데이터 기반 주기화: 측정값으로 시즌 훈련을 설계하는 법

7월 3일
10분 분량

계획은 완벽했는데, 왜 몸이 안 따라줄까?

시즌 시작 전, 코치는 엑셀에 12주짜리 완벽한 계획을 그립니다. 1주차 1RM의 70%, 4주차 80%, 8주차 90%... 무게는 매주 차곡차곡 올라가고, 볼륨은 정해진 곡선을 따라 내려갑니다. 종이 위에서는 더없이 합리적입니다. 그런데 막상 6주차에 들어서니 선수가 "오늘따라 무게가 안 올라간다"고 말합니다. 계획표는 82.5kg을 가리키는데, 몸은 75kg에서 이미 버겁다고 신호를 보냅니다.

전통적인 주기화(periodization)의 가장 큰 약점이 바로 여기에 있습니다. 계획은 과거의 데이터(지난 시즌의 1RM, 평균적인 회복 패턴)를 기준으로 만들어지지만, 실제 훈련은 항상 "오늘"이라는 시점에서 일어난다는 점입니다. 수면, 영양, 학업·직장 스트레스, 직전 경기의 피로, 컨디션의 일주기 변동 — 이 모든 변수가 매일 다른데, 고정된 퍼센트와 달력만으로 12주 뒤의 적응을 정확히 예측할 수 있을까요?

조금 더 구체적으로 보겠습니다. 전통적 주기화의 가정은 "선수의 적응이 평균적인 곡선을 따라간다"는 것입니다. 1주차에 이만큼, 4주차에 저만큼 강해진다는 예측이죠. 그러나 실제 적응 곡선은 사람마다, 그리고 같은 사람이라도 시즌마다 다릅니다. 어떤 선수는 4주 만에 계획보다 빨리 천장에 닿고, 어떤 선수는 8주가 지나도 같은 무게에서 정체합니다. 평균을 기준으로 짠 계획은 결국 "누구에게도 정확히 맞지 않는 옷"이 되기 쉽습니다.

그렇다고 주기화 자체를 버리자는 이야기는 아닙니다. 주기화는 100년 가까이 검증된 강력한 프레임워크입니다. 다만 이제는 계획이라는 뼈대 위에 측정 데이터라는 신경계를 입힐 수 있게 되었습니다. VBT 속도, 점프 높이, 일일 1RM 추정, 피로 모니터링 지표를 매일·매주 읽으면, "계획된 적응"과 "실시간 조정"을 동시에 가져갈 수 있습니다. 이것이 바로 데이터 기반 주기화입니다.

한 눈에 보기 데이터 기반 주기화는 고정된 달력 계획 위에 실시간 측정 데이터 를 더해 그날의 부하를 조정합니다 VBT 속도·점프·1RM·피로 지표를 묶은 측정 배터리 로 적응과 피로를 동시에 추적합니다 오토레귤레이션(autoregulation) 은 속도 손실·당일 바벨 속도·점프 저하를 트리거로 부하를 자동 조정하는 핵심 원리입니다 Point Go 센서 하나로 VBT·점프·1RM·피로 데이터를 한 곳에 모아 국면별 시즌 설계에 바로 활용할 수 있습니다

주기화 기본기 빠르게 복습하기

본격적인 데이터 활용에 앞서, 주기화의 핵심 개념을 짧게 정리하고 가겠습니다. 이미 익숙한 분이라면 이 절은 건너뛰어도 좋습니다.

매크로 · 메조 · 마이크로사이클

주기화는 훈련을 시간 단위로 계층화하는 것에서 출발합니다(Bompa & Buzzichelli, 2019).

매크로사이클(Macrocycle): 보통 한 시즌 전체, 즉 수개월에서 1년 단위의 큰 그림입니다. 비시즌 → 시즌전 → 시즌중 → 전환기(이행기)로 이어지는 연간 계획이 여기 해당합니다.

메조사이클(Mesocycle): 보통 3~6주 단위의 블록입니다. "근비대 블록", "최대근력 블록", "파워 블록"처럼 하나의 주된 적응 목표를 가집니다.

마이크로사이클(Microcycle): 보통 1주 단위입니다. 요일별 세션 배치, 고강도와 저강도의 파동, 디로드 타이밍이 여기서 결정됩니다.

데이터 기반 접근의 묘미는, 매크로(큰 방향)는 미리 계획하되 메조·마이크로(세부 부하)는 측정값에 따라 유연하게 조정한다는 데 있습니다.

선형 · 블록 · DUP, 세 가지 모델

주기화 모델은 크게 세 가지로 나뉩니다.

모델	핵심 아이디어	강점	한계
선형(Linear)	볼륨↓ 강도↑로 점진 이동	단순·예측 가능, 초보자 적합	한 번에 한 자질만, 장기엔 단조
블록(Block)	한 블록당 한 자질 집중	자극 집중, 상급자 적합	비집중 자질의 일시적 저하
DUP(일일 비선형)	같은 주 안에서 매일 강도·볼륨 변동	다자질 동시 발달, 단조로움 적음	계획·관리 복잡

DUP(Daily Undulating Periodization, 일일 비선형 주기화)는 예를 들어 월요일은 근력(고강도·저렙), 수요일은 파워(중강도·고속), 금요일은 근비대(중강도·고렙)처럼 한 주 안에서 자질을 번갈아 자극합니다. Rhea et al.(2002)의 연구에서는 DUP 그룹이 선형 그룹보다 더 큰 근력 향상을 보였습니다. 흥미롭게도 DUP는 본질적으로 매일 다른 부하를 다루기 때문에, 매일 측정하는 VBT와 가장 궁합이 잘 맞는 모델입니다.

데이터는 주기화를 어떻게 바꾸는가

전통적 주기화와 데이터 기반 주기화의 차이를 한 문장으로 요약하면 이렇습니다. 전자는 "계획대로 들어야 한다"고 말하고, 후자는 "계획을 향해 가되, 오늘의 몸이 허락하는 만큼 든다"고 말합니다.

오토레귤레이션: 계획된 적응 + 실시간 조정

핵심 개념은 오토레귤레이션(autoregulation)입니다. 사전에 못 박은 무게를 무조건 드는 것이 아니라, 당일 측정 데이터를 기준으로 부하를 자동 조정하는 방식입니다(Jovanović & Flanagan, 2014).

여기서 오해하지 말아야 할 점이 있습니다. 오토레귤레이션은 "계획을 버리는 것"이 아닙니다. 오히려 그 반대입니다.

계획된 적응(planned adaptation): 매크로·메조 수준에서 "이 블록은 최대근력, 다음은 파워"라는 큰 방향은 미리 정합니다.

실시간 조정(real-time adjustment): 그 방향 안에서, 그날의 속도·점프·1RM 데이터를 보고 무게와 볼륨을 미세 조정합니다.

비유하자면 목적지(매크로 계획)는 내비게이션에 찍어두되, 실시간 교통 상황(측정 데이터)에 따라 경로를 바꾸는 것과 같습니다. 목적지는 그대로지만, 막힌 길로 무리하게 가지 않습니다.

왜 "측정"이 필요한가

오토레귤레이션의 전제는 객관적 측정입니다. RPE(주관적 운동 강도)도 유용한 도구이지만, 초보자나 컨디션이 흐린 날에는 자기 평가가 흔들립니다. 반면 바벨 속도, 점프 높이 같은 객관적 지표는 거짓말을 하지 않습니다.

같은 무게인데 바벨 속도가 평소보다 느리다 → 신경근 피로의 신호

아침 점프 높이가 평소보다 낮다 → 회복 부족, 전신 피로의 신호

워밍업 속도로 추정한 당일 1RM이 평소보다 낮다 → 그날의 강도 천장이 낮아졌다는 신호

이런 신호를 데이터로 잡아내면, "오늘은 무리하지 말까?"라는 막연한 직감을 구체적인 숫자에 근거한 결정으로 바꿀 수 있습니다. 직감이 틀렸다는 뜻이 아닙니다. 경험 많은 코치의 직감은 종종 정확합니다. 다만 직감은 기록되지 않고, 공유되지 않으며, 컨디션이 흐린 날엔 흔들립니다. 측정값은 그 직감에 근거와 추적 가능성을 더해줍니다. "왜 그날 무게를 내렸느냐"는 질문에 "점프가 12% 떨어져서"라고 답할 수 있다면, 그 결정은 다음 시즌에도 재현 가능한 자산이 됩니다.

데이터가 직감을 대체하는 게 아니라 보완한다

여기서 한 가지 균형을 짚고 넘어가겠습니다. 데이터 기반 주기화는 코치를 숫자에 종속시키는 것이 아닙니다. 점프가 8% 떨어졌다고 해서 무조건 디로드해야 하는 것은 아닙니다. 직전에 격렬한 경기가 있었다면 그 정도 하락은 자연스러울 수 있습니다. 측정값은 맥락 안에서 읽혀야 합니다.

좋은 워크플로우는 이렇게 작동합니다. 먼저 데이터가 "이상 신호"를 던지면, 코치가 맥락(최근 경기, 수면, 스트레스, 부상 이력)을 더해 해석하고, 최종 결정을 내립니다. 데이터는 주의를 기울일 지점을 알려주는 알람이지, 자동 운전 장치가 아닙니다. 이 균형을 지킬 때 비로소 데이터와 코칭 경험이 서로를 증폭시킵니다.

측정 배터리: 무엇을 언제 측정하나

데이터 기반 주기화의 출발점은 "무엇을, 얼마나 자주 측정할지"를 정하는 것입니다. 모든 것을 매일 측정하면 지쳐서 오래 못 갑니다. 측정 빈도는 지표의 변동성과 측정 부담에 맞춰 차등화해야 합니다.

네 가지 핵심 측정 영역

1RM / LVP (주기적, 4~6주마다): 부하-속도 프로필(Load-Velocity Profile)로 최대근력의 절대 수준을 파악합니다. 매번 최대 무게를 들 필요 없이 워밍업 세트 속도만으로 추정할 수 있어 부담이 적습니다(González-Badillo & Sánchez-Medina, 2010). 블록의 시작과 끝에 측정해 적응 효과를 검증합니다.

VBT 속도 (매 세션): 매번의 메인 리프트에서 바벨 속도를 측정합니다. 당일 강도 설정, 세트 내 피로 관리(속도 손실)의 핵심 데이터입니다.

점프 (주 1~2회): CMJ(카운터무브먼트 점프) 높이는 하체 폭발력과 전신 신경근 피로를 동시에 반영하는 대표적 모니터링 지표입니다(Claudino et al., 2017). 측정이 빠르고 회복 부담이 거의 없어 주간 모니터링에 적합합니다.

피로 모니터링 (매일 또는 주간): 점프 높이의 추세, 아침 컨디션 체크, (가능하다면) HRV 같은 보조 지표를 묶어 회복 상태를 추적합니다.

측정 캘린더 예시

언제 무엇을 측정할지 한눈에 정리하면 다음과 같습니다. 이는 일반적 가이드일 뿐, 종목과 일정에 맞게 조정해야 합니다.

측정 항목	빈도	시점	목적
1RM / LVP 추정	4~6주	블록 시작·종료	최대근력 절대 수준, 적응 검증
VBT 속도 (메인 리프트)	매 세션	워킹 세트 전 구간	당일 강도 설정, 세트 내 피로 관리
CMJ 점프 높이	주 1~2회	세션 전 워밍업 직후	하체 폭발력, 전신 피로 모니터링
아침 컨디션 / HRV	매일	기상 직후	회복 상태, 디로드 판단 보조

핵심 원칙은 "적응을 보는 지표는 드물게, 피로를 보는 지표는 자주"입니다. 1RM 같은 적응 지표는 천천히 변하므로 자주 측정할 필요가 없고, 점프·속도 같은 피로 지표는 빠르게 변하므로 자주 봐야 합니다.

국면별 시즌 설계

이제 매크로사이클을 세 국면(비시즌·시즌전·시즌중)으로 나누고, 각 국면에서 어떤 자질을 키우고 어떤 데이터를 추적할지 살펴보겠습니다. 각 국면의 목표가 다르므로, 같은 측정값이라도 해석과 활용이 달라집니다.

비시즌(Off-Season): 토대를 쌓는 시기

비시즌은 경기 부담이 없으므로 가장 공격적으로 적응을 노릴 수 있는 시기입니다. 목표는 근비대와 최대근력의 토대를 쌓는 것입니다.

주된 자질: 근비대 → 최대근력 (선형 또는 블록 모델)

속도 손실 존: 큰 손실 허용(20~30%+). 충분한 기계적 자극과 대사적 스트레스로 근비대를 유도합니다. Pareja-Blanco et al.(2017)에 따르면 높은 속도 손실 그룹이 근단면적 증가에서 유리한 경향을 보였습니다.

추적 데이터: 4~6주마다 1RM/LVP를 측정해 최대근력의 향상을 추적합니다. 같은 속도 존에서 무게가 올라가는지가 핵심 지표입니다.

점프: 주간 점프는 이 시기엔 과도한 피로 누적의 경보로 활용합니다(폭발력 극대화보다는 모니터링 목적).

비시즌의 데이터 활용 포인트는 명확합니다. "같은 속도, 더 무거운 무게"가 나오면 근력이 향상된 것이고, 1RM 추정치가 우상향하면 블록이 제대로 작동하고 있다는 증거입니다.

시즌전(Pre-Season): 힘을 속도로 전환하는 시기

비시즌에 쌓은 근력의 토대를 경기력으로 전이시키는 시기입니다. 목표는 파워와 속도-근력(speed-strength)으로의 전환입니다.

주된 자질: 최대근력 유지 + 파워·RFD(힘 발생률) 발달 (블록 또는 DUP 모델)

속도 손실 존: 작은 손실(10~20%)로 좁힙니다. 신선한 상태에서 빠른 속도로 들어 신경근 적응과 RFD를 노립니다.

추적 데이터: 점프 높이와 RSI(반응성 근력 지수)의 향상이 핵심 지표가 됩니다. 비시즌의 1RM 향상이 실제 폭발력으로 전이되고 있는지를 점프 데이터로 검증합니다.

전이 확인: 1RM은 그대로인데 점프·RFD가 올라간다면, 같은 힘을 더 빠르게 쓸 수 있게 된 것 — 즉 전이가 성공적으로 일어나고 있다는 신호입니다.

시즌전의 핵심 질문은 "쌓아둔 힘이 빠른 동작으로 전이되고 있는가?"입니다. 점프와 VBT의 빠른 속도 존 데이터가 이 질문에 답을 줍니다.

시즌중(In-Season): 신선함을 지키는 시기

경기가 매주 이어지는 시기입니다. 목표는 비시즌·시즌전에 쌓은 능력의 유지와 신선도(freshness) 관리입니다. 이 시기엔 향상보다 "잃지 않기"와 "경기 당일 가볍게"가 우선입니다.

주된 자질: 근력·파워 유지 (저볼륨·고강도 유지, DUP)

속도 손실 존: 매우 보수적(10% 이내). 훈련에서 불필요한 피로를 최소화해 경기에 신선함을 남깁니다.

추적 데이터: 점프 높이와 피로 모니터링이 주인공이 됩니다. 점프가 기준선 아래로 떨어지면 회복이 부족하다는 신호이고, 디로드(deload)를 당겨야 한다는 트리거가 됩니다.

디로드 트리거: 점프·HRV의 추세 하락, 당일 1RM 추정의 지속적 저하가 겹치면 계획보다 일찍 부하를 낮춥니다.

시즌중에는 "오늘 든 무게가 토요일 경기를 망치지 않는가?"가 모든 결정의 기준입니다. 측정 데이터는 "더 들 수 있는데 참는" 절제와 "이미 피로한데 더 미는" 무리 사이에서 객관적인 판단 근거가 되어줍니다.

오토레귤레이션 실전: 데이터를 결정으로 바꾸기

이론은 충분합니다. 이제 측정값을 실제 훈련 결정으로 바꾸는 구체적인 규칙들을 보겠습니다. 핵심은 "미리 트리거와 대응을 정해두는 것"입니다. 데이터를 보고 나서 즉흥적으로 판단하면, 결국 기분에 휘둘립니다.

1. 속도 손실 임계로 세트 종료하기

세트 내에서 첫 렙 대비 속도가 얼마나 떨어졌는지를 기준으로 세트를 끊습니다. 같은 "4 x 5"라도 오늘 컨디션에 따라 실제 렙 수는 달라집니다.

국면별 속도 손실 한계를 미리 정합니다(예: 비시즌 25%, 시즌전 15%, 시즌중 10%).

목표 손실에 도달하면, 계획된 렙이 남았더라도 세트를 종료합니다.

반대로 손실이 거의 없으면(컨디션 좋음), 한도 내에서 한두 렙을 더 가져갈 수도 있습니다.

이 방식은 "정해진 렙을 채운다"에서 "정해진 피로 수준까지만 한다"로 사고를 전환시킵니다(Sánchez-Medina & González-Badillo, 2011).

2. 당일 바벨 속도로 부하 자동 조정하기

워밍업 세트의 속도를 측정해 당일 1RM을 추정하고, 그 추정치를 기준으로 오늘의 워킹 무게를 정합니다.

당일 1RM 추정 (평소 대비)	의미	부하 대응
+5% 이상	컨디션 매우 좋음	계획 무게 유지 또는 소폭 상향
±5%	정상 범위	계획대로 진행
-5~10%	가벼운 피로	무게 하향, 볼륨 유지
-10% 이상	상당한 피로	무게·볼륨 모두 축소, 회복 우선

핵심은 "계획한 무게를 반드시 들어야 한다"는 강박에서 벗어나는 것입니다. 평소 스쿼트 1RM이 150kg인 선수가 오늘 추정 1RM 140kg이 나왔다면, 계획표의 75%(112.5kg)가 아니라 오늘의 75%(105kg)로 진행하는 것이 합리적입니다.

3. 점프 · HRV 저하 시 디로드 결정하기

세트·세션 수준을 넘어, 주간 모니터링 데이터로 디로드 타이밍을 결정합니다.

아침 CMJ 점프 높이가 개인 기준선 대비 일정 수준(예: -10~15%) 이하로 며칠 연속 떨어진다.

(보조 지표로) HRV가 기준선 아래로 지속 하락한다.

당일 1RM 추정이 한 주 내내 우하향한다.

이 신호들이 겹치면, 달력상 디로드 주가 아니더라도 부하를 능동적으로 낮춥니다. 반대로 모든 지표가 좋다면, 계획된 디로드를 한 주 미루는 결정도 데이터로 정당화할 수 있습니다. 디로드를 "달력"이 아니라 "회복 상태"가 결정하게 하는 것이 데이터 기반 주기화의 정점입니다.

한 주(마이크로사이클) 설계 예시

이 모든 원리를 한 주 안에 녹이면 어떤 모습일까요? 시즌전 국면을 가정한 DUP 마이크로사이클 예시입니다(주 4회 훈련, 주말 신선함 확보). 무게는 모두 당일 1RM 추정과 속도 데이터로 미세 조정한다는 전제입니다.

요일	초점	주요 운동	강도/속도 목표	측정
월	최대근력	백스쿼트, 벤치프레스	0.4~0.5 m/s, 속도손실 15%	VBT 매 세트
화	회복/모니터링	가벼운 유산소, 가동성	저강도	아침 CMJ, HRV
수	파워	파워클린, 점프스쿼트	0.8~1.0 m/s, 속도손실 10%	VBT, CMJ
목	휴식	—	—	아침 컨디션 체크
금	속도-근력	스피드 벤치, 풀업	0.6~0.75 m/s, 속도손실 15%	VBT 매 세트
토	경기/스킬	종목 특이 훈련	—	(선택) 경기 전 점프
일	완전 휴식	—	—	—

이 표에서 주목할 점은 매일의 측정값이 다음 결정의 입력값이 된다는 것입니다. 화요일 아침 점프가 평소보다 낮으면, 수요일 파워 세션의 볼륨을 줄입니다. 금요일 당일 1RM이 평소보다 높으면, 속도 한도 내에서 무게를 조금 더 올립니다. 계획표는 출발점일 뿐, 매일의 데이터가 그 위에서 부하를 조각합니다.

Point Go로 측정 데이터를 주기화에 통합하기

데이터 기반 주기화의 가장 큰 현실적 장벽은 "데이터가 여기저기 흩어져 있다"는 것입니다. VBT 속도는 한 기기에, 점프는 다른 앱에, 1RM은 수기로 — 이렇게 파편화되면 통합적인 판단이 불가능합니다. 오토레귤레이션은 여러 신호를 함께 읽을 때 비로소 힘을 발휘합니다.

Point Go 센서는 IMU 기반으로 VBT 속도, 점프, 1RM 추정, 회전 파워 같은 여러 측정을 하나의 센서·하나의 앱에서 다룹니다. 즉, 주기화에 필요한 측정 배터리를 한 곳에 통합할 수 있습니다.

실전 워크플로우

블록 시작 — LVP로 기준선 잡기: 메조사이클을 시작할 때 1RM 측정 모드로 백스쿼트·벤치프레스의 LVP를 측정해, 그 블록의 강도 기준선과 속도-부하 관계를 확보합니다.

매 세션 — VBT로 당일 강도 설정: 메인 리프트마다 워밍업 속도로 당일 1RM을 추정하고, 국면별 목표 속도 존에 맞춰 워킹 무게를 정합니다. 세트 중에는 속도 손실 한계를 넘으면 앱이 시각적 경고를 띄워 세트 종료를 안내합니다.

주간 — 점프로 피로 모니터링: 주 1~2회 CMJ를 측정해 점프 높이 추세를 추적합니다. 기준선 아래로 떨어지면 회복 부족의 신호로 읽습니다.

블록 종료 — 적응 검증: 블록 끝에 다시 LVP를 측정해, 같은 속도 존에서 무게가 올라갔는지(근력 향상)와 점프가 향상됐는지(파워 전이)를 확인합니다. 이 결과가 다음 블록의 설계 근거가 됩니다.

이 순환이 한 바퀴 돌 때마다, 다음 블록은 추측이 아니라 지난 블록의 측정 데이터 위에서 설계됩니다. 시즌이 진행될수록 선수에 대한 데이터가 쌓이고, 계획의 정밀도는 점점 높아집니다.

마무리

주기화는 죽지 않았습니다. 오히려 데이터를 만나 더 강력해졌습니다. 100년 가까이 검증된 매크로·메조·마이크로의 뼈대는 그대로 두되, 그 위에 VBT 속도·점프·1RM·피로라는 신경계를 입히면, 계획의 안정성과 현장의 유연성을 동시에 가질 수 있습니다.

핵심은 한 문장으로 요약됩니다. 큰 방향은 계획하고, 그날의 부하는 측정한다. 달력은 어디로 갈지를 알려주지만, 얼마나 갈 수 있는지는 오늘의 몸이 알려줍니다. 그 신호를 객관적인 숫자로 읽을 수 있게 되었을 때, 비로소 주기화는 "종이 위의 계획"에서 "살아 있는 시스템"으로 진화합니다.

다음 시즌 계획을 그릴 때, 엑셀의 퍼센트 옆에 측정 데이터를 위한 칸을 하나 더 만들어 보세요. 그 칸이 채워지기 시작하면, 당신의 주기화는 더 이상 추측이 아닙니다.

자주 묻는 질문 (FAQ)

Q. 데이터 기반 주기화는 전통적 주기화를 버리는 건가요?

아닙니다. 오히려 전통적 주기화의 뼈대를 그대로 유지합니다. 매크로사이클의 큰 방향(비시즌 → 시즌전 → 시즌중)과 각 블록의 주된 목표는 미리 계획합니다. 데이터는 그 계획 안에서 세부 부하(무게·볼륨·세트 종료 시점)를 그날의 상태에 맞춰 조정하는 역할을 합니다. 즉, 계획을 버리는 것이 아니라 계획을 살아 있게 만드는 것입니다.

Q. 모든 측정을 매일 해야 하나요? 너무 부담스럽지 않을까요?

전혀 그렇지 않습니다. 핵심 원칙은 "적응 지표는 드물게, 피로 지표는 자주"입니다. 1RM/LVP는 46주마다, 점프는 주 12회만 측정하면 충분합니다. 매 세션 측정하는 것은 메인 리프트의 VBT 속도뿐인데, 이것도 워밍업과 워킹 세트에서 자연스럽게 측정되므로 추가 부담이 거의 없습니다. 측정이 훈련을 방해할 정도라면 오히려 빈도를 줄이는 것이 맞습니다.

Q. 초보자도 데이터 기반 주기화가 필요한가요?

초보자는 사실 거의 어떤 자극에도 잘 반응하기 때문에, 정교한 오토레귤레이션의 필요성이 상대적으로 낮습니다. 다만 VBT 속도 같은 객관적 피드백은 초보자가 "적절한 강도"의 감각을 익히는 데 큰 도움이 됩니다. 초보자에게는 복잡한 국면별 설계보다, 단순한 선형 계획 + 속도 피드백 정도로 시작하는 것을 권장합니다. 정교한 데이터 기반 주기화의 이점은 적응이 더뎌지는 중·상급자에게서 가장 크게 나타납니다.

Q. VBT 속도 한 가지만으로도 오토레귤레이션이 가능한가요?

가능합니다. VBT 속도만으로도 당일 강도 설정과 세트 내 피로 관리라는 두 가지 핵심을 모두 다룰 수 있습니다. 다만 VBT 속도는 주로 리프팅 세션 내부의 피로를 봅니다. 전신 회복 상태(잠을 못 잤거나 직전 경기로 누적된 피로)는 점프나 HRV 같은 별도 지표가 더 잘 잡아냅니다. 그래서 시즌중처럼 신선도 관리가 중요한 시기에는 VBT에 점프 모니터링을 더하는 것이 권장됩니다.

Q. 디로드는 결국 언제 해야 하나요?

데이터 기반 접근의 핵심은 "달력이 아니라 회복 상태가 디로드를 결정하게 한다"는 것입니다. 점프 높이가 기준선 대비 며칠 연속 하락하고, 당일 1RM 추정이 한 주 내내 우하향하며, (가능하다면) HRV도 떨어진다면 — 이 신호들이 겹칠 때 디로드를 당깁니다. 반대로 모든 지표가 양호하면 계획된 디로드를 한 주 미룰 수도 있습니다. 다만 지표가 좋다고 무한정 미루는 것은 위험하므로, "최대 3주마다 한 번은 디로드"처럼 안전장치를 두는 것이 좋습니다.

VBT 트레이닝의 기초 - 속도 기반 훈련의 기본 원리와 오토레귤레이션

1RM 추정의 과학: LVP(부하-속도 프로필) 활용법 - 안전한 1RM 추정과 Daily 1RM 활용

운동선수를 위한 점프 훈련 가이드 - 점프 테스트로 피로와 폭발력 모니터링하기

참고 문헌

Bompa, T.O., & Buzzichelli, C. (2019). Periodization: Theory and Methodology of Training (6th ed.). Human Kinetics.

Rhea, M.R., et al. (2002). A comparison of linear and daily undulating periodized programs with equated volume and intensity for strength. Journal of Strength and Conditioning Research, 16(2), 250-255. DOI

Jovanović, M., & Flanagan, E.P. (2014). Researched applications of velocity based strength training. Journal of Australian Strength and Conditioning, 22(2), 58-69. PDF

González-Badillo, J.J., & Sánchez-Medina, L. (2010). Movement velocity as a measure of loading intensity in resistance training. International Journal of Sports Medicine, 31(5), 347-352. DOI

Sánchez-Medina, L., & González-Badillo, J.J. (2011). Velocity loss as an indicator of neuromuscular fatigue during resistance training. Medicine and Science in Sports and Exercise, 43(9), 1725-1734. DOI

Pareja-Blanco, F., et al. (2017). Effects of velocity loss during resistance training on athletic performance, strength gains and muscle adaptations. Scandinavian Journal of Medicine & Science in Sports, 27(7), 724-735. DOI

Claudino, J.G., et al. (2017). The countermovement jump to monitor neuromuscular status: A meta-analysis. Journal of Science and Medicine in Sport, 20(4), 397-402. DOI

계획은 나침반이고, 측정은 지도입니다. 둘을 함께 들면 시즌이라는 긴 여정에서 길을 잃지 않습니다.