방법론 및 데이터 계보

작성일: 2026-05-16

현재 프로젝트 전체 현황판은 docs/project-current-status.md에 따로 정리되어 있다.

1. 처리 원칙

모든 데이터는 원천자료 수집 -> 전처리 -> OCR -> 구조화 -> 비식별/내부 매칭 -> 분석 -> 리포트 순서로 처리했다. public 산출물에는 전화번호, 실명, API key, 원본 스크린샷을 포함하지 않는다.

2. 원천자료와 접근 권한

자료	위치	접근/권한	사용 범위
ON STUDIO 예약/취소/수업/강사	`data/raw/onstudio/`	축제 참여 요가원별 ON STUDIO 계정 접근 가능	예약/취소/수업 분석
오붓 리뷰 스크린샷	`data/raw/obud_reviews/screenshots/`	오붓 리뷰 화면이 마우스 드래그/텍스트 복사를 허용하지 않아 사용자가 최신순으로 직접 화면 캡처. 원본은 private/raw	OCR 및 리뷰 분석
Google Vision OCR 텍스트	`data/raw/obud_reviews/ocr_text/`	OCR API key는 로컬 파일/환경변수, 결과 원문은 raw	OCR 구조화
Gemini Vision 검수 결과	`data/processed/obud_reviews/private/obud_reviews_ai_checked_private.csv`	Gemini API key는 로컬 전용. 원본 이미지와 OCR 텍스트를 함께 사용해 JSON 구조화 검수	리뷰 구조화 품질 검수
티켓 가격표	`references/obud-ticket-pricing.md`	사용자 제공 이미지 기반 기록	가격 추정 기준
오붓 정산 기준	`references/obud-settlement-rules.md`, `data/raw/settlement/obud/`	대표자 전달 메모와 오붓 화면 스크린샷 기반 정산 기준 기록. 2026-05-16 공개 오붓 사이트/FAQ/오붓패스/입점문의/sitemap 확인 결과 공개 정산표는 미확인	1회권/패스권 참여 기준과 산식 검토
요가원/행사 장소 주소	`data/external/studio_locations_public.csv`	ON STUDIO 수업 설명과 공개 웹 검색으로 수집. 최종 예약/시간표에 남은 active 장소만 GIS seed로 사용하며, 초기 기획안에만 남은 궁동산 행은 active GIS에서 제외	GIS 1차 분석
수업별 실제 장소 증거	`data/processed/analysis/public/class_location_evidence_public.csv`	수업 설명의 `📍 장소`, `집합 장소`, `장소:` 문구를 파싱해 `organizer_studio_key`와 `actual_location_key`를 분리	GIS 동선 분석
Google Drive 공유 프로그램/운영 문서	`data/raw/google_drive_shared/rightnow_yogi/files/`, `data/raw/google_drive_shared/rightnow_yogi/full_archive/`	`bigblue.yoga@gmail.com` 계정에서 `rightnow.yogi@gmail.com`으로부터 공유받은 2026년 이후 연희 요가 축제 관련 자료의 로컬 사본. raw는 GitHub 공유 제외	수업 정원, 운영 문구, F&B/스폰서/기획 맥락
공유용 Notion 커뮤니케이션 문서	`data/raw/notion_shared/`	사용자가 제공한 공유용 Notion URL 2건을 읽기 전용으로 수집. 원문 JSON/텍스트와 블록별 원문 inventory는 raw/private로만 보관하고 GitHub 공유 제외	행사 기획 의도, 대외 메시지, 크루 운영 철학, 참여자 경험 설계 맥락
Google Drive 수업 정원 후보표	`data/processed/analysis/public/google_drive_program_capacity_reference.csv`	`program_obud_delivery.xlsx`에서 날짜/시간/장소/수업명/정원 후보를 추출한 public 파생표	정원 대비 예약률/운영 분석 후보
ON STUDIO 캘린더 정원/예약현황	`data/raw/onstudio/calendar_capacity/onstudio_calendar_capacity_2026_yeonhui_yoga_week_2026-05-16.txt`	사용자가 ON STUDIO 캘린더 화면에서 직접 복사한 원본. raw는 GitHub 공유 제외	실제 운영 기준 정원/점유율 분석
ON STUDIO 캘린더 public 파생표	`data/processed/analysis/public/onstudio_calendar_capacity_reference.csv`	캘린더 원본에서 수업별 `예약수\|정원`을 추출한 public 파생표	정원 대비 채움률/운영 포화도 분석
네이버 블로그 검색 결과	`data/raw/external_web/naver_blog_mentions_raw.csv`	네이버 검색 API. raw는 GitHub 공유 제외	외부 Viral 후보 수집
네이버 블로그 본문	`data/raw/external_web/naver_blog_bodies_raw.csv`	confirmed 네이버 블로그 공개 페이지. 로그인/비공개 접근 없음. raw는 GitHub 공유 제외	본문 기반 노이즈 검수와 질적 요약
유튜브 검색 결과	`data/raw/external_web/youtube_mentions_raw.csv`	YouTube Data API v3. raw는 GitHub 공유 제외	외부 Viral 후보 수집

3. 실행 스크립트 계보

단계	스크립트	입력	출력	현재 상태
ON STUDIO 전처리	`scripts/preprocess_onstudio.py`	`data/raw/onstudio/`	processed ON STUDIO CSV	완료
예약/취소 비식별	`scripts/deidentify_reservation_cancel.py`	private 예약/취소 CSV	public 비식별 CSV	완료
public DuckDB 생성	`scripts/build_public_duckdb.py`	public CSV	`data/database/yogaweek_public.duckdb`	완료/재실행 가능
Google Vision OCR	`scripts/ocr_obud_reviews_google_vision.py`	리뷰 스크린샷	OCR txt/json, manifest	완료
OCR 통합표	`scripts/build_obud_google_ocr_raw_table.py`	OCR txt	`data/interim/obud_reviews/google_vision_ocr_raw.csv`	완료
리뷰 필드 파싱	`scripts/parse_obud_reviews.py`	OCR raw CSV	`data/processed/obud_reviews/private/obud_reviews_extracted_private.csv`	완료
수업명 매칭	`scripts/match_review_classes.py`	리뷰 파싱표, ON STUDIO 수업명	같은 private 리뷰표에 매칭 컬럼 추가	완료
AI/규칙 검수	`scripts/ai_review_quality_check.py`	수업명 매칭 private 리뷰표	`data/processed/obud_reviews/private/obud_reviews_ai_checked_private.csv`	완료
리뷰 작성자 내부 매칭	`scripts/match_reviewers_private.py`	리뷰 private, 예약 private	`data/processed/obud_reviews/private/review_reviewer_match_private.csv`	완료
분석 테이블/리포트	`scripts/build_analysis_tables.py`	예약/취소/review/가격	public 리뷰, Hype metrics, 리포트	완료
오붓 정산 기준	`scripts/build_obud_settlement_analysis.py`	예약/취소 공개용 CSV, 오붓 정산표 전사값, 2026-05-25 보정 요청	정산 규칙 CSV, 패스 정산률표, 수업/정산주체-월별 참여 기준표, 패스권 회차 추정 요약	완료/최종 금액은 공식 정산서 확인 필요
GIS 좌표화	`scripts/geocode_studio_locations_arcgis.py`	`data/external/studio_locations_public.csv`	좌표가 채워진 장소 테이블, 지오코딩 리포트	완료
GIS 분석	`scripts/build_gis_tables.py`	장소 좌표, Hype metrics	GIS CSV, GeoJSON, HTML 지도, GIS 리포트	완료
GIS 거리 행렬	`scripts/build_gis_distance_matrix.py`	행사 위치 카탈로그	location nodes, distance matrix	완료/재실행 가능
GIS 시간표/동선	`scripts/build_gis_schedule_flows.py`	예약/취소, 거리 행렬, Hype GIS, 수업별 장소 증거	class location evidence, class schedule, transition feasibility	완료/재실행 가능
GIS 심화 리포트	`scripts/build_gis_deep_report.py`	GIS 심화 public tables	심화 리포트, 이동 지도, 시간-공간 큐브	완료/재실행 가능
Google Drive 정원 후보 추출	`scripts/extract_google_drive_program_capacity_reference.py`	`program_obud_delivery.xlsx`	`google_drive_program_capacity_reference.csv`	완료/재실행 가능
ON STUDIO 캘린더 정원 파싱	`scripts/parse_onstudio_calendar_capacity.py`	ON STUDIO 캘린더 raw txt	`onstudio_calendar_capacity_reference.csv`	완료/재실행 가능
정원표 대조	`scripts/compare_capacity_references.py`	Google Drive 정원표, ON STUDIO 캘린더 정원표	`capacity_reference_comparison.csv`, 대조 리포트	완료/재실행 가능
Google Drive 전량 아카이브	`scripts/archive_google_drive_shared_files.py`	`bigblue.yoga@gmail.com` 접근 계정, `rightnow.yogi@gmail.com` 공유 원천, Drive 공유 폴더	raw full archive, 로컬 manifest/report	완료/재실행 가능. raw/manifest는 GitHub 공유 제외
Google Drive 아카이브 분석	`scripts/build_drive_archive_analysis.py`	full archive manifest	Drive 영역 요약, asset type 요약, 분석 기회 matrix	완료/재실행 가능
정원+Hype 결합	`scripts/build_capacity_hype_analysis.py`	ON STUDIO 캘린더 정원표, Hype metrics	수업별/요가원별 정원+Hype metrics, 리포트	완료/재실행 가능
F&B/스폰서 GIS 분석	`scripts/build_fnb_sponsor_gis_analysis.py`	F&B 협업표, Drive manifest, location nodes	F&B public/GIS 표, F&B GeoJSON, 스폰서 asset inventory, 리포트	완료/재실행 가능
Notion 공유 커뮤니케이션 자료 요약	`scripts/archive_notion_shared_pages.py`	사용자가 제공한 공유용 Notion URL 2건	raw/private 원문 보관본, public 페이지 요약, public 테마 요약, 커뮤니케이션 검토 리포트	완료/재실행 가능
네이버 블로그 수집	`scripts/collect_naver_blog_mentions.py`	네이버 검색 API, 확장 검색어	블로그 검색 raw CSV, 수집 리포트	완료/재실행 가능
유튜브 수집	`scripts/collect_youtube_mentions.py`	YouTube Data API v3, core 검색어	유튜브 검색 raw CSV, 수집 리포트	완료/재실행 가능
Viral 검수 큐	`scripts/build_viral_mentions_review_queue.py`	네이버/유튜브 raw CSV	내부 검수 큐 CSV, 리포트	완료/재실행 가능
연희요가위크 언급 필터	`scripts/filter_yeonhui_yoga_week_mentions.py`	Viral 검수 큐	confirmed internal/public 표, 플랫폼/요가원 요약	완료/재실행 가능
네이버 블로그 본문 수집	`scripts/collect_naver_blog_bodies.py`	confirmed 네이버 블로그 링크	공개 본문 raw CSV, 본문 수집 리포트	완료/재실행 가능
네이버 블로그 본문 특징	`scripts/build_naver_blog_body_features.py`	네이버 블로그 본문 raw	내부 본문 특징, public 테마/요가원 요약	완료/재실행 가능
네이버 블로그 본문 심층 특징	`scripts/build_naver_blog_body_deep_features.py`	네이버 블로그 본문 raw, 기본 본문 특징	관련성 신뢰도, 후기 깊이, 감정 강도, 혼합글 위험도, 게시물 유형 요약	완료/재실행 가능
Viral 지표	`scripts/build_viral_metrics.py`	public confirmed Viral 표	별도 Viral metrics, 분석 리포트	완료/재실행 가능

4. 행 수 검증

ON STUDIO 수업: 125건
ON STUDIO 예약: 1611건
ON STUDIO 취소: 1048건
오붓 리뷰 public: 96건
수업별 Hype metrics: 83행
요가원별 Hype metrics: 12행
GIS 위치 seed: 16행
GIS 위치 카탈로그: 13행
GIS 위치 카탈로그 중 수동 확인 필요: 0행
GIS 장소 간 거리 matrix: 169행
GIS 수업별 실제 장소 증거: 83행
GIS 수업 시간표: 261행
GIS public same-day 이동 가능성: 167행
네이버 블로그 검색 raw: 2415행, 고유 링크 1075개
유튜브 검색 raw: 85행, 고유 영상 68개, 고유 채널 32개
Viral 통합 후보 mention: 1143행
연희요가위크 confirmed 외부 언급: 60행
Viral platform metrics: 2행
Viral studio/place metrics: 10행
Viral unmatched public mentions: 17행
confirmed 네이버 블로그 본문 수집: 58행
본문 내 연희요가위크 직접 확인: 56행
본문 기준 노이즈 위험 후보: 2행
네이버 블로그 본문 테마 요약: 6행
네이버 블로그 본문 요가원/장소 요약: 13행
본문 기준 strong/basic confirmed 블로그: 56행
본문 기준 수동 확인 권장 블로그: 5행
본문 기준 high-depth 후기/맥락 글: 30행
본문 기준 positive/very positive 톤 글: 47행
네이버 블로그 본문 게시물 유형 요약: 7행
네이버 블로그 본문 품질 요약: 20행
Google Drive 핵심 로컬 원본 사본: 10개
Google Drive 전량 아카이브 manifest: 490행
Google Drive 전량 아카이브 로컬 원본 사본: 384개
Google Drive 전량 아카이브 2026 이전 제외: 24개
Google Drive 전량 아카이브 실패: 0건
Google Drive 아카이브 영역 요약: 14행
Google Drive 아카이브 asset type 요약: 26행
Google Drive 추가 분석 기회 matrix: 5행
Google Drive 수업 정원 후보표: 248행, 정원 자동 추출 필요 검수 5행
ON STUDIO 캘린더 정원/예약현황표: 263행, 날짜 범위 2026-04-20~2026-05-09
정원표 대조 결과: 일치 132행, 정원 불일치 58행, 낮은 신뢰도 후보 41행, 같은 시각 Google Drive 후보 없음 31행, Drive 정원 누락 1행
정원+Hype 수업별 결합표: 86행
정원+Hype 요가원별 결합표: 12행
F&B 협업 브랜드 public/GIS 후보: 16행
F&B 좌표 확보: 16행
행사 장소 300m 이내 F&B 후보: 14행
스폰서 asset inventory: 15행
Notion 공유 페이지 요약: 2행
Notion 공유 커뮤니케이션 테마 요약: 13행
Notion raw/private 블록 inventory: 180행

5. 비식별 정책

public 예약/취소 표의 이름은 participant_####, 전화번호는 PHONE_MASKED로 대체했다.
public 리뷰 표는 masked_reviewer를 직접 내보내지 않고 reviewer_#### 형태의 내부 public ID만 사용한다.
private 작성자 매칭표에는 실명/전화번호 후보가 포함될 수 있으므로 외부 공유 대상에서 제외한다.
OCR API key는 .secrets/google-api.txt, Gemini API key는 .secrets/gemini-api.txt에 로컬 전용으로 보관하며, .gitignore에서 제외한다.
네이버/유튜브 raw와 interim 검수 큐에는 공개 출처명, 공개 출처 ID, 원문 URL이 남을 수 있으므로 GitHub 공유 대상에서 제외한다.
네이버 블로그 본문 raw는 개인 경험 서술이 포함될 수 있으므로 GitHub 공유 대상에서 제외한다.
네이버 블로그 본문 심층 public feature는 원문 본문과 URL을 제외하고, mention ID와 점수/라벨/요약 feature만 포함한다.
Viral public 표는 출처명, 출처 ID, 프로필 URL, 정확한 원문 URL을 제거하고 external_source_#### 익명 ID만 남긴다.
Google Drive raw 사본에는 쿠폰 코드, 신청자 정보, 운영 세부사항이 포함될 수 있으므로 GitHub 공유 대상에서 제외한다. public 분석에는 민감정보가 제거된 파생표만 사용한다.
Google Drive full archive manifest는 source id와 원본 경로가 있으므로 로컬 기록용으로 두고 GitHub 공유 대상에서 제외한다.
ON STUDIO 캘린더 raw 사본은 운영 화면 복사본이므로 GitHub 공유 대상에서 제외한다. public 파생표에는 실명/전화번호 없이 수업별 정원, 예약수, 채움률만 포함한다.
Notion 공유 문서 원문에는 운영 세부사항과 내부 커뮤니케이션 문구가 포함될 수 있으므로 원문 JSON, 추출 텍스트, 블록별 inventory는 data/raw/notion_shared/에만 보관하고 GitHub 공유 대상에서 제외한다. public 산출물은 페이지 단위 요약과 테마별 집계만 사용한다.

6. AI 검수 상태

검수 모드별 건수:

ai_validation_mode
gemini_vision_structured_output    96

API 상태별 건수:

ai_provider_status
available    96

Gemini 모델별 건수:

ai_model
gemini-3.1-flash-lite    67
gemini-2.5-flash         29

모델이 둘로 나뉜 이유는 검수 중 gemini-2.5-flash 호출에서 쿼터 제한이 발생했기 때문이다. 이미 성공한 29건은 보존했고, 남은 67건은 gemini-3.1-flash-lite로 재시도해 완료했다. 두 모델 모두 같은 Pydantic 스키마로 검증했고, 최종 public 분석표는 96건 전부 Gemini Vision 구조화 검수가 완료된 표를 기준으로 재생성했다.

7. 분석 지표 정의

순예약 수: reservation_count - cancellation_count
취소율: cancellation_count / (reservation_count + cancellation_count)
리뷰 작성률: review_count / reservation_count
예약 Hype: 순예약 수의 percentile 점수
리뷰 Hype: 리뷰 수 percentile과 리뷰 작성률 percentile의 평균
만족 Hype: 평균 전체 별점 / 5 * 100
재방문 Hype: 평균 방문회차 percentile
결제 Hype: 참가자 결제 반응 추정 지표의 percentile
정산 기준 참여 수: ON STUDIO 활성 예약의 people_count를 기준으로 집계한다. 취소 파일은 취소 이력 분석용으로만 보관하고 활성 예약에서 다시 차감하지 않는다. 공개본에는 금액 추정 총액을 두지 않으며, 실제 최종 금액은 공식 정산서 또는 주최 측 확정 자료 기준으로 별도 확인한다.
운영 안정성: (1 - cancellation_rate) * 100

Viral 지표는 Hype와 별도 축으로 둔다.

Hype: 예약/취소/리뷰/만족/재방문/결제 등 행사 내부 참여와 경험 신호
Viral: 네이버 블로그/유튜브 같은 외부 공개 웹 확산 신호
viral_signal_score: 직접 확인된 외부 언급 수, 익명 출처 수, 유튜브 조회수 추정 신호, 플랫폼 다양성을 조합한 설명용 점수
Viral 지표는 기존 Hype 점수에 합산하지 않는다.

8. 재현 명령

python scripts\preprocess_onstudio.py
python scripts\deidentify_reservation_cancel.py
python scripts\ocr_obud_reviews_google_vision.py
python scripts\build_obud_google_ocr_raw_table.py
python scripts\parse_obud_reviews.py
python scripts\match_review_classes.py
python scripts\ai_review_quality_check.py --use-api
python scripts\match_reviewers_private.py
python scripts\build_analysis_tables.py
python scripts\geocode_studio_locations_arcgis.py
python scripts\build_gis_tables.py
python scripts\build_gis_distance_matrix.py
python scripts\build_gis_schedule_flows.py
python scripts\build_gis_deep_report.py
python scripts\collect_naver_blog_mentions.py --queries-file references\naver-blog-viral-queries-expanded.txt
python scripts\collect_youtube_mentions.py --queries-file references\external-web-viral-queries-core.txt
python scripts\build_viral_mentions_review_queue.py
python scripts\filter_yeonhui_yoga_week_mentions.py
python scripts\collect_naver_blog_bodies.py
python scripts\build_naver_blog_body_features.py
python scripts\build_naver_blog_body_deep_features.py
python scripts\build_viral_metrics.py
python scripts\extract_google_drive_program_capacity_reference.py
python scripts\parse_onstudio_calendar_capacity.py
python scripts\compare_capacity_references.py
python scripts\build_drive_archive_analysis.py
python scripts\build_capacity_hype_analysis.py
python scripts\build_fnb_sponsor_gis_analysis.py
python scripts\archive_notion_shared_pages.py
python scripts\build_public_duckdb.py

9. GIS 방법론 참고 자료

GIS 1차 분석은 ON STUDIO 수업 설명 주소 -> ArcGIS 지오코딩 -> 좌표/Hype 결합 -> Folium 지도/GeoJSON 순서로 만들었다.
상세 참고 자료와 후속 분석 후보는 docs/gis-method-references.md에 기록했다.
GIS 심화 분석은 장소 노드 -> OSMnx 보행 거리 matrix -> 수업 시간표 -> same-day 이동 가능성 -> 이동 지도/시간-공간 큐브 순서로 만들었다.
개인별 itinerary와 transition은 private 산출물로만 보관하고, public 리포트에는 장소/수업 쌍 단위 집계만 사용한다.