v1을 폐기하고 다시 그렸습니다
이전 판은 TIPS_본문_v1.0_JB정정안.md를 근거로 삼았습니다.
파일명 그대로 제안 단계의 정정안이었고, 거기 있던 「8 페르소나 다관점 평가」는 실제 제출본에 반영되지 않았습니다.
이번 판은 USB에 보관된 실제 제출본만 근거로 합니다.
「8 페르소나 병렬 평가」 노드는 삭제했습니다.
참고로 계획서에 「페르소나」라는 말은 나옵니다. 다만 「데이터 기반 정밀 페르소나 매칭 엔진」으로, 여덟 명이 토론하는 평가가 아니라 소비자·팬덤 성향을 상품과 맞추는 엔진입니다.
입력
베트남 인플루언서 + K-라이프스타일 상품
한쪽은 현지 인플루언서 계정, 다른 쪽은 국내 중소기업 상품입니다.
이 둘을 잇는 것이 과제의 전부입니다.
계획서 슬라이드 7 「누가 진짜 내 물건을 팔아줄 사람인가 판단할 객관적 근거 부재」
1분기
트래픽 수집 계획서
인플루언서별·콘텐츠별 유입을 개별로 식별해 실시간 수집합니다.
여기서 누가 데려온 손님인지가 갈립니다.
기술 1동적 딥링크SNS 인앱 브라우저 한계 극복
기술 2서버측 트래킹쿠키 제한·광고 차단 대응
기술 3데이터 파이프라인유입률 < 처리율 조건 관리
슬라이드 17·19 · 1차년도 1분기
2분기 · NV-Auth
진위성 검증 계획서
가짜 팔로워와 봇을 걸러냅니다.
성질이 다른 세 신호를 동시에 보고 하나로 합칩니다.
한 가지 방법으로는 잡히지 않기 때문입니다.
신호 1 · 구조GraphSAGE팔로워 관계망 임베딩
신호 2 · 시계열LSTM-AE행동 이상탐지·신종 봇
신호 3 · 콘텐츠반응 일관성콘텐츠와 반응의 아귀
합치기 = XGBoost가 세 신호를 통합 판정합니다. 임계값은 F1이 최대가 되는 지점으로 잡습니다.
판정 근거는 SHAP으로 설명할 수 있게 했습니다. 왜 떨어뜨렸는지 말할 수 있어야 광고주가 납득합니다.
슬라이드 13·15·16·18 · 정답 라벨 = 신원 검증된 소속 인플루언서
2분기 · 멀티모달
콘텐츠 품질 분석 계획서
팔로워 수가 아니라 콘텐츠 자체를 봅니다.
영상 속에서 제품이 얼마나 오래·어디에·얼마나 눈에 띄게 나오는지를 수치로 만듭니다.
네 갈래로 동시에 분석합니다.
영상YOLOv11제품 노출 탐지
음성Whisper말한 내용 전사
텍스트PhoBERT·mBERT베트남어 감성 분석
정합CLIP이미지-텍스트 일치
슬라이드 15·16·20 · 1차년도 2분기
3분기 · NV-Match
상품-인플루언서 매칭 계획서
세 주체를 같은 공간에 놓고 서로 얼마나 어울리는지 잽니다.
영향력이 커도 결이 안 맞으면 안 팔립니다. 그 어울림을 수치로 만듭니다.
축 1상품K-라이프스타일 SKU
축 2인플루언서콘텐츠·영향력 특성
축 3팬덤 소비행동실제로 무엇을 사는가
순위 매기기 = 코사인 유사도로 후보를 만들고 LightGBM 랭킹으로 순서를 정합니다.
정답이 좋아요가 아니라 「실제 구매 전환」입니다. 판매 채널이 없는 경쟁사는 이 학습을 못 합니다.
목표 = F1 0.85 이상
슬라이드 13·14·21 · 검증 = 커머스 전문가 10인 블라인드 테스트 + 실캠페인 CTR 대조
★ 게이트
사람 검토 제안
계획서에 없는 자리입니다. 제가 넣자고 제안합니다.
매칭 순위가 나온 뒤 캠페인을 실제로 돌리기 전에 담당자가 확인하는 칸입니다.
AI 점수를 판정이 아니라 관찰 결과로 두고, 승인한 사람과 근거를 함께 기록합니다.
제안 근거 = 플레이북 Ch.07 「알고리즘 점수를 최종 판단으로 사용」 금지 · Ch.09 「AI가 결정하지 않는다」
계획서에도 「커머스 전문가 10인 블라인드 테스트」라는 사람 검증 절차가 이미 있어 성격이 맞습니다
실행
캠페인 실행 계획서
인플루언서와 콘텐츠를 공동 기획·제작해 틱톡샵·쇼피에 올립니다.
이미 해본 일입니다. PoC에서 1개월 4개 제품으로 약 3억 7천만원을 팔았습니다.
슬라이드 9 · 인플루언서 어필리에이트 PoC 실적
4분기 · Attribution
기여도 측정 계획서
「누가 실제로 돈을 벌어다 주었는가」를 밝힙니다.
여러 명이 함께 붙은 캠페인에서 각자의 몫을 공정하게 나누는 계산입니다.
이게 있어야 인플루언서가 계속 붙어 있습니다.
방법Shapley 기여도협조게임론 기반 공정 배분
지표CVR딥링크 단위 전환율
목표추적 정확도 99.5%리워드 정산의 근거
슬라이드 12·17·18 · 1차년도 4분기
NV-Loop
폐쇄 루프 — 되돌아가는 학습 계획서
여기가 이 과제의 심장입니다.
판매 결과를 다시 매칭 모델에 넣어 스스로 똑똑해지게 만듭니다.
쓰면 쓸수록 정확해지고, 그만큼 후발주자와 격차가 벌어집니다.
노출 최적화Contextual BanditLinUCB · 강화학습 계열
실험 설계Bayesian Opt.고정 A/B 대비 손실 최소화
재학습온라인 갱신판매 결과가 월 단위로 재유입
↺ 되돌아갑니다 — 여기서 나온 결과가 NV-Match(3분기 매칭)와 NV-Auth(2분기 판정)로 다시 들어갑니다.
계획서 표현 그대로 「사용량에 비례해 성능 격차가 누적되는 플라이휠」입니다
슬라이드 13·14 · 「캠페인 → 전환 기여 기록 → 매칭 모델 재학습 자동 환류」
산출
인사이트 리포트 계획서
쌓인 데이터를 제조사에 파는 정보 상품으로 만듭니다.
단순 판매 수수료를 넘어서는 수익 모델입니다.
환각 차단 장치가 이미 설계되어 있습니다.
LLM 단독 생성이 아니라 자사 DB에서 근거를 검색해 인용하는 RAG 방식이고,
「근거 없는 문장은 차단 후 재생성」·「자사 데이터 외 근거의 수치 생성 금지」가 운영 원칙으로 적혀 있습니다.
슬라이드 15·16 · LLM + RAG · citation check