모듈 3 · CH05 분석 심화 + CLAUDE.md

5-1. 꼬리 질문으로 깊게 보기 — 첫 답은 출발점

CH05 강의 영상 · 전체 9:24

모듈 2에서 스킬로 전처리와 첫 분석을 돌렸습니다. 이번 클립은 그 다음 — AI가 준 첫 차트를 그대로 믿지 않고, 꼬리 질문으로 깊게 파는 법입니다. 같은 데이터에서 정반대 결론이 나오는 실제 사례로 봅니다.


1. 첫 답은 끝이 아니라 시작

"동해 여행 뜨고 있어?"라고 물으면 Claude Code는 차트 한 장과 그럴듯한 요약을 줍니다. 여기서 멈추면 분석이 아니라 검색이에요. 분석의 깊이는 그 다음에 던지는 꼬리 질문 세 개에서 나옵니다:

1

"단위를 바꿔 보면?" — 내가 보는 단위가 사람들 머릿속 단위와 같은가

2

"다른 소스로도 그런가?" — 한 소스의 결론은 그 소스의 한계를 포함한다

3

"왜 그랬지?" — 동인(이벤트·인프라·정책)을 못 찾으면 인과를 단정할 수 없다

2. 꼬리 질문 ① — 단위를 바꿔 보면?

묵호 분석의 첫 요청은 이랬습니다: "네이버 데이터랩 검색어 트렌드로 '동해 여행' 최근 2년 받아줘." 결과는 의외였어요.

행정 단위 · '동해 여행'

×0.7

  • 작년 대비 오히려 감소
  • "안 떴네?"로 끝날 뻔한 결론
인식 단위 · '묵호'(+묵호항+논골담길)

×3.7

  • 같은 기간 급등
  • 2026년 1·2월 정점

같은 현상인데 단위 하나로 결론이 뒤집혔습니다. 사람들은 '동해시'가 아니라 '묵호'라고 검색하니까요. 시·구 같은 행정 단위로 보면 작은 신호가 큰 그릇에 희석됩니다. '성수' vs 성동구, '황리단길' vs 경주 — 같은 함정이 곳곳에 있어요.

3. 꼬리 질문 ② — 다른 소스로도 그런가?

검색이 늘었다고 사람이 실제로 간 건 아닙니다. 종류가 다른 신호로 교차 확인해야 해요.

관심
검색·SNS
실제
방문·판매·이용
동인
인프라·이벤트·정책

묵호는 세 신호가 다 모였습니다. 검색 ×3.7(관심), 동해시 방문 +12%(실제), 그리고 코레일 승하차 데이터를 노선별로 쪼개니 — 묵호역 승하차의 71%가 수도권 직결 KTX 노선(동인). 세 소스가 같은 방향이면 결론이 단단해지고, 어긋나면 그 어긋남 자체가 발견입니다.

4. 꼬리 질문 ③ — 왜 그랬지?

마지막 질문이 인과를 가립니다. 묵호는 KTX 개통(2025-12-30) 직후 검색·방문·승하차가 함께 움직였으니 동인이 확정됐어요. 동인을 못 찾았다면? "떴다"까지만 말하고, "왜"는 추측으로 분리해 적어야 합니다.

5. 깊어진 분석을 리포트로

꼬리 질문 세 개를 거친 분석은 그대로 리포트 재료가 됩니다. 한 줄이면 돼요:

"지금까지 분석 흐름을 HTML 리포트로 정리해줘. 단위 비교 차트와 노선별 분해 차트 포함해서."

결과물이 묵호 리포트입니다. 브라우저 인쇄(Cmd/Ctrl+P)로 PDF 저장까지 — 전달 형식은 다음 모듈에서 자동화합니다.

★ 핵심. AI의 첫 답은 출발점입니다. 단위 → 소스 → 동인 세 가지 꼬리 질문이 검색을 분석으로 바꿉니다. 그런데 이 질문들, 매 세션 직접 던져야 할까요? — 다음 클립에서 프로젝트에 박아두는 법을 봅니다.

다음 클립
5-2 CLAUDE.md가 뭔지 — 프로젝트의 규칙 파일
이어보기 →