유튜브에서 새 채널을 열 때 가장 먼저 막히는 질문은 "무슨 주제로 할까"입니다. 감으로 고르면 이미 강자가 가득한 레드오션에 뛰어들기 쉽습니다. AI 영상 자동화 팩토리는 매달 새 채널을 여는 전략이라, 주제 선정을 감이 아니라 데이터로 해야 했습니다. 이 글은 블루오션 니치를 자동으로 찾아 점수를 매기는 스카우트 워커의 설계를 정리한 것입니다.
블루오션 니치란 무엇인가
블루오션 니치는 아직 강자가 자리 잡지 않았는데 수요는 이미 큰 주제 영역입니다. 이를 데이터로 정의하면 두 조건으로 좁혀집니다.
- 구독자는 적다: 아직 대형 채널이 장악하지 않았다.
- 평균 조회수는 높다: 그런데도 영상은 잘 터진다(수요가 있다).
우리 스카우트는 이 정의를 그대로 숫자 필터로 옮겼습니다. 구독자 1만 명 미만이면서 평균 조회수가 10만 회를 넘는 채널만 블루오션 후보로 남깁니다. 구독자가 적은데 조회수가 높다는 건, 콘텐츠 자체의 수요는 크지만 아직 그 자리를 차지한 채널이 없다는 신호입니다. 참고로 구독자 수가 숨김·미확인인 채널은 판단이 불가능하므로 후보에서 제외합니다.
경쟁도를 점수화한다
블루오션 후보를 추린 다음엔 키워드별 경쟁 강도를 점수로 매깁니다. 경쟁도 점수는 단순하면서 직관적입니다. 그 키워드를 다루는 채널 수를 평균 조회수로 나눈 값이 경쟁도 점수입니다.
채널 수가 많을수록(공급 과잉) 점수가 올라가고, 평균 조회수가 높을수록(수요 큼) 점수가 내려갑니다. 점수가 낮을수록 경쟁이 덜한 좋은 니치입니다. 이 점수를 세 등급으로 나눠 배지로 보여 줍니다.
| 등급 | 점수 구간 | 의미 |
|---|---|---|
| low | 매우 낮음 | 경쟁이 적은 블루오션 |
| medium | 중간 | 경쟁이 붙기 시작 |
| high | 상대적으로 높음 | 이미 붐비는 레드오션 |
숫자 하나로 "이 키워드가 지금 들어갈 만한가"를 한눈에 판단할 수 있게 만든 것이 핵심입니다. 감이 아니라 등급 배지로 니치를 고를 수 있습니다. 여기서 한 가지 유의할 점은, 점수가 낮다고 무조건 좋은 게 아니라 수요(평균 조회수)가 충분히 받쳐 주는 낮은 점수라야 진짜 블루오션이라는 것입니다. 그래서 경쟁도 점수는 앞서의 블루오션 필터를 통과한 후보 위에서만 의미를 갖습니다.
채널 성격을 자동으로 분류한다, 아키타입
좋은 니치를 찾았어도, 그 니치를 어떤 톤의 채널로 공략할지는 또 다른 문제입니다. 우리는 발견한 채널을 네 개의 아키타입으로 자동 분류합니다.
- 국격: 한국 과학·의학의 우수성과 자부심을 다루는 톤
- 지식: 정보를 큐레이션하는 지식형(기본값)
- 썰: 이야기·스토리텔링형
- 팬덤: 특정 대상의 팬덤을 겨냥한 톤
분류는 값싼 분류 모델로 채널 제목·설명·최근 영상 제목을 읽어 판정하고, 실패하면 안전하게 '지식'으로 폴백합니다. 비용을 통제하려고 상위 블루오션 채널에만 분류를 돌립니다. 이렇게 분류된 아키타입은 나중에 대본 생성 프롬프트를 분기하는 데 그대로 쓰여, 채널 성격에 맞는 톤이 자동으로 적용됩니다.
쿼터를 아끼는 조회 패턴
유튜브 API는 하루 쿼터가 정해져 있어, 스카우트가 검색을 남발하면 금방 한도에 걸립니다. 그래서 조회는 꼭 필요한 최소 호출로 설계했습니다. 키워드 하나를 조사할 때, 채널을 찾는 무거운 검색 호출 한 번과 그 채널들의 통계를 한꺼번에 가져오는 가벼운 배치 호출 한 번을 조합합니다. 검색 호출은 통계 호출보다 쿼터를 훨씬 많이 먹기 때문에, 검색은 최소로 하고 나머지는 값싼 배치 조회로 채우는 것이 핵심입니다. 이 "적은 호출로 넓게 보는" 접근은 경쟁 채널의 급상승 영상을 감지하는 벤치마킹에서도 같은 원리로 쓰입니다.
스카우트가 찾아낸 유망 채널의 최근 주제는 주제 발굴 쪽으로 흘려보내, 스카우트와 리서치가 서로를 강화하는 피드백 루프를 이룹니다. 여기에 더해, 여러 신호에서 반복해 등장하는 주제만 교차 검증으로 골라내 노이즈를 걸러 냅니다. 니치 탐색이 "새 채널을 어디에 열까"를 정한다면, 이 교차 검증은 "그 채널에서 무엇을 만들까"의 첫 후보를 채웁니다. 발견한 니치를 실제로 열고 나면, 그 채널의 성과를 다시 분석해 다음 기획에 반영합니다. 그 흐름은 터진 영상·망한 영상을 자동 분석하는 성과 피드백 루프에서 이어지고, 전체 그림은 AI 영상 자동화 팩토리에서 볼 수 있습니다.
자주 묻는 질문
유튜브 블루오션 니치를 자동으로 어떻게 찾나요?
구독자와 평균 조회수 두 지표로 필터링합니다. 구독자 1만 명 미만이면서 평균 조회수가 10만 회를 넘는 채널만 남깁니다. 구독자는 적은데 조회수가 높다는 건 수요는 크지만 아직 강자가 없다는 신호이기 때문입니다.
채널 경쟁 강도를 어떻게 점수화하나요?
키워드를 다루는 채널 수를 평균 조회수로 나눈 값을 경쟁도 점수로 씁니다. 채널이 많을수록(공급 과잉) 점수가 오르고 평균 조회수가 높을수록(수요 큼) 내려갑니다. 점수가 낮을수록 경쟁이 덜한 좋은 니치이며, 이를 low·medium·high 세 등급으로 나눠 보여 줍니다.
채널 아키타입 분류는 왜 하나요?
같은 니치라도 어떤 톤으로 공략하느냐가 다르기 때문입니다. 채널을 국격·지식·썰·팬덤 네 유형으로 분류하고, 이 값을 대본 생성 프롬프트 분기에 그대로 써서 채널 성격에 맞는 톤을 자동으로 적용합니다. 분류에 실패하면 안전하게 '지식'으로 폴백합니다.
API 쿼터는 어떻게 아끼나요?
키워드 하나를 조사할 때 무거운 검색 호출을 남발하지 않고, 검색과 가벼운 통계 조회를 최소한으로 조합합니다. 비용이 드는 아키타입 분류도 모든 채널이 아니라 상위 블루오션 채널에만 돌려, 쿼터와 AI 호출 비용을 함께 통제합니다.