내 필요에 의해 직접 만든 유튜브 분석 툴, Lumen Insights 개발기

안녕하세요, 1MIN DRAMA 쇼츠 채널을 성공적으로 운영 중인 1인 창업가이자, 개발자입니다.
앞선 포스팅에서 말씀드렸듯, 트렌드를 읽어내고 알고리즘의 파도를 타기 위해서는 감각을 뒷받침해 줄 강력한 데이터 무기가 필수적입니다.
하지만 채널이 성장하면서 시중에 나와 있는 기존의 유튜브 분석 툴이나 스튜디오 기본 통계만으로는 저의 갈증을 해소하기에 역부족이었습니다.
단순한 조회수나 구독자 추이를 넘어서, 어떤 해시태그가 먹히고 있는지, 경쟁 채널은 어떤 빈도로 영상을 올리고 있는지 심층적인 인사이트(Insight)가 필요했습니다.
결국 "내가 원하는 기능이 없다면, 내가 직접 만들어 쓰자"는 절박한 마음으로 키보드를 잡았습니다.
오늘 본 블로그에서는 저의 필요에 의해 직접 기획하고 밑바닥부터 개발해 낸 Lumen Insights의 치열했던 탄생 스토리를 들려드리고자 합니다.

시중 분석 툴들의 한계와 커스텀 툴의 필요성

초기에는 저 역시 널리 알려진 외부 분석 서비스들을 유료로 결제해 가며 사용해 보았습니다.
하지만 대부분의 툴들은 롱폼(Long-form) 영상 분석에 최적화되어 있었고, 호흡이 짧고 트렌드가 급변하는 쇼츠(Shorts) 생태계를 반영하기에는 무리가 있었습니다.
특히 제가 가장 원했던 것은 특정 키워드의 시간 단위 급상승 지표나 경쟁 채널들의 업로드 패턴과 시청자 반응률을 교차 검증하는 기능이었습니다.
또한, 조회수는 높지만 악플이 많거나 이탈률이 높은 이른바 '속 빈 강정' 같은 콘텐츠를 자동으로 걸러내는 필터링 시스템이 절실했습니다.
이러한 고도화된 기능들은 범용적인 툴에서는 제공하지 않거나, 제공하더라도 지나치게 비싼 기업용 요금제를 요구했습니다.
1인 창업가로서 비용을 절감하면서도 저의 기획 의도에 완벽히 부합하는 툴이 필요하다는 결론에 다다랐습니다.
결국 저는 파이썬 스크립트를 활용해 유튜브 공식 API를 직접 연동하며 데이터 수집의 첫 삽을 떴습니다.

1인 창업가의 험난했던 개발과 고도화 과정

호기롭게 시작했지만, 방대한 유튜브의 데이터를 안정적으로 수집하고 의미 있는 통계로 가공하는 과정은 결코 순탄치 않았습니다.
API 할당량 제한(Quota Limit)에 수시로 부딪혔고, 매일 쏟아지는 수만 건의 쇼츠 데이터 속에서 노이즈를 제거하고 알짜배기 정보만 추출하는 알고리즘을 설계하는 데 수많은 밤을 지새웠습니다.
하지만 포기하지 않고 지속적으로 코드를 개선하며, 단순한 수치 나열을 넘어 직관적인 대시보드 형태로 UI/UX를 고도화해 나갔습니다.
특히 채널별 인게이지먼트(참여도)와 특정 시간대별 최적 업로드 타이밍을 자동으로 분석해 주는 기능을 완성했을 때의 희열은 잊을 수 없습니다.
제가 겪었던 채널 운영의 실질적인 페인 포인트(Pain Point)들을 해결하는 데 집중했기에, 툴은 점점 더 날카롭고 실용적으로 변모했습니다.
이렇게 저의 땀방울이 녹아든 결과물이 바로 현재 제가 매일같이 사용하며 채널 성장의 핵심 엔진으로 삼고 있는 Lumen Insights입니다.
이 툴은 제 머릿속의 직관을 객관적인 수치로 증명해 주는 가장 든든한 파트너가 되었습니다.

개인의 무기에서 모두를 위한 솔루션으로

직접 개발한 Lumen Insights를 실제 채널 운영에 적용하자, 성과는 눈부셨습니다.
이전 포스팅에서 언급했던 '넷플릭스 트렌드 파도타기' 전략 역시 이 툴이 제공하는 정밀한 키워드 추적 기능이 없었다면 불가능했을 것입니다.
데이터를 기반으로 기획의 성공률이 비약적으로 상승하자, 저는 이 툴의 가치를 저 혼자만 독점하기에는 너무 아깝다는 생각이 들었습니다.
과거의 저처럼 막연한 감에 의존하며 성장의 벽에 부딪혀 좌절하고 있는 수많은 크리에이터분들에게도 이 강력한 무기를 쥐여주고 싶었습니다.
그리하여 저는 Lumen Insights를 단순히 개인용 스크립트에서 벗어나, 누구나 쉽게 접근하고 활용할 수 있는 웹 기반의 서비스로 확장하기로 결심했습니다.
다음 포스팅에서는 이 Lumen Insights를 본격적으로 활용하여 도출해 낸 '충성도 높은 쇼츠의 핵심 데이터 지표'에 대해 낱낱이 파헤쳐 보겠습니다.
데이터가 어떻게 시청자의 마음을 읽어내는지 그 놀라운 실전 분석 사례를 기대해 주시기 바랍니다.