SportsViblee Sports Industry × Vibe Coding
대학생의 스포츠산업 x 바이브코딩 실험

야구장 광고,어디가 진짜 좋은 자리인가

SSG 랜더스필드 광고구좌를 관중석의 시야로 다시 바라본 현장 노출가치 분석

이 글은 야구장 광고의 ‘전체 가격’을 평가하려는 글이 아니다. 중계 노출이 큰 비중을 차지하는 현실을 인정한 뒤, 공개자료로 확인할 수 있는 범위 안에서 현장 관중에게 얼마나 잘 보이는가만 따로 떼어 본 분석이다.

1. 왜 이걸 해봤나

야구장에 가면 생각보다 많은 광고를 보게 된다. 외야 펜스, 포수 뒤, 관중석 난간, 1루와 3루 쪽 벽면까지 경기장 안에는 브랜드 이름이 계속 눈에 들어온다. 야구를 보러 갔지만 세 시간 가까이 같은 공간에 머무는 동안 광고도 함께 보게 되는 셈이다.

나도 처음에는 야구장 광고를 그냥 ‘사람이 많이 모이는 곳에 붙어 있는 광고’ 정도로 생각했다. 그런데 스포츠마케팅 대행사에서 일하면서 실제 광고매체 제안서와 구좌를 공부하다 보니 궁금한 점이 생겼다. 광고마다 위치도 다르고 가격도 다른데, 광고주에게는 그 차이를 어떤 근거로 설명할 수 있을까.

“이 광고는 왜 이 가격이고, 왜 이 자리가 좋은 자리라고 말할 수 있을까?”
🏟️광고 위치구장 안에서 어느 자리에 붙어 있는지
👀관중 시야좌석에서 광고가 어느 방향으로 보이는지
📐시야각정면에 가까울수록 더 높게 반영
💻바이브코딩조건을 바꾸며 결과를 바로 다시 계산

물론 야구장 광고의 가치는 현장 관중에게 잘 보이는지만으로 결정되지 않는다. 오히려 프로야구에서는 TV 중계, 온라인 하이라이트, 포털 영상처럼 경기장 밖에서 생기는 노출의 가치가 훨씬 크게 작용할 수도 있다. 실제 공개 매체 제안서도 인천야구장 외야펜스를 ‘현장 및 TV 중계를 통한 지속 노출’이 가능한 매체로 설명한다.

공개 제안서에서 확인한 사실

인천야구장 외야펜스는 현장 노출과 TV 중계 노출을 함께 가진 매체로 소개돼 있다. 그래서 이번 분석은 “광고의 전체 가치”가 아니라, 그중 공개자료로 따로 계산해볼 수 있는 현장 관중 시야만 분리해 보는 데 초점을 맞췄다.

그런데 대학생인 내가 중계 화면의 실제 노출시간, 카메라 앵글별 등장 횟수, 시청률, 하이라이트 재노출까지 모두 구하는 데에는 현실적인 한계가 있었다. 대신 공개된 제안서와 경기장 광고구좌·관중석 배치도는 확인할 수 있었다. 그래서 범위를 조금 좁혔다.

광고의 전체 가치를 계산하는 대신, “현장에 있는 관중에게 어느 위치의 광고가 더 유리하게 보이는가”를 먼저 숫자로 만들어보기로 했다.

2. 공개자료로 어디까지 볼 수 있을까

이번 분석의 출발점은 거창한 데이터셋이 아니었다. 공개된 매체 제안서에서 광고의 위치와 규격을 확인하고, 경기장 배치도에서 관중석과 광고구좌의 상대적인 위치를 잡았다. 여기에 만원 관중 23,000명을 좌석 구역별 대표점으로 나눠 배치했다.

🏟️23,000명만원 관중을 가정한 분석 기준
🧱19구좌비교한 고정형 광고 구좌
👥14개 구역관중석을 대표 위치로 묶어 단순화
👀0°~90°정면에서 멀어질수록 점수를 낮게 반영

분석 범위

항목내용
분석 대상외야펜스 L4~L10(7구좌) + R1~R10(10구좌) + 1·3루 내야펜스(2구좌) = 총 19구좌
관중 조건SSG 공식 수용규모 23,000석 만원 관중 고정
매체 조건외야펜스는 17구좌 동일 규격, 내야펜스는 1·3루 동일 규격으로 처리
핵심 지표정면에 가까운 관중 수 · 시야를 반영한 노출인원 · 현장 노출점수
제외 항목판매단가, 중계 노출, 스폰서 패키지 가치, 실제 응시 여부

📸 공개된 현장 사진으로 먼저 위치감을 확인했다

제안서 이미지는 분석값을 확인하는 자료로만 두고, 칼럼에서는 실제 경기장 분위기가 보이도록 공개 웹 기사 사진을 사용했다. 아래 사진처럼 외야 펜스와 전광판 주변에는 여러 광고가 동시에 노출된다.

※ 사진은 공개 웹 기사 화면의 현장 사진을 연결해 사용했다. 사진 속 모든 광고매체가 이번 19개 구좌 분석 대상인 것은 아니다.

여기서 중요한 건 ‘광고 가격’을 맞히는 분석이 아니라는 점이다. 가격에는 중계 노출, 계약기간, 스폰서십 권리, 영업 조건 같은 요소가 함께 들어간다. 그래서 이번 결과는 가격표를 평가하는 답안이 아니라, 그 가격에 섞여 있는 여러 요소 중 현장 노출을 따로 보게 해주는 비교 기준에 가깝다.

확정된 값과 내가 정한 가정은 나눠서 봤다

요소적용값성격
총 관중23,000명공식자료
구장 치수파울 95m / 중앙 120m공식자료
광고 규격 조건외야 17구좌 동일 / 내야 2구좌 동일매체 자료
외야 구좌 범위L4~L10 / R1~R10확정 입력값
관중석 구역14개 대표 위치분석 가정
좌석별 관중비중좌우 대칭, 합계 100%분석 가정
기본 시선 방향투수판 방향(18.44m)분석 가정
시야 점수 기준정면 0°=1점 / 45°=0.5점 / 90°=0점분석 가정
거리도 함께 확인했지만, 현재 버전의 최종 점수에는 시야각만 반영했다.
처음에는 거리·면적·높이까지 한 점수에 넣는 방안을 생각했다. 하지만 공개자료만으로 각 요소의 가중치를 정하면 또 다른 임의성이 커질 수 있어, 이번 버전에서는 거리값을 진단용으로 남기고 최종 순위는 시야각 중심으로 계산했다. 거리까지 포함한 모델은 다음 고도화 단계로 남겼다.

3. 계산과정 — 한 좌석 구역에서 광고 1개를 어떻게 점수화했나

앞에서 정한 14개 관중석 구역, 투수판 기준, 0°~90° 시야점수, 광고당 9개 지점은 따로 떨어진 규칙이 아니다. 실제 계산에서는 아래 순서로 한 줄로 연결된다. 처음 보는 사람도 이 흐름만 보면 결과가 어떻게 나온 숫자인지 알 수 있도록 정리했다.

🧮
한눈에 보는 전체 계산

광고 하나를 평가할 때, 14개 관중석 구역에서 아래 5단계를 반복한 뒤 마지막에 전부 더했다.

STEP 01👥관중석 대표점 선택

14개 구역 중 하나의 대표 좌표와 그 구역의 관중 수를 가져온다.

예: S = (x, y), 관중 N명
STEP 02🎯‘정면’ 방향 만들기

그 좌석에서 투수판을 향하는 선을 하나 그린다. 이것이 모든 광고를 비교하는 기준선이다.

투수판 P = (0, 18.44)
STEP 03📏광고를 9개 점으로 나누기

광고의 왼쪽 끝부터 오른쪽 끝까지 9개 점을 균등하게 잡는다.

끝점 2 + 중앙 1 + 사이점 6
STEP 04📐9개 각도를 각각 점수화

정면선과 각 광고점 사이의 각도를 구하고, 0°에 가까울수록 높은 점수를 준다.

각 점의 점수 → 9개 평균
STEP 05🧍관중 수에 곱해 합산

그 구역의 관중 수 × 광고의 평균 시야점수. 같은 계산을 14개 구역에 반복해 모두 더한다.

14개 구역 합 = 최종 노출인원
결국 계산은 “관중 수 × 그 자리에서 광고가 얼마나 정면에 가깝게 보이는가”다. 다만 긴 광고를 한 점으로 보지 않기 위해, 광고 안에서 9번 각도를 재고 그 평균을 사용했다.

① 투수판 방향은 이렇게 만들었다

홈플레이트를 좌표의 시작점 (0,0)으로 두고, 중앙 외야 방향을 +Y로 잡았다. 투수판은 홈플레이트에서 중앙선 방향으로 18.44m 떨어져 있으므로 모델에서는 P=(0,18.44)로 둔다. 관중석 대표점 S에서 P까지 선을 그으면 그 좌석의 ‘기본 정면’이 된다.

관중석 대표점 S 투수판 P(0, 18.44) 기본 정면선 광고의 한 점 θ θ = 정면선과 광고 방향 사이의 각도
컴퓨터가 하는 일
관중석 S에서 투수판 P로 향하는 방향과, S에서 광고점 A로 향하는 방향을 각각 만든 뒤 두 선 사이의 각도 θ를 계산한다. θ가 작을수록 정면에 가까운 광고다.

※ “모든 관중이 계속 투수판만 본다”는 뜻이 아니다. 실제 시선을 알 수 없으므로 모든 좌석을 같은 조건에서 비교하기 위해 둔 기준선이다.

② 광고를 왜 9개 점으로 나눴나

광고판은 가로로 긴 ‘면’인데 가운데 점 하나만 쓰면, 같은 광고의 왼쪽 끝과 오른쪽 끝이 관중에게 서로 다른 각도로 보이는 차이가 사라진다. 그래서 광고의 가로폭을 8등분해 9개 지점을 만들었다.

관중석 S 광고판 가로폭 중앙점 각 점마다 θ₁, θ₂ … θ₉ 계산 각도 → 시야점수로 변환 9개 시야점수의 평균 = 이 구역에서 광고의 점수
중요: 9개의 각도를 먼저 평균내는 것이 아니라, 각 지점의 각도를 각각 시야점수로 바꾼 뒤 9개 점수를 평균낸다.
wᵢ = max(0, 1 − θᵢ/90) ↓ 평균 w = (w₁+…+w₉)/9

※ 9는 과학적으로 정해진 최적값이 아니라 중앙점과 양 끝, 좌우 대칭 지점을 함께 보면서 계산을 단순하게 유지하기 위한 샘플 수다.

숫자로 보면 더 간단하다 — 가상의 예시

어떤 관중석 구역에 1,000명이 있고, 그 자리에서 광고 9개 지점의 시야점수를 평균했더니 0.72가 나왔다고 해보자. 그러면 이 구역이 해당 광고에 기여하는 값은 1,000명 × 0.72 = 720명 상당이다. 이 계산을 14개 구역에서 반복해 모두 더한 값이 ‘시야 반영 노출인원’이다. 이 예시는 계산 구조를 설명하기 위한 가상 숫자이며 실제 구좌 결과값은 아니다.

14개 구역 각각의 관중 수×광고 9점 평균 시야점수→구역별 시야 반영 인원Σ광고 1구좌 최종값
👀한 문장으로 정리하면: 관중 수에 단순히 ‘시야각 하나’를 곱한 것이 아니라, 관중석마다 투수판을 향한 기준선을 만들고 → 광고판을 9개 점으로 나눠 9개의 각도를 계산하고 → 각 각도를 점수로 바꿔 평균낸 뒤 → 그 평균점수를 관중 수에 곱했다.
💡
여기서 14개 구역·투수판·9개 점은 ‘실측값’이 아니라 분석을 가능하게 만든 모델링 기준이다.

따라서 결과는 실제 몇 명이 광고를 봤다는 측정치가 아니라, 같은 조건에서 19개 구좌의 현장 노출기회를 상대 비교한 값으로 읽어야 한다.

① 왜 23,000석을 14개 구역으로 줄였나

처음에는 “23,000개 좌석을 전부 계산하면 너무 복잡하지 않을까?”라고 생각했다. 그런데 파이썬의 계산량 자체는 결정적인 문제가 아니었다. 좌석 23,000개 × 광고 19구좌 × 광고당 9지점을 단순 조합해도 약 393만 개의 좌석-광고지점 조합이고, 이 정도는 일반적인 파이썬 계산으로 충분히 다룰 수 있다.

더 큰 문제는 정확한 23,000개 좌석의 좌표와 좌석별 실제 점유 데이터가 공개되어 있지 않다는 점이었다. 좌석별 위치가 정확하지 않은 상태에서 23,000개를 억지로 만들어 계산하면 숫자만 세밀해 보일 뿐, 실제 정확도가 높아지는 것은 아니다. 그래서 현재 자료의 수준에 맞춰 관중석을 대표 구역으로 묶는 쪽을 택했다.

왜 하필 14개였나?
2 백스톱
하단·상단
+ 6 1·3루 내야
하단·중단·상단 × 2
+ 2 코너
1루·3루
+ 4 외야
좌·우·좌중간·우중간
= 14개 대표 구역

좌석을 임의로 14등분한 것이 아니라, 경기장을 바라보는 방향이 크게 달라지는 좌석군을 남긴 결과다.

정리14개 구역은 계산을 못 해서 줄인 숫자가 아니다. 현재 확보한 자료가 ‘구역 단위 배치도’ 수준이기 때문에, 그보다 더 세밀하게 계산해서 생길 수 있는 가짜 정밀도를 피하려는 선택에 가깝다. 좌우 관중 비중은 광고 위치 자체의 차이를 보기 위해 대칭으로 두었다.
관중석 구역XY관중
백스톱 하단0−201,840
백스톱 상단0−351,610
1루 내야 하단30152,530
3루 내야 하단−30152,530
1루 내야 중단45282,300
3루 내야 중단−45282,300
1루 내야 상단58381,840
관중석 구역XY관중
3루 내야 상단−58381,840
1루 코너78621,380
3루 코너−78621,380
우측 외야75102920
좌측 외야−75102920
우중간 외야40125805
좌중간 외야−40125805

※ X·Y는 실제 설계도 좌표가 아니라 상대적 위치를 계산하기 위해 만든 근사 좌표다. 이 모델의 목적은 좌석 배치도를 그대로 복제하는 것이 아니라, 좌석 방향에 따른 광고 시야각 차이를 비교하는 것이다.

② 왜 관중의 기본 시선을 ‘투수판 방향’으로 잡았나

실제 야구 관람 중 시선은 계속 움직인다. 타구를 따라 외야를 볼 수도 있고, 주자를 보거나 전광판을 확인할 수도 있다. 그렇다고 사람마다 매 순간 다른 시선을 넣으면 비교 기준 자체가 사라진다. 그래서 모든 좌석에 공통으로 적용할 수 있는 한 개의 출발 방향이 필요했다.

기준 선택투구가 시작될 때 경기의 중심이 되는 투수-타자 축을 가장 단순한 기본 정면으로 잡았다. “관중이 항상 투수만 본다”는 뜻이 아니라, 서로 다른 광고를 같은 조건에서 비교하기 위한 기준선이다. 실제 시선추적 데이터가 생긴다면 가장 먼저 교체해야 할 가정이기도 하다.

③ 왜 0°·45°·90°로 점수를 정했나

다음 문제는 “정면에서 얼마나 벗어나면 광고의 가치가 줄었다고 볼 것인가”였다. 시각 연구에서는 중심시야에서 주변부로 갈수록 세부 형태나 패턴을 구분하는 능력이 떨어진다는 점이 알려져 있다. 다만 내가 사용한 0°·45°·90°가 실제 광고 인지확률을 측정한 값은 아니다. 이 연구 흐름을 참고하되, 구좌 간 비교를 위해 단순한 기준을 만든 것이다.

0° = 1.0광고가 정면에 가까움
가장 크게 반영
45° = 0.5정면과 옆의 중간
절반 수준으로 반영
90° = 0완전히 옆에 가까움
이번 모델에서는 0점
중요45°와 90°는 실측된 ‘정답’이 아니다. 0°에서 90°까지 점수를 직선으로 낮춘 것은 상대 비교용 휴리스틱이다. 대신 44°와 46°처럼 거의 비슷한 위치가 갑자기 다른 등급을 받지 않도록, 구간을 끊지 않고 연속적으로 점수가 내려가게 만들었다.
w(θ) = max(0, 1 − θ / 90)

쉽게 말하면 정면 0°에서 1점으로 시작해 옆으로 갈수록 조금씩 깎고, 90°가 되면 0점이 된다.

④ 왜 광고판을 한 점이 아니라 9개 점으로 나눴나

광고판은 좌표 하나가 아니라 가로로 길게 이어지는 면이다. 관중 입장에서는 같은 광고 안에서도 왼쪽 끝, 가운데, 오른쪽 끝이 서로 다른 각도로 보인다. 특히 내야 쪽에서 긴 펜스를 바라볼 때 이 차이가 커질 수 있다. 그래서 광고 중앙점 하나만 쓰지 않고 가로폭을 일정 간격으로 나눠 각 지점의 시야각을 계산한 뒤 평균냈다.

양 끝 + 정중앙 + 좌우 대칭 지점홀수인 9개를 쓰면 정중앙을 정확히 포함하면서 양쪽을 같은 간격으로 비교할 수 있다.
왜 9개?9라는 숫자 자체가 과학적으로 정해진 최적값은 아니다. 중앙점 1개와 좌우 네 쌍을 대칭으로 두면서, 양 끝의 차이까지 확인하기에 충분히 단순한 샘플 수로 선택했다. 더 탄탄하게 만들려면 5점·9점·17점으로 다시 계산해 순위가 거의 같은지 확인하는 ‘민감도 검증’을 추가하는 것이 좋다.

⑤ 그래서 최종적으로 무엇을 비교했나

각 관중석 구역의 관중 수에 그 구역에서 바라본 광고의 시야점수를 곱하고, 이를 모두 더했다. 예를 들어 1,000명이 있는 구역에서 어떤 광고가 거의 정면이라 0.9점을 받으면 900명 상당으로, 옆쪽이라 0.2점을 받으면 200명 상당으로 계산하는 방식이다.

지표쉽게 말하면
정면에 가까운 관중광고가 정면에서 45° 안쪽에 들어오는 관중 수
옆쪽 시야의 관중광고가 45°~90° 사이에 들어오는 관중 수
시야 반영 노출인원정면에 가까울수록 더 크게 인정해 다시 계산한 관중 수
시야 반영 노출률시야 반영 노출인원이 전체 23,000명에서 차지하는 비율
현장 노출점수가장 높은 구좌를 100점으로 놓고 나머지를 상대 비교한 점수
결국 이번 모델은 “몇 명에게 걸리는가”와 “그 사람의 정면에 얼마나 가깝게 걸리는가”를 동시에 보려는 시도다.
정면에서 멀어질수록 점수가 낮아지는 쉬운 시야 점수 그래프
그림 1. 시야 점수 기준 — 정면에 있을수록 1점에 가깝고, 옆으로 갈수록 점수를 낮췄다.
광고 위치와 관중석 구역을 간단하게 표시한 경기장 배치 그림
그림 2. 광고 위치와 관중석 구역 — 원이 클수록 그 구역의 관중이 많고, 펜스 색이 진할수록 현장 노출점수가 높다.

4. 이 계산을 가능하게 한 건 ‘바이브코딩’이었다

나는 전문 개발자가 아니다. 그래서 처음부터 복잡한 프로그램을 직접 짜는 방식보다는, 내가 원하는 조건을 자연어로 설명하고 AI가 만든 파이썬 코드를 실행해본 뒤 결과를 보며 다시 조건을 수정하는 방식으로 작업했다.

“45° 경계에서 값이 갑자기 끊기는 게 이상하다.”
계단식 점수 대신 각도에 따라 조금씩 줄어드는 방식로 수정했다.
“외야 구좌 범위가 실제 배치와 다르다.”
구좌 범위를 다시 입력하고 전체 순위를 재계산했다.
“긴 광고판을 중심점 하나로 계산하면 왜곡될 것 같다.”
광고판을 9점으로 나눠 평균 시야각을 계산했다.

이 과정에서 바이브코딩의 장점이 분명하게 느껴졌다. 조건 하나를 바꿀 때마다 19개 구좌를 다시 손으로 계산할 필요가 없었다. 코드를 수정하고 실행하면 표와 그래프가 바로 다시 나왔다. 내가 스포츠마케팅에서 느꼈던 질문을 데이터 분석의 형태로 빠르게 시험해볼 수 있었다.

다만 코드가 빨리 나온다고 가정까지 맞는 것은 아니다.
14개 구역의 관중 배분, 투수판을 바라본다는 가정, 0°·45°·90°의 기준은 모두 내가 정한 조건이다. 그래서 결과값보다 더 중요한 건 어떤 전제로 계산했는지를 공개하는 일이라고 생각했다.

5. 결과: 가장 많은 사람에게 보이는 광고가 1등은 아니었다

📊결과를 볼 때 기억할 점: “많은 사람에게 들어오는 광고”와 “정면에 가깝게 잘 보이는 광고”는 같은 뜻이 아니었다.

19개 구좌를 비교했을 때 가장 높은 점수는 1루·3루 내야펜스였다. 정면에서 얼마나 벗어나 있는지를 반영해 다시 계산한 관중 수는 12,506명, 전체 관중 대비 비율은 54.4%였다. 가장 잘 보이는 광고를 100점으로 놓았을 때 내야펜스가 100점, 외야에서는 R1이 가장 높았다.

전체 19개 광고의 현장 노출점수 순위
그림 3. 전체 19개 광고의 현장 노출점수 — 가장 잘 보이는 광고를 100점으로 놓고 비교했다.

전체 19개 구좌 계산 결과

순위광고구좌정면에 가까운 관중 (0~45°)옆쪽 시야 관중 (45~90°)90° 안 관중시야 포함률(%)시야 반영 노출인원시야 반영 노출률(%)평균 광고 각도(°)현장 노출점수
13루 내야펜스16,3301,84018,17079.012,50654.445.9100.0
21루 내야펜스16,3301,84018,17079.012,50654.445.9100.0
3외야펜스 R114,1452,18516,33071.09,84942.860.378.8
4외야펜스 R213,3402,99016,33071.09,59841.759.576.7
5외야펜스 R314,1452,18516,33071.09,34940.658.874.8
6외야펜스 R410,0056,32516,33071.08,91438.859.071.3
7외야펜스 L410,0056,32516,33071.08,91438.859.071.3
8외야펜스 L57,7058,62516,33071.08,55937.258.968.4
9외야펜스 R57,7058,62516,33071.08,55937.258.968.4
10외야펜스 R64,25514,60518,86082.08,34536.358.566.7
11외야펜스 L64,25514,60518,86082.08,34536.358.566.7
12외야펜스 L74,25516,44520,70090.08,28336.057.966.2
13외야펜스 R74,25516,44520,70090.08,28336.057.966.2
14외야펜스 R84,25518,74523,000100.08,02334.958.664.2
15외야펜스 L84,25518,74523,000100.08,02334.958.664.2
16외야펜스 R93,45019,55023,000100.07,90734.459.163.2
17외야펜스 L93,45019,55023,000100.07,90734.459.163.2
18외야펜스 L103,45019,55023,000100.07,88334.359.263.0
19외야펜스 R103,45019,55023,000100.07,88334.359.263.0

외야만 보면 파울라인에 가까운 R1~R3의 지수가 높았고, 중앙 쪽으로 갈수록 값이 낮아지는 흐름이 나타났다.

외야펜스 광고의 현장 노출점수 비교
그림 4. 외야펜스 광고의 현장 노출점수 — R1~R3가 높고 중앙부로 갈수록 완만하게 낮아진다.

모두의 시야에 들어오는데 왜 점수는 더 낮을까

개인적으로 가장 흥미로웠던 부분은 여기였다. R8·R9·R10과 L8·L9·L10은 만원 관중 23,000명 모두의 90° 안 시야에 들어온다. 하지만 대부분이 정면이 아니라 옆쪽 시야에 걸리기 때문에, 정면 정도까지 반영한 노출률은 34%대에 머물렀다.

정면에 가까운 관중과 옆쪽 관중, 시야 반영 노출률을 비교한 그래프
그림 5. “시야에 들어오는 사람 수”와 “얼마나 정면에 가깝게 보이는지”는 다르다. 모두의 시야에 들어와도 시야 반영 비율은 낮을 수 있다.
광고구좌정면에 가까운 관중옆쪽 시야 관중90° 안 관중시야 반영 노출인원시야 반영 비율현장 노출점수
1루 내야펜스16,3301,84018,17012,50654.4%100.0
외야펜스 R114,1452,18516,3309,84942.8%78.8
외야펜스 R84,25518,74523,0008,02334.9%64.2
외야펜스 R103,45019,55023,0007,88334.3%63.0

내야펜스는 90° 안에서 볼 수 있는 사람이 18,170명으로 중앙 외야보다 적다. 대신 그중 16,330명은 광고가 정면에서 45° 안쪽에 들어온다. 반대로 R8은 23,000명 모두의 시야에는 들어오지만, 18,745명에게는 45°~90° 사이의 옆쪽 시야로 보인다.

많은 사람의 시야에 들어오는 것과, 정면에 가깝게 잘 보이는 것은 같은 말이 아니었다.

이 결과가 “중앙 펜스가 잘 안 보인다”는 뜻은 아니다. 중앙부 광고는 더 많은 관중의 시야에 들어온다. 다만 이번 모델은 광고가 정면에서 멀어질수록 점수를 낮췄기 때문에, “많은 사람의 시야에 들어오는 것”과 “정면에 가깝게 보이는 것”을 따로 본 것이다.

6. 그래서 이 분석이 스포츠마케팅에서 무슨 의미가 있을까

① “좋은 자리”라는 말을 조금 더 구체적으로 바꿀 수 있다

대행사에서 매체를 공부하면서 느꼈던 건, 결국 광고주에게는 “왜 좋은 자리인지”를 설명할 근거가 필요하다는 점이었다. “여기가 좋은 자리입니다”라고 말하는 것보다 “이 자리에서는 광고가 정면에 가깝게 보이는 관중이 많습니다”라고 설명하는 편이 훨씬 이해하기 쉽다.

② 광고의 목적에 따라 좋은 자리의 기준도 달라질 수 있다

브랜드 이름을 최대한 많은 사람의 시야에 넣는 것이 목적이라면 중앙부처럼 넓게 보이는 자리가 유리할 수 있다. 반대로 로고나 짧은 문구를 비교적 정면으로 보여주는 것이 중요하다면 내야펜스나 R1~R3처럼 정면에 가깝게 보이는 관중이 많은 자리가 더 맞을 수 있다. 결국 “무조건 1등인 자리”보다 광고 목적에 맞는 자리가 더 중요하다고 볼 수 있다.

패키지구성시야 반영 인원 합적합 목적
식별 우선형1·3루 내야펜스 2구좌25,012로고·브랜드명을 비교적 정면으로 보여주기
혼합형내야펜스 1 + R1~R341,302정면 노출과 넓은 시야 범위를 함께 노리기
도달 우선형R8~R10 + L8~L1047,626많은 관중의 시야에 반복해서 들어가기

※ 패키지의 “시야 반영 인원 합”은 각 광고의 값을 단순히 더한 참고치다. 같은 관중이 여러 광고를 보는 중복은 제거하지 않았다.

③ 가격을 반박하는 자료가 아니라, 가격을 나눠 생각하게 하는 자료

현장 노출점수와 판매단가가 다르다고 해서 “광고 가격이 잘못됐다”고 볼 수는 없다. 실제 가격에는 TV 중계 노출, 스폰서십 권리, 계약 조건 같은 다른 가치가 크게 들어가기 때문이다. 이번 분석은 전체 광고가치 중에서 “현장에서 관중에게 얼마나 유리하게 보이는가”만 따로 떼어 비교해본 것이다.

④ 나에게는 ‘코딩 능력’보다 ‘질문을 만드는 능력’이 더 크게 남았다

이번에 가장 크게 느낀 점은 AI가 코드를 대신 만들어준다는 사실 자체가 아니었다. 어떤 자료를 쓸 수 있는지, 무엇은 알 수 없고 무엇은 비교할 수 있는지, 그리고 “잘 보인다”라는 말을 어떤 변수로 바꿀지 먼저 정해야 코드도 의미가 생겼다.

스포츠마케팅에서도 데이터를 다루는 역량이 중요하지만, 그보다 앞에는 현장에서 생긴 의문을 데이터 질문으로 바꾸는 과정이 있다는 걸 배웠다. 나에게 이번 바이브코딩은 그 과정을 직접 해본 작은 실험에 가까웠다.

7. 아직은 ‘정답’보다 ‘첫 번째 모델’에 가깝다

이 결과를 실제 광고효과 측정값처럼 쓰면 안 된다. 시선추적 장비로 관중의 눈을 측정한 것도 아니고, 좌석별 실제 점유율이나 가림, 조명, 문자 크기까지 넣은 것도 아니다.

한계현재 영향
실측 좌표 미사용광고와 좌석의 위치는 실측 좌표가 아니라 경기장 규격과 배치도를 바탕으로 한 근사값이다.
관중석을 14개 구역으로 단순화23,000석을 14개 대표 위치로 줄였기 때문에 같은 구역 안의 세부적인 각도 차이는 반영되지 않는다.
시선 고정 가정실제 관중은 타구, 주자, 전광판, 응원 등을 따라 계속 시선을 움직인다.
시야 점수 기준을 단순하게 설정정면 0°=1점, 45°=0.5점, 90°=0점은 실제 광고 인지율이 아니라 구좌끼리 비교하기 위한 규칙이다.
거리·높이·면적 미반영평균거리는 진단값으로만 출력되고 점수에 곱해지지 않는다
가림·조명·문자크기 미반영난간, 관중, 조명, 대비, 로고 크기 등 가독성 요소가 빠져 있다
빈도·체류시간 미측정공간적 노출기회일 뿐, 세 시간 동안의 반복 노출은 다루지 않는다

특히 내가 다음 버전에서 가장 보완하고 싶은 부분은 거리다. 현재는 광고와 관중석의 거리를 계산 과정에서 확인하지만 최종 점수에 직접 곱하지 않았다. 이후에는 실제 좌석 좌표와 광고판 실측 좌표를 확보하고, 거리·광고 면적·문자 크기까지 분리해서 검증할 수 있다면 현장 가독성에 조금 더 가까운 모델로 발전시킬 수 있을 것 같다.

완벽한 숫자를 만든 건 아니지만, 막연했던 “왜 이 자리가 좋은가?”라는 질문을 실제로 계산해볼 수 있는 형태로 바꿨다는 데 이번 작업의 의미가 있었다.

결국 내가 하고 싶었던 건 광고 단가를 새로 매기는 일이 아니었다. 스포츠마케팅 실무에서 자주 쓰는 ‘노출이 좋다’, ‘잘 보인다’ 같은 말을 조금 더 구체적인 언어로 바꿔보는 것이었다. 공개된 자료만으로 시작한 대학생의 분석이지만, 이런 시도가 쌓이면 광고주를 설득하는 근거도 조금씩 더 데이터에 가까워질 수 있다고 생각한다.

자료 및 참고

• 한국경제신문, 「2024 통합 매체 제안서」 — 인천야구장 매체 소개(p.23~25). 외야펜스 규격·집행단가·운영 구조 및 ‘현장 및 TV 중계를 통한 지속 노출’ 설명.

• SSG 랜더스필드 광고구좌 및 관중석 배치도 — 광고와 좌석의 상대적 위치를 확인하는 자료로 활용.

• 시야각 계산 기준과 관중석 14개 구역, 19개 광고구좌 분석 결과 및 5개 시각화 자료.

• Strasburger, H., Rentschler, I., & Jüttner, M. (2011). Peripheral vision and pattern recognition: A review. Journal of Vision, 11(5), 13.

• Strasburger, H. (2020). Seven Myths on Crowding and Peripheral Vision. i-Perception, 11(3), 1–45.

#스포츠마케팅#야구장광고#SSG랜더스필드#바이브코딩#데이터분석
← 칼럼 목록

💬 이 분석에 대해 이야기해 주세요

다른 해석, 모델의 아쉬운 점, 다음에 분석해봤으면 하는 주제를 남겨주세요. 칼럼마다 댓글이 따로 쌓이도록 구성했습니다.