이 글은 Gemini 3.5 Flash가 작성하였습니다
이 포스팅은 판교 뚜벅쵸의 유튜브 채널 분석 스킬(youtube)과 블로그 방문 지표 분석 스킬(blog-analytics)의 실 데이터를 바탕으로, AI가 분석 흐름과 문체를 자연스럽게 녹여내어 작성했습니다.

목차

1. 파워 영세 유튜버이자 초보 블로거의 딜레마

채널과 블로그를 동시에 운영하면서 항상 마음 한편에 풀리지 않는 딜레마가 하나 있었습니다. 바로 '내가 올리고 싶은 콘텐츠'와 '구독자가 기대하는 콘텐츠' 사이의 괴리입니다.

저는 판교에서 일하는 개발자이자, 이제 갓 돌이 지난 아들(뚜기쿤)을 건사하는 아빠이기도 합니다. 그러다 보니 자연스레 회사에서 일하는 '테크/AI' 이야기뿐만 아니라, 집에서 뚜기와 부대끼는 '육아 일상'도 제 채널의 소중한 한 축입니다.

그런데 지표를 가만히 쳐다보고 있으면 왠지 모르게 아기나 가족 이야기를 전면에 내세운 영상은 테크 영상에 비해 조회수나 구독 증가폭이 힘을 못 쓰는 것처럼 느껴졌습니다. '사람들은 내 찌질한 회사 얘기나 코딩하는 것만 보고 싶어 하고, 우리 뚜기 자라나는 모습은 덜 좋아하시나...?' 하는 서운한 감정이 슬그머니 들기도 했죠.

여기에 깃허브 블로그(panddu.github.io)까지 신설해 글을 쓰기 시작하면서 딜레마는 두 배가 되었습니다. 과연 내 블로그에 글을 썼을 때 사람들이 실제로 얼마나 찾아오는지, 그리고 유튜브 영상이 블로그 유입으로 제대로 이어지고는 있는지 모든 것이 베일에 싸여 있었습니다.

하지만 개발자는 느낌이나 뇌피셜로 말하면 안 되는 법입니다. 진짜로 아기 영상이 외면받고 있는 건지, 그리고 유튜브와 블로그가 어떤 유기적 상관관계를 맺고 있는지 알아보기 위해 API로 수집한 실 데이터를 뜯어보기로 결심했습니다.

2. 데이터 수집의 실체: 플랫폼별 스킬 및 API 아키텍처

먼저 이 귀찮은 데이터 수집 작업을 어떻게 자동화해 두었는지 가볍게 기술적으로 짚고 넘어가겠습니다. 제 AI 에이전트 세션에는 두 가지 분석 전용 스킬이 구축되어 있습니다. (참고로 이 데이터 수집 도구들이 포함된 전체적인 AI 자동화 파이프라인의 큰 구조에 대해서는 이전에 작성한 Kotlin으로 LLM 연동부터 Whisper 자막 자동화, QnA 분류까지 나의 AI 활용 예시 글에서 가볍게 소개해 드린 적이 있습니다.)

1) YouTube 분석 스킬 (youtube)

조회하고자 하는 데이터의 종류에 따라 두 갈래 인증 방식(API Key / OAuth)을 영리하게 분기하여 처리합니다.

  • 공개 메타 (channel_meta.py): 영구 API Key를 활용해 조회수, 좋아요, 댓글 수 등 공개된 수치 수집.
  • Owner-Only 지표 (analytics_report.py): OAuth(yt-analytics.readonly) 인증을 거쳐 시청 지속시간, 평균 시청비율, 트래픽 소스, 일별 구독자 변동 수집.

2) 블로그 분석 스킬 (blog-analytics)

구글 애널리틱스 4(GA4)와 서치 콘솔(GSC) 데이터를 정밀 분석하기 위해 구축된 스킬입니다.

  • GA4 (ga4_report.py): OAuth 소유 계정 인증을 통해 최근 인기 포스트, 유입 소스, 세션 수, 참여율 및 평균 세션 시간 분석.
  • Search Console (gsc_report.py): 구글 검색 유입 키워드(검색어), 페이지별 클릭수, 평균 노출 순위 트래킹.

이 분석 도구들을 활용해 로컬 파이썬 스크립트에서 통계 연산 및 그룹핑 처리를 완료하고, 정제된 수치만 보고하는 분석 자동화 구조를 완성했습니다.

3. 유튜브 지표 분석: 범인은 아기 영상이 아니었다?

분석 대상 기간은 2025년 10월 1일부터 2026년 6월 22일까지로 잡았으며, 이 기간 업로드된 장편 본편 영상 32개를 모았습니다.

단순히 '아기 영상', '테크 영상'으로 이분법적으로 나누지 않고, **첫인상인 '제목과 썸네일(패키징)'이 시청자에게 어떤 약속을 먼저 던지느냐**를 기준으로 4가지 패턴으로 촘촘히 분류해 D2, D7 조회수와 구독자 순증을 비교했습니다.

📊 유튜브 패키징 패턴별 지표 평균값

패키징 분류 평균 D2 조회수 평균 D7 조회수 D7 평균 구독 순증
1. AI/회사 전면 (단독형) 6.9k 9.6k +54.3명
3. AI 전면 (혼합형) 5.2k 6.6k +15.0명
4. 아기 전면 (혼합형) 3.7k 4.5k 0명

지표상으로 확실히 테크 콘텐츠가 전면에 나설 때 조회수와 구독자 유입이 훨씬 강력했습니다. 반면 아기/가족을 전면에 앞세운 혼합형 영상은 평균 D7 조회수 4.5k에 구독 순증은 0에 수렴하는 수준이었습니다.

💡 숨겨진 반전: 클릭률 vs 평균 시청 비율

그런데 평균 시청 지속 비율(Average View Percentage) 데이터를 뜯어보았을 때 반전이 나타났습니다.

놀랍게도 아기/가족 전면 단독형 영상의 평균 시청 비율이 테크 전면 영상보다 오히려 높거나 대등한 수준이었습니다. 이는 영상이 재미없거나 품질이 떨어져서 시청자가 중간에 싫어서 나간 것이 아니라는 뜻입니다. 일단 영상을 누른 시청자들은 아기 이야기를 아주 몰입해서 끝까지 다 봐주셨던 겁니다.

결국 문제는 '콘텐츠 내용의 불만족'이 아니라, 클릭 이전의 '첫인상(패키징)의 당김'이 덜했다는 데 있었습니다. 채널 오디언스(구독자층)가 본질적으로 '개발, AI, 직장인' 훅에 가장 빠르게 반응하다 보니, 아기 중심 패키징은 기존 구독자들이 클릭을 주저하게 만들고, 이에 따라 알고리즘 노출도 조기에 마감되었던 것입니다.

4. 블로그 지표 분석: 롱테일과 크로스 채널 시너지의 발견

그렇다면 새로 만든 블로그(panddu.github.io)의 성과는 어땠을까요? 최근 28일 동안 GA4 데이터를 통해 수집된 지표를 열어 보았습니다.

📈 블로그 기본 지표 (최근 28일 기준)

  • 총 페이지뷰 (Screen Page Views): 1,088회
  • 총 방문 사용자 (Total Users): 244명
  • 세션 수 (Sessions): 386회
  • 평균 세션 시간 (Average Session Duration): 289초 (약 4.8분)
  • 사용자 참여율 (Engagement Rate): 38.1%

블로그를 개설한 지 얼마 안 된 지금, 일 평균 사용자는 약 10명 내외에 불과한 아주 작은 규모입니다. 그런데도 평균 체류 시간 4.8분, 참여율 38%라는 숫자를 보고 있으면, 아직 초기 단계인데도 텍스트를 진득하게 읽고 가는 사람들이 있다는 신호로 읽혀 내심 반가웠습니다.

🏆 최근 인기 포스트 순위 (Top Page Views)

순위 페이지 경로 (pagePath) 페이지 타이틀 조회수 (PV)
1 /posts/2019/04/spammaker/ 스팸체 생성기 182
2 /posts/2026/08/panddu-ai-workflow/ Kotlin으로 LLM 연동부터 자막 자동화까지.. 115
3 /posts/2026/06/ai-analysis-comm-style/ 매일 이 계정주 부탁 들어주는 AI인데 현타 온다 47

여기서 발견한 지표의 비밀과 시너지는 크게 두 가지입니다.

① 이제 막 들어오기 시작한 검색 유입의 씨앗

가장 높은 조회수를 기록한 글은 뜻밖에도 2019년에 다른 곳에 끄적여두었다가 이번에 이 블로그로 옮겨온 '스팸체 생성기'였습니다. 블로그를 만든 지 얼마 되지도 않았는데 벌써 구글 검색 엔진을 타고 외부 트래픽이 들어오고 있다는 건, 앞으로 글이 쌓일수록 이런 롱테일 유입이 더 늘어날 수 있겠다는 기대를 갖게 하는 초기 신호였습니다.

② 유튜브 📢 ➔ 블로그 소소한 보완 📝 시너지

가장 인상적인 사례는 최근 8월 2일에 업로드했던 유튜브 영상과 연계된 'Kotlin으로 LLM 연동부터 자막 자동화까지...' 포스트였습니다.

유튜브 영상 설명란과 댓글에 상세 코드 구현과 로직이 적힌 블로그 링크를 걸어두었는데, 단 며칠 만에 **115회 이상의 순수 뷰(사용자 51명 이상)**를 기록하며 인기 페이지 2위에 랭크되었습니다.

유튜브 영상은 시각적인 훅을 주며 트래픽을 모으고, 영상 밖에서 텍스트로 가볍게 보완된 추가 내용을 읽고 싶은 사용자들은 블로그로 넘어와 긴 시간(평균 4.8분) 체류하며 정독하는 '크로스 채널 데이터 깔때기' 구조가 잘 굴러가고 있음이 증명된 셈입니다.

5. 결론 및 향후 채널 + 블로그 운영 전략

유튜브와 블로그의 API 지표를 크로싱하여 내린 최종적인 채널 및 블로그 융합 전략은 다음과 같습니다.

  • 유튜브와 블로그의 상호 보완 구조
    유튜브 영상은 많은 사람이 흥미를 느낄 수 있는 요약과 호흡이 빠른 훅에 집중하고, 블로그는 영상으로 길게 다루기엔 애매하거나 소소해서 영상화가 곤란했던 가벼운 주제들을 편하게 모아두는 텍스트 저장소로 활용합니다.
  • 유튜브 패키징과 타겟 매칭에 대한 고민
    물론 육아나 가족 일상 자체가 영상의 메인 주인공이 될 수밖에 없는 에피소드도 많겠지만, 채널 유입 성장을 적극적으로 겨냥해야 하는 특정 영상에 한해서는 썸네일과 타이틀 훅을 'AI/회사' 이야기로 앞세우고 뚜기와 가족의 따뜻한 일상은 후반부에 자연스럽게 배치해 보는 등의 패키징 실험을 열어두고 고민해 보려 합니다.
  • 블로그를 통한 롱테일 트래픽 확장
    유튜브 영상은 시간이 지나면 추천 알고리즘의 수명이 다하지만, 블로그 글은 '스팸체 생성기' 사례에서 엿본 것처럼 시간이 지날수록 검색 노출을 통한 롱테일 트래픽을 쌓아갈 잠재력이 있습니다. 이제 막 걸음마를 뗀 블로그이니만큼, 영상에 들어간 기획이나 스크립트 중 유용한 팁들은 검색 엔진 최적화(SEO)를 고려해 꾸준히 블로그 텍스트로 쌓아가 보려 합니다.

데이터를 분석하기 전에는 유튜브 조회수 하락에 섭섭해하고, 이제 막 문을 연 블로그에 사람이 오긴 오는 건지 막연하기만 했는데, API 데이터를 결합해 보니 두 플랫폼이 어떻게 톱니바퀴처럼 서로를 밀어주고 있는지, 그리고 블로그의 초기 유입이 어떤 모양으로 시작되고 있는지 명확하게 볼 수 있었습니다. 역시 느낌 대신 데이터에 질문을 던지는 것이 가장 확실한 성장의 열쇠인 것 같습니다.