향동·고양 지역 아마추어 골퍼들의 데이터 기반 스윙 연구 모임입니다.
"감"이 아니라 숫자로 골프를 고쳐보고 싶은 분들 모여요.
📊 매주 연습 데이터(클럽패스·페이스앵글·AoA) 공유 & 같이 분석
🏌️ 향동 인도어 스튜디오에서 풀스윙 + 스윙 영상 촬영
🎯 P-position으로 본인 스윙 분해, 투어 선수와 비교
💬 스코어 안 줄어 답답한 분, 장비/연습법 정보 나눌 분 환영
🎁 유튜브 채널 출연에 동의하시면 AI 스윙 분석 무료 제공
(P1~P10 자동 추출 + 데이터 기반 진단)
백돌이부터 싱글까지, 실력 상관없이 편하게 오세요.
같이 데이터 보면서 한 타씩 줄여봅시다 ⛳
향동동
스포츠
재민아빠
인증 19회 · 5일 전
9i L-to-L 변수 분리 실험 — 2026.06.04
데이터로 검증한 9번 아이언 변수 분리 실험
🏌️ 클럽: 9번 아이언 (작은 스윙)
📊 측정: Foresight GCQuad + FSX Pro
📐 표본: 69구 / 5세트
📌 실험 설계
같은 클럽, 같은 작은 스윙으로 한 번에 하나의 변수만 바꿔가며 데이터가 어떻게 반응하는지 추적했습니다.
목적은 단 하나 — "어떤 의도가 일관성을 만들고, 어떤 의도가 일관성을 깨는가"를 감(感)이 아니라 수치로 확정하는 것.
(아래 Face-to-Path SD = 페이스 일관성 지표. 낮을수록 좋음)
1세트 · 기준 (의도 없음)
→ 스피드 25.6 / F2P SD ±3.4 / AoA −3.2
→ 열림·닫힘 교대
2세트 · 스피드 올림
→ 27.4 / ±3.7 / −2.9
→ flip(캐스팅) 발생
3세트 · 페이스 보정 포기 ✅
→ 26.9 / ±1.5 / −3.3
→ 단일 커브로 수렴
4세트 · 임팩트에 힘 주입
→ 29.0 / ±2.4 / −3.6
→ 페이스 닫힘
5세트 · 다운 궤도 스티프하게 ✅
→ 27.9 / ±2.5 / AoA −4.3
→ 입사각 목표 도달
📌 결론 1 — 일관성을 만든 건 '더하기'가 아니라 '빼기'였다
가장 깨끗했던 두 세트는 모두 무언가를 덜어낸 세트였습니다.
▸ 페이스 일관성을 만든 것: "굳이 닫으려 하지 않기"
손으로 페이스를 잡으려는 보정을 버리자, 페이스 편차가 ±3.4 → ±1.5로 반토막. 사이드스핀도 한 방향으로 통일되면서 예측 가능한 단일 커브(푸시 페이드)로 수렴했습니다.
휘는 것 자체는 문제가 아닙니다. 방향과 양을 예측·반복할 수 있느냐가 실력입니다.
▸ 입사각을 만든 것: 다운스윙을 스티프하게 + 머리 중앙 고정
AoA가 −3.2 → −2.9 → −3.3 → −3.6 → −4.3으로 단계적으로 깊어져 목표치에 도달. 동시에 클럽 패스가 0.0°로 완전 중립이 됐습니다. 하나의 큐가 입사각과 궤도를 동시에 정리한 셈입니다.
📌 결론 2 — 모든 미스의 단일 트리거는 '스피드 램프'였다
패턴이 무너진 구간(2·4·5세트 후반)은 예외 없이 후반 고속 구간이었습니다. 흥미로운 건 미스의 형태는 매번 달랐다는 점.
· 스피드 의도 → flip(캐스팅): Dynamic Loft 상승, 효율 하락
· 임팩트 힘 주입 → 페이스 닫힘: 드로우 방향 미스
형태는 달라도 방아쇠는 늘 같았습니다 — 가속. 컴팩트한 백스윙 톱 자체는 중간 스피드에서 단 한 번도 무너지지 않았습니다.
📌 결론 3 — "느리게 치면 된다"는 틀렸다 (가장 중요한 발견)
클럽 스피드를 25 부근으로 고정한 13구만 따로 떼어내 통계를 냈습니다.
→ 스피드 25.3 고정인데도 페이스 편차는 여전히 ±3.27
즉, 저속은 일관성의 충분조건이 아니다. 일관성을 만든 건 속도가 아니라 큐(보정 포기)였습니다.
입사각도 마찬가지 — 저속 구간 평균은 −3.31로 얕고, −4.3을 만든 건 속도가 아니라 스티프하게 빼는 큐였습니다. 같은 25 m/s 샷도 큐가 없으면 −3.7에 그쳤습니다.
📌 한 줄 요약
일관성은 스피드를 줄여서가 아니라, 손의 보정을 빼서 만들어진다.
작동한 두 큐(보정 포기 → 페이스 안정 / 스티프하게 빼기 → 입사각)는 모두 덜어내는 큐였고, 모든 미스의 방아쇠는 가속 하나였다. 69구의 데이터가 그렇게 말합니다.
