Draftcamp의 데이터 계층—
그리고 결합이 핵심인 이유

트래픽만 보면 중요한 부분이 빠져 거짓말을 해. 4위 페이지는 건강해 보이지만, 쿼리 볼륨이 두 배로 늘고 경쟁사가 앞서간 걸 알면 달라져. 게다가 그 글이 지금 네 타깃에게 맞는 주장을 하는지도 알려주지 않아.

키워드 데이터만 보면 추상적이라 거짓말을 해. 볼륨과 난이도 점수는 시장을 설명할 뿐, 네 페이지 상황은 아니야. 성과 기록 없이 키워드 데이터만 보고 최적화하면, 조용히 잘 나가던 페이지를 팀이 망가뜨리게 돼.

콘텐츠 분석만 하면 맥락 없이 거짓말을 해. 글이 구조도 좋고 기술적으로 완벽해도, 순위가 없거나 잘못된 타깃을 끌어올 수 있어. 성과 맥락 없는 품질은 단지 장식일 뿐이야.

신호들을 함께 읽으면 오류가 상쇄돼. 이게 모든 설계의 출발점이야.

GSC는 내보낼 수 있고, 키워드 데이터는 구독할 수 있어. 사이트도 크롤링하고 ICP도 적을 수 있지. 팀은 네 개 모두를 네 탭, 네 사람이, 네 일정에 걸쳐 봐. 인사이트는 교차점에 있는데, 탭 전환은 그걸 놓쳐.

교차 논리의 구체적 예: 글이 3위라 트래픽 도구는 조용하다. 키워드 신호는 쿼리 의도가 상업적으로 바뀌었음을, 라이브러리는 19개월간 페이지가 안 바뀌었음을, ICP는 네가 작년에 떠난 세그먼트를 겨냥함을 보여줘. 함께 읽으면: 최고 순위 글이 가장 큰 위험이라는 결론에 도달해 - 어느 신호도 단독으로 지지하지 않는 결론을, 감사가 모든 글과 모든 회차에 자동으로 내.

그래서 결과물이 대시보드가 아닌 거야. 신호 간 결론엔 이유가 붙어 터치업, 재작성, 폐기 등으로 표시돼. 검증 못 하는 판단은 신뢰할 수 없으니까. 시스템이 과정을 보여주고, 네 팀이 결정을 내려.

제품이 되기 전엔 우리 블로그에 적용한 시스템이었어. 수년간 쌓은 라이브러리가 조용히 순위를 잃기 시작했지. 첫 전체 감사가 제품화의 근거가 됐어.

⚠ [자리표시 - Socialinsider 감사 실행에서 실제 수치 가져오기: 분석된 글 수, 분류별 플래그 비율(수정 / 재작성 / 폐기), 순위 유지하지만 변동된 페이지 수, 1페이지 이탈 감지 수, 가장 흔한 기술적 발견. 3~4개의 실제 숫자가 10개의 모호한 숫자보다 낫다.]

⚠ [자리표시 - 익명화된 구체적 사례 하나: 감사가 잡아낸 가장 강력한 ‘순위는 괜찮지만 우리 ICP와 완전히 맞지 않는’ 글과 그 이유. 우리 데이터에서 나온 캔버스의 꿈 같은 인용문.]