올해엔 꼭 살빼야지! 매년하는 새해 기념 다이어트 다짐, 과연 나만 하는 걸까?

주제 선정 배경

새해가 다가오면 늘 하는 생각이 있다. "내년에는 꼭 살빼야지." 올해 역시 마찬가지 였다. 작년 12월에 나는 "내년에는 술 좀 적당히 마시고, 살 빼야지." 라고 다짐했었다. 물론 새해 다짐을 한 지 7개월이 지난 지금 5키로가 더쪘고, 술도 늘면 늘었지 줄지는 않았다... 이제는 뭐 새해 다짐은 그냥 하나의 연례행사일 뿐이다.

 

근데 나는 다른 사람들도 나처럼 새해에 다이어트를 다짐하는지 문득 궁금해졌다.
한번 확인해 보자.

---

활용 데이터

• 네이버 트렌드 API
  • 사람들이 다이어트에 관심을 가지기 시작하면 다이어트 관련 검색량이 늘어날 것이라고 생각했다.
  • 다이어트와 관련된 검색량이 어떻게 변화하는 지 확인하기 위해 수집했다.

---

분석 과정 및 결론

1. 데이터 수집

검색량을 확인할 다이어트 관련 단어를 설정했다. "다이어트", "헬스", "식단" 이 3가지 단어의 검색량이 연말과 연초 사이에 어떻게 변화하는 지 확인하는 방식으로 사람들도 나처럼 새해에 다이어트를 다짐하는지 확인해 보려고 한다.

 

먼저 2024년 12월부터 2025년 3월까지의 데이터로 확인해 보자. 수집한 데이터는 다음과 같은 데이터프레임으로 저장했다.

 

네이버 트렌드는 특정 단어의 검색량이 가장 많은 날을 100으로 잡는다. 그리고 그 값을 기준으로 상대적인 검색량을 보여준다. 예를들어 3월 1주차에 다이어트 검색량이 가장 많았다면 그 값을 100으로 잡는다. 그 후 2월 2주차에 다이어트 검색량이 3월 1주차에 절반정도 됐다면 그 값은 50이 된다. 또한 네이버 트렌드 데이터는 단어간의 절대적인 검색량 비교는 할 수 없다. 예를들어 첫번째 행을 봤을 때 다이어트가 헬스보다 값이 크다고 해서 다이어트가 헬스보다 검색량이 많은 것은 아니다.

 

2. 시각화

 

수집한 데이터를 시각화 해봤다. X축은 날짜, Y축은 단어별 검색량 추이를 나타낸다. 그래프를 보면 새해(신년)를 기준으로 다이어트, 헬스, 식단 관련 검색량이 급증하는 것을 확인할 수 있다. 나만 새해에 다이어트를 다짐하는 것이 아니었다!

 

3. 일반화

혹시 모르니 다른 년도도 확인해 보기로 했다. 아래는 같은 방식으로 2022년 ~ 2024년도까지 분석한 결과다.

 

 

2025년과 똑같이 다른 년도에서도 연초에 다이어트 관련 검색어가 급증하는 것을 확인할 수 있다. 이로써 나뿐만 아니라 다른 사람들도 새해에 다이어트를 다짐한다는 주장에 신뢰도를 더할 수 있게 됐다.

 

새해에 다이어트를 다짐하는 것은 나뿐만이 아니었다.
많은 사람들이 새해에 다이어트를 다짐하고 있었다.

 

---

쿠키

시각화한 그래프에서 이상한 점 하나를 찾을 수 있었다. 1월 1일 말고도 다이어트 관련 검색량이 급증하는 구간이 있다. 아래 그림을 보면 확실하게 볼 수 있을 것이다.

 

나는 이 그림을 보고 과거의 내 모습이 생각났다. "음력 1월 1일도 새해아니야? 그때부터 진짜 시작하자!" 라고 외치던 나의 모습이... 그렇다. 양력 1월 1일에도 나는 다이어트를 다짐하지만, 연초에 약속이 많다보니 늘 그 새해다짐이 흐지부지가 됐었다. 그리고 음력 1월 1일 즉, 설날에 다이어트를 다시 다짐하곤 했었다. 그래서 연도별로 설날 날짜를 구해서 그래프에 빨간색 선으로 추가해 보았다.

 

 

역시나 음력 1월 1일 즉, 설날에 다이어트 관련 검색량이 다시 급증하고 있었던 것이었다. 이 결과 보고 한참을 웃었다. 역시 사람들 생각하는게 다 똑같구나... 나만 신년에 새해다짐 한거 한달만에 실패해서 설날에 새해 다짐을 다시하는게 아니었구나...

---

마무리

헬스장이 할인행사를 신년에도 하고 설날에도 하는거 보면 너무 간격이 짧은거 아닐까 하고 생각한 적이 있는데 그럴만한 이유가 있었다. 사람들이 신년에도 다짐하고, 설날에도 또 다시 다짐하기 때문에 최대한 고객을 많이 끌어모으려고 연달아 할인행사를 진행하는 것 같다.

 

또한 이 시기에는 식단을 검색하는 사람들도 늘어나기 때문에 닭가슴살 같은 다이어트 식단을 판매하는 회사는 새해나 신년에 마케팅을 집중하는 것이 좋아보인다. 또 같은 분석 방식으로 12월 부터 3월까지가 아니라 1년간의 검색량을 분석해서 검색량이 늘어나는 시기에 마케팅을 집중하는 방식을 고려해봐도 좋을 것 같다. 이 아이디어는 다이어트나 식단 뿐만 아니라 모든 상품에 적용가능할 것 같다. 예를들어 내가 타투스티커를 판매하고 있다면 타투스티커 검색량이 늘어나는 시기를 파악해서 그 시기에 마케팅을 집중시키는 것이다.

---

최종코드

# 공휴일 구하기

!pip install holidays
import holidays

# 한글패치

!pip install koreanize_matplotlib
import koreanize_matplotlib

# 라이브러리

import pandas as pd
import numpy as np

import requests
import json

import matplotlib.pyplot as plt

# 네이버 트렌드 API

client_id = "클라이언트 ID 입력"
client_secret = "API KEY 입력"
url = "https://openapi.naver.com/v1/datalab/search"

headers = {
    "X-Naver-Client-Id": client_id,
    "X-Naver-Client-Secret": client_secret,
    "Content-Type": "application/json"
}

# 데이터 수집

# 키워드 그룹 정의
keyword_groups = {
    "다이어트": ["다이어트"],
    "헬스": ["헬스"],
    "식단": ["식단"]
}

# 기간 설정
start_date = "2024-12-01"
end_date = "2025-03-31"

# 결과 저장용 딕셔너리
result_dict = {"date": []}

# 각 키워드 그룹별 요청
for group_name, keywords in keyword_groups.items():
    body = {
        "startDate": start_date,
        "endDate": end_date,
        "timeUnit": "week",
        "keywordGroups": [
            {"groupName": group_name, "keywords": keywords}
        ]
    }

    response = requests.post(url, headers=headers, json=body)
    data = response.json()

    # 확인 및 저장
    group_data = data['results'][0]['data']
    
    # 날짜 채우기 (처음 한 번만)
    if not result_dict["date"]:
        result_dict["date"] = [entry["period"] for entry in group_data]
    
    # 해당 키워드의 주간 검색량 저장
    result_dict[group_name] = [entry["ratio"] for entry in group_data]
    
# 결과 DataFrame 생성
df = pd.DataFrame(result_dict)

# 시각화

# date 열을 datetime 타입으로 변환
df['date'] = pd.to_datetime(df['date'])

plt.figure(figsize=(14, 7))

# 키워드별 라인 그리기
for keyword in ['다이어트', '헬스', '식단']:
    plt.plot(df['date'], df[keyword], label=keyword, linewidth=2)

# 눈금 간격 설정
xticks = df['date'][::2]
plt.xticks(rotation=45)


plt.title('2024년 12월 ~ 2025년 3월 주간 검색량 트렌드', fontsize=16)
plt.xlabel('날짜', fontsize=12)
plt.ylabel('검색량', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.5)
plt.legend()
plt.tight_layout()
plt.show()