Hyeong · 데이터·마케팅·개발 제너럴리스트

블로그 벤치마킹을 '감'이 아니라 '데이터'로 — 한 니치의 상위 블로그 13개를 크롤링해 성공 문법을 뽑았다

14 min read

블로그 벤치마킹을 ‘감’이 아니라 ‘데이터’로

“저 블로그는 왜 잘될까?” 를 감으로 답하는 게 싫었다. 그래서 한 니치(패션 큐레이션)의 상위 블로그 13개를 통째로 크롤링해, 발행 이력·꾸준함·글감·문체·이미지 배치·실시간 트래픽을 숫자로 뜯어봤다. 이 글은 그 방법과, 데이터가 알려준 “성공 문법”의 기록이다. (⚠️ 분석 대상 블로그·인물은 전부 익명화했고, 수집 데이터는 분석 후 폐기했다. 특정 블로그를 따라 하라는 글이 아니라, 공개 데이터에서 읽어낸 패턴과 그 리스크에 대한 기록이다.)

왜 감이 아니라 데이터인가?

벤치마킹은 보통 “이 사람 글 좋네” 같은 인상비평으로 끝난다. 그런데 그건 재현이 안 된다. 내가 알고 싶었던 건 인상이 아니라 구조였다. 몇 개를 올리는지, 얼마나 꾸준한지, 제목을 어떻게 짓는지, 사진을 몇 장 쓰는지, 그래서 무엇이 트래픽과 상관있는지. 전부 세어볼 수 있는 것들이다.

flowchart LR
    A["인상비평<br/>'글이 좋네'"] -.재현 불가.-> A2["따라 못 함"]
    B["정량 분석<br/>발행·문체·이미지·트래픽 계측"] --> B2["패턴 = 재현 가능"]

    classDef bad fill:#fde8e8,stroke:#c81e1e,color:#6b1010,stroke-width:1px
    classDef ok fill:#e6f4ea,stroke:#137333,color:#0b3d1f,stroke-width:1px
    class A,A2 bad
    class B,B2 ok

어떻게 수집했나?

네이버 블로그는 ‘전체 글’ 목록을 비공식 JSON 엔드포인트로 준다. 여기에 글 수(totalCount)가 들어 있어서, 그걸로 총 페이지 수를 먼저 계산하고 끝까지 자동으로 훑게 만들었다. 그다음 각 글의 모바일 페이지에서 본문을 뽑았다.

flowchart TB
    T["totalCount 조회<br/>→ 총 페이지 계산"] --> L["목록 병렬 수집<br/>(청크 + 스레드)"]
    L --> DD["logNo 기준 중복 제거"]
    DD --> C["본문 병렬 크롤링"]
    C --> P{"본문 파서 3단 폴백"}
    P -->|신에디터| P1["se-main-container"]
    P -->|구에디터| P2["postViewArea"]
    P -->|모바일 구버전| P3["post_ct"]
    P1 --> X["엑셀 저장(목록 + 본문)"]
    P2 --> X
    P3 --> X

    classDef s fill:#e8f0fe,stroke:#1a56db,color:#0b2a6b,stroke-width:1px
    classDef d fill:#fef3e2,stroke:#b25e02,color:#5c2e00,stroke-width:1px
    class T,L,DD,C,P1,P2,P3,X s
    class P d

기술적으로 신경 쓴 세 가지.

  • 본문 파서 3단 폴백 — 네이버 블로그는 신에디터(SE3), 구에디터(smarteditor 2.0), 아주 오래된 모바일(post_ct)이 섞여 있다. 하나만 노리면 옛 글이 통째로 빈다. 그래서 세 컨테이너를 순서대로 시도했다.
  • rate-limit 매너 — 429/5xx엔 지수 백오프로 재시도하고, 요청마다 딜레이를 넣고, 동시 스레드를 일부러 낮게(3개) 잡았다. 남의 서버를 두드리는 일이니, 빠르게보다 얌전하게가 원칙이다.
  • 엑셀 저장 함정 — 본문이 https://로 시작하면 엑셀 엔진이 셀을 URL로 오인해 텍스트를 통째로 날린다. strings_to_urls=False로 꺼서 막았다.

⚠️ 수집 윤리: 공개된 글 목록/본문만, 얌전한 속도로, 분석 목적으로만 모았다. 로그인 뒤 콘텐츠나 개인정보는 건드리지 않았고, 분석이 끝난 원본은 폐기했다. 스크래핑은 대상 서비스의 약관·부하를 항상 먼저 생각해야 한다.

무엇을 쟀나?

숫자로 만든 축은 다섯 개였다.

축계측한 것
발행 이력·꾸준함첫 글, 실질 운영 시작, 1일1포 이상 연속 유지 개월수
글감(소재)어떤 키워드·유형이 반복되나(빈도 집계)
문체존댓말/반말 비율, 이모지·해시태그 밀도, 템플릿화 정도
본문·이미지 배치최근 글의 실제 HTML을 파싱해 이미지 수·텍스트 블록·콜라주·출처 표기
성과실시간 방문자(누적/오늘) — 조회수 컬럼은 비어 있어 방문자로 대체

무엇을 발견했나 — 운영 아키타입 다섯 형

13개를 숫자로 늘어놓으니, 이름을 지워도 다섯 가지 유형으로 갈렸다.

flowchart TB
    subgraph A["① 대형 콘텐츠 팜형"]
      A1["하루 5~14개 대량 생산<br/>2~3년 무중단, 문체 정형화"]
    end
    subgraph B["② 글로벌 아카이브형"]
      B1["경쟁 적은 니치 특화<br/>사진 대량, 텍스트 최소"]
    end
    subgraph C["③ 재부팅 폭발형"]
      C1["오래 휴면 → 몇 달 집중 발행<br/>제목·소재로 급반등"]
    end
    subgraph D["④ 정보 카드형"]
      D1["아이템 → 브랜드·가격 DB화<br/>표·스펙 정리"]
    end
    subgraph E["⑤ 화보 혼합형"]
      E1["사진 물량 최다 + 후기 겸업<br/>장문·커머스 연계"]
    end

    classDef a fill:#e8f0fe,stroke:#1a56db,color:#0b2a6b,stroke-width:1px
    class A1,B1,C1,D1,E1 a

흥미로운 건, 꾸준함(1일1포 지속) 1위 블로그가 오늘 트래픽에서는 최하위였다는 점이다. 물량으로는 압도적인데, 순간 화제성은 낮았다. 반대로 오래 쉬다가 올해 몇 달만 집중 발행한 재부팅형이 오늘 실시간 방문 1·2위를 찍었다.

그래서 핵심 인사이트는?

한 문장으로 줄면 이렇다. 물량이 아니라 ‘소재 선택 + 제목’이 트래픽을 만든다.

flowchart LR
    V1["사진 물량 · 발행 개수"] -.약한 상관.-> T["실시간 트래픽"]
    V2["소재 화제성 + 제목 후킹"] ==>|강한 상관| T

    classDef weak fill:#fde8e8,stroke:#c81e1e,color:#6b1010,stroke-width:1px
    classDef strong fill:#e6f4ea,stroke:#137333,color:#0b3d1f,stroke-width:1px
    class V1 weak
    class V2,T strong

이미지를 22장씩 넣는 물량형보다, 사진은 10장 남짓이어도 제목에 궁금증을 심은 쪽이 오늘 방문에서 앞섰다. 생산 노력(사진 수)과 성과가 비례하지 않는다는 게 데이터가 준 가장 반직관적인 교훈이었다.

데이터가 말하는 ‘성공 문법’은?

일반화하면 네 박자로 수렴했다. 어느 유형이든 이 넷을 갖췄다.

flowchart LR
    S1["① 꾸준함<br/>1일1포 = 입장권"] --> S2["② 제목 후킹<br/>궁금증·반전"]
    S2 --> S3["③ 이미지 신뢰<br/>충분한 컷 + 출처표기"]
    S3 --> S4["④ 수익화 연결<br/>아이템→브랜드·가격·제휴"]

    classDef s fill:#e6f4ea,stroke:#137333,color:#0b3d1f,stroke-width:1px
    class S1,S2,S3,S4 s

① 꾸준함은 실력이 아니라 입장권이었다. 성실 블로그는 예외 없이 1일1포 이상을 몇 년, 혹은 몇 달이라도 몰아서 지켰다. 다만 꾸준함만으로 트래픽 1위가 되진 않았다 — 입장권이지 우승컵은 아니다.

② 제목 후킹은 몇 개의 반복 패턴으로 계측됐다(특정 문구가 아니라 구조로 옮긴다).

후킹 유형구조
말줄임 미끼”…했는데” 로 문장을 끊어 클릭 유도
반전·숫자 대비기대와 어긋나는 숫자·나이 대비
반응 증폭”난리 난 / 역대급 / 오늘자” 계열 강조어
정체 유발”그게 뭔지”를 본문에서만 밝히는 구조
대결·논란”A vs B”, “논란의 —” 프레임
리스트·요약”TOP N / 총정리 / 1분 요약”

③ 이미지는 신뢰 장치였다. 모바일 체류를 위해 사실상 8~12장이 기본선이었고, 여러 컷을 한 화면에 압축하는 콜라주와 출처 캡션·인용 표기가 상위권일수록 꼼꼼했다. 출처 표기는 뒤에서 말할 저작권 리스크의 최소 방어이기도 하다.

④ 수익화는 “착장/아이템 → 브랜드·가격 → 커머스 링크·제휴·협찬”의 공통 문법으로 흘렀다.

⚠️ 하지만 — 리스크와 윤리

데이터가 “이렇게 하면 트래픽이 난다”를 알려줘도, 해도 되는지는 다른 문제다. 이 판을 뜯어보며 오히려 또렷해진 위험 넷.

  • 초상권·저작권: 인물 사진의 대량 사용은 회색지대다. 출처 표기·언론 인용은 최소한의 방어일 뿐 완전한 면책이 아니고, 상업적 이용이면 특히 위태롭다.
  • 선정성: 자극적 신체·노출 후킹은 트래픽엔 유리해도 저품질·성인성 제재와 브랜드 훼손으로 돌아온다.
  • AI 대량생산 필터: 데이터에서 문체가 정보 카드형으로 정형화되는 흐름이 보였다. 효율적이지만, 검색엔진의 유사문서·저품질 필터에 걸리기 쉽다. 결국 차별화는 개인의 관점·코멘트에서 나온다.
  • 소재 휘발성: 화제 소재는 금방 식는다. 경쟁이 적은 니치나 가격·정보 자산의 축적이 화제 의존형보다 방어력이 높았다.

정리하며

이 작업의 결론은 “패션 블로그 잘하는 법”이 아니다. “벤치마킹을 감이 아니라 데이터로 하면, 남들이 인상비평으로 흘리는 걸 구조로 볼 수 있다” 는 것이다. 크롤러 하나와 몇 개의 축이면, 한 니치의 성공/실패 문법을 재현 가능한 형태로 뽑아낼 수 있다.

그리고 데이터는 겸손도 가르쳤다. 가장 부지런한 사람이 1등은 아니었고, 사진을 가장 많이 넣은 사람도 1등이 아니었다. 결정타는 늘 무엇을, 어떤 제목으로 였다.

분석의 목적은 베끼기가 아니라 판을 읽는 것이다. 판을 읽고 나면, 따라갈지 비켜설지는 그다음 선택이더라. 그리고 그 선택엔 트래픽만이 아니라 리스크와 윤리도 같이 얹혀야 한다.

투명성 노트: 이 글은 개인의 데이터 분석 방법론과 일반화된 시장 패턴만 다룬다. 분석한 블로그의 실제 계정명·특정 인물·수집한 본문은 일절 공개하지 않으며, 수집 데이터는 분석 후 폐기했다. 크롤링은 공개 페이지에 한해 얌전한 속도로 수행했다.

그래프 뷰