케데헌 보고 한국에 왔을까? 방한객 통계로 콘텐츠 관광효과 인과추론하기
2025년 방한 외래객은 1,894만 명으로 역대 최대였습니다. 하지만 41개국 방한 통계와 넷플릭스 국가별 순위, 일본 방문객을 함께 비교해 보니 '케데헌을 많이 본 나라일수록 한국에 더 많이 왔다'는 인과효과는 확인되지 않았습니다. 이 글은 그 결론에 이르는 과정을 단계별로 따라 할 수 있게 정리했습니다. 원자료와 코드를 함께 첨부했습니다.
이 글은 이런 분께 필요합니다
"오징어 게임 때문에 한국 관광객이 늘었다", "케데헌 효과로 국립중앙박물관 관람객이 500만 명을 넘었다" 같은 기사를 보면 숫자로 확인해 보고 싶어집니다. 이 글은 그런 질문을 직접 검증해 보려는 분을 위한 가이드입니다.
- 콘텐츠·캠페인·정책의 효과를 공개 데이터로 검증해야 하는 데이터 분석가
- 포트폴리오에 '상관이 아니라 인과를 따져본 분석'을 넣고 싶은 취준생
- 관광·마케팅 성과 보고서의 "○○ 효과" 주장을 검토해야 하는 실무자
준비물은 Python 3.10 이상과 pandas, numpy, openpyxl, matplotlib입니다. 회귀분석이 무엇인지 대략 알면 충분합니다. 통계 패키지 없이 numpy로 직접 계산했습니다.
먼저 용어 하나를 짚고 가겠습니다. 인과효과는 "케데헌이 있었던 현실의 방한객"과 "케데헌이 없었다면 있었을 방한객"의 차이입니다. 뒤쪽은 관측할 수 없으므로, 비교군을 이용해 그 값을 추정하는 것이 인과추론의 핵심입니다.
Step 1. 질문을 '비교할 수 있는 문장'으로 바꿉니다
"케데헌 때문에 관광객이 늘었나?"는 그대로는 검증할 수 없습니다. 무엇을, 언제, 누구와 비교할지 정해야 합니다.
| 항목 | 이번 분석의 정의 |
|---|---|
| 처치(원인) | 케이팝 데몬 헌터스 넷플릭스 공개, 2025년 6월 20일 |
| 결과 | 국적별 월간 방한 외래객 중 관광 목적 입국자 수 |
| 처치 강도 | 나라별로 케데헌을 얼마나 많이 봤는가(넷플릭스 국가별 Top 10 순위로 측정) |
| 비교 | ① 많이 본 나라 vs 덜 본 나라 ② 같은 나라에서 한국행 vs 일본행 |
| 기간 | 사전 2023.06~2025.05, 사후 2025.07~2026.08. 공개 월인 2025년 6월은 제외 |
"역대 최대 방한객"은 결과가 늘었다는 사실일 뿐입니다. 같은 기간 환율, 항공편, 비자 정책, 정치 상황이 함께 바뀌었다면 증가분 중 어디까지가 케데헌의 몫인지 알 수 없습니다. 그래서 같은 시기에 같은 외부 충격을 받았지만 케데헌 노출만 다른 집단을 찾아야 합니다.
Step 2. 공식 원자료 세 가지를 내려받습니다
이번 분석에 쓴 자료는 모두 공개돼 있습니다. 2026년 10월 3일에 직접 내려받았습니다.
2-1. 방한 외래객: KOSIS 「외래객 입국-목적별/국적별」
한국관광공사의 「한국관광통계」입니다. 한국관광 데이터랩에서도 같은 통계를 볼 수 있지만, 월간 조회가 1년 단위로 제한되고 다운로드에는 로그인이 필요합니다. 국적별로 펼친 표를 한 번에 받기에는 KOSIS가 편했습니다.
- KOSIS에서 「외래객 입국-목적별/국적별」을 검색합니다. 2003~2021년 표와 2022년 이후 표가 따로 있으므로 둘 다 받습니다.
- 통계표 위쪽의 시점 버튼을 누르고 기간을 전부 선택합니다. 선택한 셀이 2만 개를 넘으면 화면 조회 대신 다운로드 버튼이 나타납니다.
- 파일 형태는 CSV, 통계표 구성은 항목표두, 시점표측을 고르면
국적 × 월형태의 긴 표가 나옵니다.
받은 파일은 국적 68개 행(대륙 소계 포함) × 월, 그리고 계·관광·상용·공용·유학연수·기타 열로 구성됩니다. 인코딩은 CP949입니다. 2025년 국적 합계 행을 더하면 18,936,562명으로 공표 수치와 일치합니다.
2-2. 비교 목적지: JNTO 국적/월별 방일외객수
일본정부관광국 통계 페이지의 「国籍/月別 訪日外客数（2003年～2026年）」 엑셀을 받습니다. 연도별 시트에 시장별 월간 값이 있습니다. 2026년 값에는 추계치가 섞여 있으므로 주석을 확인해야 합니다.
2-3. 노출 강도: Netflix Top 10 국가별 주간 데이터
넷플릭스는 Top 10 사이트에서 국가별 주간 순위 전체를 TSV로 공개합니다. all-weeks-countries.tsv 하나에 2021년 7월부터의 93개국 순위가 들어 있습니다.
curl -L -o all-weeks-countries.tsv \
https://www.netflix.com/tudum/top10/data/all-weeks-countries.tsv
Step 3. 처치 시점과 겹치는 사건부터 표시합니다
회귀식을 돌리기 전에 월별 그래프에 처치 시점과 다른 사건을 같이 표시했습니다. 이 단계에서 이미 걸러지는 질문이 있습니다.
한국관광공사 「한국관광통계」 월별 합계를 다시 그린 그래프입니다. 세로선은 사건 시점이며 효과의 크기를 뜻하지 않습니다.
오징어 게임 시즌1(2021년 9월 17일)은 이 설계로 신뢰성 있게 평가할 수 없었습니다. 2021년 9월 방한객은 8만 9,800명으로 2019년 9월(145만 9,664명)의 6% 수준이었습니다. 입국 제한과 격리가 있던 시기라 작품을 보고 여행을 원했더라도 실제 입국으로 이어질 수 없었습니다. 결과변수가 거의 반응할 수 없는 시기라, 입국 통계로 효과의 유무를 판단하기 어렵습니다.
케데헌 공개 시점에도 다른 사건이 겹쳐 있습니다.
| 시점 | 사건 | 분석에 미치는 영향 |
|---|---|---|
| 2024.12.03 | 비상계엄 선포 | 2024년 12월~2025년 상반기 방한 수요가 눌렸다면 이후 반등이 '케데헌 효과'처럼 보일 수 있음 |
| 2025.06.27 | 오징어 게임 시즌3 공개 | 케데헌 공개 1주 뒤. 두 작품의 효과를 시점으로 분리할 수 없음 |
| 2025.09.29 | 중국 단체관광객 한시 무비자 시행 | 2025년 하반기 중국인 방한이 1년 전보다 23.9% 증가. 중국을 뺀 나머지는 13.9% 증가 |
중국은 넷플릭스가 서비스되지 않는 데다 무비자 정책까지 겹치므로 아래 분석에서 제외했습니다. 같은 이유로 이란과 2022년 3월 서비스를 중단한 러시아도 뺐습니다.
Step 4. 나라별 노출 강도를 만들고, '모두가 처치를 받았다'는 문제를 확인합니다
케데헌은 거의 모든 나라에서 흥행했습니다. 그래서 '봤다/안 봤다'로 나누는 대신 얼마나 오래, 얼마나 높이 순위에 있었는지를 점수로 만들었습니다. 공개 후 26주(2025-06-22~2025-12-14 주차) 동안 영화 Top 10에서 1위면 10점, 10위면 1점을 주고 합산했습니다.
kpdh = nf[nf.show_title == "KPop Demon Hunters"]
kpdh = kpdh[(kpdh.week >= "2025-06-22") & (kpdh.week <= "2025-12-14")]
points = kpdh.groupby("country_iso2").weekly_rank.apply(lambda s: (11 - s).sum())
Z = (points - points.mean()) / points.std(ddof=0) # 국가 간 표준화
Netflix Top 10 국가별 주간 데이터로 계산한 점수입니다. 시청 시간이나 인구 대비 시청률이 아니라 순위 기반 지표입니다.
방한 통계와 넷플릭스 순위가 모두 있는 나라 중 사전 기간 월평균 관광 입국이 300명 이상인 41개국을 분석했습니다. 이 중 36개국에서 26주 중 20주 이상 Top 10에 있었고, 33개국에서 1위를 기록한 적이 있습니다. 점수가 확연히 낮은 곳은 인도, 파키스탄, 태국, 인도네시아 정도입니다.
이 그래프가 이번 분석의 가장 중요한 한계를 보여줍니다. 거의 모든 나라가 강하게 처치를 받았습니다. 만약 케데헌이 모든 나라의 방한을 똑같이 5% 늘렸다면, 그 5%는 나라 간 비교로는 잡히지 않습니다. 모든 나라에 공통인 변화는 환율이나 계엄 이후 회복 같은 다른 공통 충격과 구분되지 않기 때문입니다. 이 설계가 확인할 수 있는 것은 "많이 본 나라에서 더 늘었는가"입니다.
Step 5. 노출 강도 차분의 차분(DiD)을 추정합니다
차분의 차분(DiD)은 처치 전후의 변화를 비교군의 변화와 대조하는 방법입니다. 여기서는 노출 점수가 높은 나라의 공개 전후 변화가 낮은 나라보다 더 컸는지를 봅니다.
log(관광 입국자수[국가, 월])
= 국가 × 달력월 고정효과 # 나라마다 다른 성수기·비수기
+ 월 고정효과 # 모든 나라에 공통인 충격(환율, 계엄 이후 회복, 항공 공급)
+ β × Z[국가] × 공개후[월]
β는 "노출 점수가 1표준편차(약 39점) 높은 나라에서 공개 후 방한이 몇 % 더 늘었는가"입니다. 표준오차는 같은 나라의 관측끼리 상관이 있을 수 있으므로 국가 단위로 묶어 계산했습니다(군집 표준오차). 나라 수가 41개로 많지 않아, 국가 단위로 부호를 무작위로 뒤집어 다시 추정하는 와일드 군집 부트스트랩으로 p값도 따로 확인했습니다.
| 모형 | β (노출 1SD당) | 표준오차 | 판단 |
|---|---|---|---|
| 기본: 관광 목적 입국 | +1.5% | 3.1%p | 0과 구분되지 않음. 부트스트랩 p = 0.59 |
| 결과를 전체 입국자로 | +4.0% | 2.9%p | 0과 구분되지 않음 |
| 대륙 × 월 고정효과 추가 | +1.7% | 3.0%p | 대륙별 공통 충격을 제거해도 비슷함 |
| 노출 상위 절반 vs 하위 절반 | +0.0% | 6.1%p | 효과 없음과 양립 |
로그 계수는 작은 값일 때 % 변화로 근사해 표기했습니다. 41개국, 1,558개 국가-월 관측입니다.
95% 구간으로 보면 기본 모형의 β는 약 −4.6%에서 +7.7% 사이입니다. 효과가 0이라고 단정할 수 있는 결과도 아닙니다. 노출에 따른 추가 증가는 통계적으로 검출되지 않았다는 것이 정확한 표현입니다.
Step 6. 이벤트 스터디로 '공개 전부터 달랐는지' 확인합니다
DiD는 처치가 없었다면 두 집단이 같은 추세로 움직였을 것이라는 평행추세 가정에 기대고 있습니다. 이 가정을 직접 증명할 수는 없지만, 처치 전부터 차이가 벌어지고 있었는지는 확인할 수 있습니다.
방법은 이렇습니다. 공개 직전 1년(2024.06~2025.05)을 기준연도로 정하고, 나라별로 매달 값을 기준연도 같은 달과 비교해 계절성을 없앴습니다. 그다음 매달 그 편차를 노출 점수에 회귀했습니다. 기준연도의 점은 정의상 0이고, 그보다 1년 앞선 구간(2023.06~2024.05)이 사전 추세 점검 구간입니다.
각 점은 그 달의 횡단면 회귀 기울기이고 막대는 95% 구간(HC1)입니다. 기준연도 점은 비교 기준이라 모두 0입니다.
두 가지가 보입니다. 첫째, 1년 전 구간의 평균은 −4.6%였습니다. 노출이 많은 나라는 2023년에서 2024년 사이 방한이 다른 나라보다 빠르게 회복하고 있었다는 뜻입니다. 둘째, 공개 후 1년(2025.07~2026.06)의 평균은 −0.8%로 기준연도와 거의 같았습니다. 케데헌 공개를 기점으로 많이 본 나라가 더 앞서 나가는 움직임은 보이지 않았습니다.
사전 추세가 있다는 것은 Step 5의 비교가 깔끔하지 않다는 경고이기도 합니다. 가짜 처치 시점을 2024년 7월로 두고 공개 전 자료만 써서 같은 DiD를 돌리면 β가 +10.1%(표준오차 6.5%p)가 나옵니다. 실제 공개 시점의 추정치보다 큽니다. 국가별 사전 추세를 직선으로 빼고 다시 계산하면 β는 −3.9%(표준오차 2.9%p)가 됩니다.
Step 7. 일본을 비교 목적지로 놓고 삼중차분을 합니다
국가 간 비교에는 또 다른 문제가 있습니다. 미국의 해외여행 수요가 늘거나 대만 경기가 좋아지면, 케데헌과 무관하게 그 나라의 방한도 늘어납니다. 이를 걸러내기 위해 같은 나라에서 일본으로 간 사람 수를 기준으로 삼았습니다. 미국인의 해외여행이 전반적으로 늘었다면 방일도 함께 늘었을 것이기 때문입니다.
결과변수를 log(방한객) − log(방일객)으로 바꾸고 Step 5와 같은 식을 추정했습니다. 일본 통계에는 목적 구분이 없어 한국도 전체 입국자 기준을 썼습니다. 두 통계에 모두 있고 넷플릭스 순위가 있는 27개국이 대상입니다. 일본은 2026년 7~8월 값이 일부 시장만 공표돼 있어 기간을 2026년 6월까지로 맞췄습니다.
점 하나가 한 나라입니다. y축은 2024.07~2025.05 대비 2025.07~2026.05 방한/방일 비율의 변화입니다.
| 모형 | β (노출 1SD당) | 표준오차 | 가짜 시점(2024.07) β |
|---|---|---|---|
| 27개국 전체 | +5.3% | 2.5%p | +6.4% (6.8%p) |
| 홍콩·대만 제외 | +3.5% | 2.4%p | +5.2% (7.7%p) |
| 홍콩·대만·인도 제외 | +2.5% | 3.0%p | +6.2% (8.8%p) |
| 국가별 사전 추세 제거 | +0.6% | 4.1%p | 해당 없음 |
27개국 전체 추정치는 +5.3%로, 군집 표준오차만 보면 0과 구분되는 수준입니다. 와일드 군집 부트스트랩 p값은 0.067로 경계선에 있습니다. 여기서 멈추면 "케데헌 효과를 확인했다"고 쓰고 싶어집니다. 하지만 세 가지 점검을 통과하지 못했습니다.
- 공개 전에도 같은 크기의 차이가 있었습니다. 가짜 시점 추정치가 +6.4%로 실제 추정치보다 큽니다. Step 6과 같은 방식으로 보면 1년 전 구간의 평균 기울기가 −5.7%로, 많이 본 나라의 방한/방일 비율은 공개 전부터 올라오고 있었습니다.
- 몇 나라가 기울기를 끌고 갑니다. 홍콩은 방일객이 줄면서 방한/방일 비율이 18.5% 올랐습니다. 2025년 여름에는 '7월 대재난 예언' 만화 소문이 퍼지면서 6월 홍콩 방일객이 1년 전보다 33.4% 줄고 대만도 증가세가 둔화됐다는 보도가 있었습니다. 한국이 아니라 일본 쪽에 생긴 악재입니다. 노출이 가장 낮은 인도까지 빼면 추정치는 +2.5%로 절반 이하가 됩니다.
- 사전 추세를 제거하면 사라집니다. +0.6%(표준오차 4.1%p)로, 0과 구분되지 않습니다.
정리하면 한일 비교 추정치는 양수이지만 모형 선택에 크게 흔들려, 인과효과의 근거로 쓰기는 어렵습니다.
Step 8. 위약 검정으로 결과를 한 번 더 흔들어 봅니다
효과가 진짜라면 반응하지 않아야 할 곳에서는 반응이 없어야 합니다. 이를 위약(placebo) 검정이라고 합니다.
| 위약 검정 | 기대 | 결과 |
|---|---|---|
| 상용(출장) 목적 입국으로 결과 변경 | 애니메이션을 보고 출장을 더 오지는 않음 | +0.9% (5.0%p) |
| 가짜 처치 시점 2024.07 (한국 관광 목적) | 0 근처여야 함 | +10.1% (6.5%p) |
| 가짜 처치 시점 2024.07 (한일 비교) | 0 근처여야 함 | +6.4% (6.8%p) |
| 국가별 사전 추세 제거 후 재추정 | 효과가 진짜라면 유지돼야 함 | −3.9% (2.9%p), 한일 비교 +0.6% (4.1%p) |
상용 목적은 예상대로 움직이지 않았지만, 실제 추정치 자체도 0에 가까워 이 검정은 많은 정보를 주지 못합니다. 더 중요한 것은 가짜 시점 결과입니다. 공개 1년 전을 처치 시점으로 놓아도 비슷하거나 더 큰 '효과'가 나온다면, 그 크기의 차이는 작품이 아니라 원래 추세에서 나왔을 가능성이 큽니다.
오징어 게임 시즌2(2024년 12월 26일)도 같은 방식으로 계산했습니다. 공개 후 5개월(2025년 1~5월)의 β는 +7.3%(표준오차 6.8%p, 부트스트랩 p = 0.11)로 0과 구분되지 않았고, 가짜 시점(2024년 1월) 추정치도 +5.8%였습니다. 마찬가지로 효과를 식별했다고 볼 수 없습니다. 같은 시기에 비상계엄 이후의 충격도 겹쳐 있었습니다.
Step 9. 장소 단위로 같은 질문을 던져 봅니다
국가 단위에서 효과가 묻혀 있을 수도 있습니다. 작품에 나온 장소에 외국인이 더 몰렸다면 장소 단위에서 차이가 보여야 합니다. 서울시와 서울AI재단이 SK텔레콤 유동인구로 분석한 서울 주요 명소의 2025년 외국인 방문 증감률에, 넷플릭스 공식 장소 가이드에 수록된 장소를 표시했습니다.
서울시 보도자료의 요약표를 옮긴 값입니다. 2025년 연간 전년 대비이므로 공개 전인 1~6월이 포함돼 있습니다.
N서울타워, 북촌, 낙산공원 같은 등장 명소의 평균 증가율은 +10.0%, 동대문디자인플라자·홍대·광장시장 같은 미등장 명소는 +10.4%였습니다. 12곳 모두 9.3~12.1% 사이에 몰려 있습니다. 보도자료가 고른 12곳의 단순 평균이고, 유동인구 추정이 전체 입국 규모에 맞춰 보정됐을 가능성도 있어 장소 간 인과 비교는 아닙니다. 다만 적어도 "작품에 나온 곳만 유독 늘었다"는 패턴은 이 표에서 보이지 않았습니다.
결과: 말할 수 있는 것과 말할 수 없는 것
| 질문 | 답 | 근거 |
|---|---|---|
| 2025년 방한객이 역대 최대였나? | 예 | 18,936,562명. 2019년 17,502,756명보다 많음 |
| 케데헌 공개 후 방한이 늘었나? | 예 | 2025년 7~12월 1,011만 명, 1년 전보다 16.6% 증가 |
| 많이 본 나라에서 더 늘었나? | 검출되지 않음 | 노출 1SD당 +1.5%(표준오차 3.1%p), 공개 후 1년 평균 기울기 −0.8% |
| 일본 대비 한국이 더 선택됐나? | 확인되지 않음 | +5.3%이지만 가짜 시점·추세 제거·소수 국가 제외 점검 실패 |
| 케데헌이 방한객을 늘리지 않았나? | 그렇게 말할 수도 없음 | 모든 나라 공통의 효과는 이 설계로 식별 불가 |
| 오징어 게임 시즌1 효과는? | 이 자료로는 판단 어려움 | 2021년 9월 방한객이 2019년의 6% |
정리하면 "케데헌이 방한객을 늘렸다"는 주장은 이 공개 데이터로 증명되지 않습니다. 동시에 "효과가 없었다"는 주장도 증명되지 않습니다. 작품이 전 세계에서 동시에 흥행했기 때문에 노출되지 않은 비교군이 사실상 없고, 공개 시점에는 계엄 이후 회복과 오징어 게임 시즌3, 중국 무비자 정책이 함께 있었습니다.
이 한계를 넘으려면 다음 자료가 필요합니다.
- 나라별 시청 강도. 순위가 아니라 인구 대비 시청 시간이 있으면 노출 차이가 훨씬 커집니다.
- 여행 의도 지표. 공개 직후 나라별 항공·숙박 검색량이나 예약 데이터처럼 실제 입국보다 먼저 반응하는 지표가 있으면, 정치·환율 같은 느린 변수와 시점을 더 잘 분리할 수 있습니다.
- 방문자 설문. 한국관광공사 외래관광객조사의 방한 동기 문항을 국가·분기별로 보면 효과의 경로를 직접 확인할 수 있습니다.
자주 막히는 지점
| 문제 | 원인 | 해결 |
|---|---|---|
| 데이터랩에서 1년 넘는 기간이 조회되지 않음 | 월간 조회는 1년 이내로 제한 | KOSIS에서 같은 「한국관광통계」 표를 받거나 1년씩 나눠 받기 |
| 데이터랩 다운로드 파일에 국적이 없음 | 상세조회 다운로드는 화면에 펼쳐진 단계까지만 저장 | KOSIS CSV를 사용 |
| KOSIS 다운로드 버튼을 눌러도 반응이 없음 | 조회 셀이 많으면 화면 조회가 끝나지 않음 | 시점 창에서 기간을 고르면 2만 셀 초과 시 바로 다운로드 버튼이 나타남 |
| CSV 한글이 깨짐 | CP949 인코딩 | pd.read_csv(path, encoding="cp949") |
| 터키 데이터가 2022년에 끊김 | 2022년 표부터 '튀르키예'로 표기 변경 | 두 이름을 같은 국가 코드로 합침 |
빈 셀과 -가 섞여 있음 | -는 자료없음(0명), 빈 셀은 값 없음 | -는 0으로, 빈 셀은 결측으로 처리하고 분석 표본에 결측이 없는지 확인 |
| 일본 2026년 마지막 두 달 합계가 작음 | 최근 두 달은 일부 시장 값만 추계치로 공표됨 | 모든 시장 값이 있는 달(2026년 6월)까지만 합계 비교에 사용 |
| 국가 × 달력월 고정효과와 분기 더미를 함께 넣으니 계수가 이상함 | 두 변수가 서로 겹쳐 식별되지 않음 | 기준연도 같은 달 값으로 계절성을 먼저 빼고 월별 기울기를 계산 |
| 사전 구간 점들이 서로 정확히 반대 부호로 나옴 | 계절성 기준을 그 사전 구간 자체의 평균으로 잡음 | 점검할 구간과 겹치지 않는 별도의 기준연도를 사용 |
| 순열검정 p값과 군집 표준오차가 서로 다른 말을 함 | 노출이 무작위 배정이 아니라 국가를 섞는 검정의 전제가 맞지 않음 | 와일드 군집 부트스트랩으로 확인하고, 섞기 결과는 진단용으로만 사용 |
원자료와 코드를 함께 공개합니다
압축을 푼 폴더에서 다음 명령으로 같은 결과와 차트를 다시 만들 수 있습니다.
python3 prepare.py
python3 analyze.py
python3 make_charts.py charts
raw/: KOSIS CSV 2개, JNTO 엑셀, Netflix Top 10 TSV, 서울 명소 표out/results.json: 이 글의 모든 추정치out/event_study_*.csv: 월별 기울기out/kr_vs_jp_growth_by_country.csv: 나라별 한일 비교
차트는 원자료와 계산 결과로 직접 만들었습니다. 작품 장면이나 관광지 사진을 증거처럼 쓰지 않았습니다.
처음 질문은 "케데헌 보고 한국에 왔을까?"였습니다. 분석을 마친 지금의 답은 왔을 수도 있지만, 공개된 통계만으로는 그 수를 셀 수 없다는 것입니다. 모두가 같은 작품을 본 세상에서는 '보지 않은 세상'을 찾기 어렵습니다. 그 어려움을 숫자로 확인하는 것도 인과추론의 결과입니다.
출처
자료 확인일: 2026년 10월 3일.
- KOSIS, 한국관광공사 「한국관광통계」 외래객 입국-목적별/국적별(2022.01~2026.08)
- KOSIS, 같은 통계 2003.01~2021.12
- 일본정부관광국(JNTO), 訪日外客統計
- Netflix Top 10
- Netflix Media Center, KPop Demon Hunters 공개일
- Netflix Tudum, KPop Demon Hunters 실제 장소 가이드
- 대한민국 정책브리핑, 중국 단체관광객 한시 무비자 시행
- 서울시, From K-Culture to K-Hiking(서울AI재단 분석 요약)
- CNBC, Asian visitors to Japan fell because of a manga prediction
- 동아일보, 케데헌 효과… 국립중앙박물관 올해 500만 명 돌파