일본 인기검색어 1,147개, 누가 쓰고 있나日本 人気検索語クラスタリング

분류 방법

미국 분석의 정규화 → 의미 클러스터 → 볼륨 롤업 구조를 그대로 쓰되, 임베딩은 쓰지 않았다. databricks-gte-large-en은 영어 전용이라 일본어에 부적합하다.

대신 1,147개를 전수 판독한 뒤 정확일치 사전 + 구체어 우선 부분일치 규칙으로 배정했다. 복합어가 단일어를 이긴다 — セミナーチラシ는 전단이 아니라 세미나 집객물로 간다.

2축

용도축 L1 7개 / L2 39개. 구체성축 T1 산출물 명시 → T4 소재·스타일. 구체성축이 있어야 “볼륨은 같은데 검색 난이도가 다르다”가 보인다.

페르소나는 클러스터의 롤업이지 별도 판정이 아니다. 수식어(T4)는 어느 페르소나에도 배분하지 않았다.

믿으면 안 되는 것

• 채택률이 없다. 개선 우선순위를 여기서 뽑을 수 없다. 미국 분석에서 볼륨 TOP5와 우선순위 TOP5는 하나도 겹치지 않았다.
• 롱테일이 잘렸다. 5회 미만 제외라 미매칭 롱테일 규모를 모른다.
• 미국 수치와 직접 비교 금지. 미국은 로그인 계정 user-day, 이쪽은 검색 이벤트 수다.
• 단일어는 추정이다. 自己紹介 701건이 발표 슬라이드인지 카드인지는 로그로만 확정된다.

다음 단계

country='Japan', language_setting='ja'로 채택률·유효채택률을 이 클러스터에 조인하면 미국 v3와 같은 볼륨 × 품질 진단이 된다.

단, 일본은 PPT 무편집 다운로드율 59.1%(중위 편집 0)로 글로벌 최악이라 유효채택 지표를 그대로 쓰면 안 된다. 무편집 분리가 선행되어야 한다.