 묶거나, ‘가격 후기’처럼 조합 키워드를 따로 검토해 볼 근거가 됩니다.

키워드마스터 데이터에 적용하는 순서

키워드마스터는 네이버 키워드 검색량, CPC, 블로그 키워드 발굴을 위한 도구를 제공합니다. 연관 분석은 사이트 안의 별도 기능이 아니라, 이 도구로 모은 키워드 목록을 정리할 때 쓸 수 있는 분석 방법입니다. 아래는 공개된 가이드에 소개된 기능을 기준으로 정리한 흐름입니다.

1. 시드 키워드로 연관 키워드 모으기 — 기본 검색의 연관 키워드, 연관 키워드의 연관 키워드를 다시 찾는 ‘연관확장’, 네이버 자동완성 데이터를 활용하는 옵션으로 묶음을 만듭니다. 자세한 방법은 연관검색어 추출 방법 가이드에 나와 있습니다.
2. 묶음 단위 정하기 — ‘시드 키워드 1개의 연관 키워드 목록 = 묶음 1개’처럼 기준을 먼저 정합니다. 기준이 섞이면 지지도 분모가 달라져 해석이 흔들립니다.
3. 항목(토큰) 정리하기 — 각 키워드에서 ‘가격’, ‘후기’, ‘추천’, 지역명 같은 수식어를 항목으로 뽑고, 띄어쓰기나 표기 차이(예: 후기/리뷰)를 하나로 맞출지 정합니다.
4. 지표 계산하기 — 스프레드시트에서 항목별 등장 횟수와 함께 등장한 횟수를 세어 지지도·신뢰도·향상도를 구합니다. 결과를 표로 내려받아 정리하는 방법은 키워드 대량 수집하고 엑셀로 정리하는 법을 참고하실 수 있습니다.
5. 검색량·경쟁도와 겹쳐 보기 — 향상도가 높은 조합이라도 검색 수요가 거의 없으면 우선순위가 낮을 수 있습니다. 검색량, CPC, 블로그 수, 키워드 등급(S~F) 같은 지표와 함께 판단합니다. 등급을 읽는 법은 키워드 스코어 등급 보는 법에 정리되어 있습니다.

분석 결과를 글 기획에 쓰는 방법

• 소제목 묶기: 향상도가 1보다 뚜렷하게 큰 수식어 쌍은 독자가 함께 궁금해하는 주제일 가능성이 있으므로, 한 글 안에서 연이어 다룰지 검토합니다.
• 조합 키워드 후보 만들기: 자주 함께 나타나는 수식어를 키워드 조합기의 슬롯(지역, 업종, 의도, 장소, 시기)에 넣어 롱테일 후보를 만들고, 각각의 검색량을 확인합니다. 관련 내용은 롱테일 키워드 찾는법에서 볼 수 있습니다.
• 대체 관계 찾기: 향상도가 1보다 작은 쌍은 같은 목록에 잘 같이 나오지 않는다는 뜻입니다. 서로 다른 검색 의도일 수 있으니 별도 글로 나누는 쪽을 검토합니다.

해석할 때 주의할 점

• 상관은 인과가 아닙니다. 두 단어가 자주 함께 나타난다고 해서 한쪽이 다른 쪽 검색을 일으킨다고 단정할 수 없습니다.
• 표본이 작으면 우연이 섞입니다. 묶음이 몇 개뿐일 때는 우연히 함께 나온 쌍도 향상도가 높게 나올 수 있습니다. 최소 지지도 기준을 정해 드물게 나온 쌍은 걸러 내는 것이 일반적입니다.
• 데이터 수집 시점을 기록합니다. 연관 키워드와 자동완성은 시기에 따라 바뀔 수 있으므로, 분석표에 조회 날짜를 함께 남겨 두면 나중에 비교하기 쉽습니다.
• 대량 작업은 조건을 확인합니다. 많은 키워드를 외부 프로그램과 연동해 처리하려면 키워드마스터 API 사용 가이드에서 이용 조건과 제공 범위를 먼저 확인하시기 바랍니다. 공개 API 문서 기준으로 API 키와 해당 요금제 권한이 필요합니다.

요약

연관 분석은 ‘무엇이 함께 나타나는가’를 지지도·신뢰도·향상도로 수치화하는 방법입니다. 연관 키워드 목록을 묶음으로 보고 수식어 쌍을 세면, 어떤 주제를 한 글로 묶고 어떤 주제를 나눌지 근거를 갖고 판단할 수 있습니다. 다만 결과는 함께 나타나는 경향일 뿐이므로 검색량·경쟁도와 함께 보고, 표본 크기와 수집 시점을 늘 확인하시기 바랍니다.

참고 자료

• Wikipedia, Association rule learning
• 위키독스, 연관 분석 개요
• 키워드마스터, 연관검색어 추출 방법
• 키워드마스터, 키워드 대량 수집하고 엑셀로 정리하는 법
• 키워드마스터, 자동화 API 안내

자료 확인일: 2026년 10월 15일. 사이트 기능과 이용 조건은 이후 바뀔 수 있습니다.

이 글은 AI가 공개 자료를 바탕으로 작성한 정보 제공용 초안입니다. 본문의 계산 예시는 설명을 위한 가상 수치이며, 실제 검색 데이터나 성과를 뜻하지 않습니다.

대표이미지는 이해를 돕는 설명용 이미지이며 특정 고객이나 실제 현장을 나타내지 않습니다.

이미지: 출처 (운영자 PDS 보유 자료 — 설명용 이미지)