널리 TIPS RS-2026-25608435 · 내부자료

M1 인플루언서 분석
그래프 구조도

과제의 8 페르소나 평가를 노드 구조로 다시 그린 것입니다.
무엇이 병렬로 돌고, 어디서 사람이 승인하고, 결과가 어디에 쌓이는지를 한 장에 담았습니다.

모듈 M1 인플루언서 분석 노드 7단계 + 병렬 8 작성 2026-08-15

이 그림이 왜 필요한가

지금 과제 문서에는 M1이 「모듈」이라는 말로 적혀 있습니다.
글로만 있으면 개발자와 이야기할 때 매번 설명을 다시 해야 합니다.

노드로 그려 두면 세 가지가 한눈에 보입니다.

라벨 읽는 법

있음 이미 과제 문서에 정의되어 있는 것 · 만들 것 이번에 새로 설계해야 하는 것

구조도

입력

베트남 SNS 계정

인스타그램 · 틱톡 · 유튜브의 후보 인플루언서 계정.
여기서 「아직도 직접 보고 계신가요」라는 질문이 시작됩니다.
노드 1

수집 있음

계정별 팔로워·조회수·좋아요·댓글·게시물을 긁어옵니다.
4개국 동시 데일리 수집이 과제에 정의되어 있습니다.
근거 = TIPS 본문 M2 「4개국 동시 데일리 AI 분석」
노드 2

진위 검증 있음

가짜 팔로워와 봇을 걸러냅니다.
여기서 떨어지면 아래로 안 내려갑니다. 뒤 단계의 비용을 아끼는 자리입니다.
근거 = 과제 P3 「가짜 팔로워에 연 $4.6B 광고비 낭비」 · 탐지 95.5% 학술 표준
진짜 계정만 통과
노드 3

콘텐츠 품질 분석 있음

팔로워 수가 아니라 콘텐츠 자체를 봅니다.
영상·음성·텍스트를 각각 분석해 정량 지표로 바꿉니다.
근거 = M1 차별 2 「멀티모달 분석 (BERT·CLIP·VideoMAE·Whisper)」
여기서부터 여덟 갈래로 갈라집니다
노드 4 — 병렬 8
8 페르소나가 동시에 평가합니다. 순서대로 돌지 않습니다.
한 명이 다 보면 편향이 생기기 때문에 직군을 나눠 각자의 눈으로 봅니다.
노드 4-1브랜드
노드 4-2시장 분석
노드 4-3콘텐츠 제작
노드 4-4디자인
노드 4-5AI 콘텐츠
노드 4-6소비자 행동
노드 4-7글로벌 시장
노드 4-8가격·수익화
왜 나눴나 = 과제 P7 「단일 AI 1대 평가는 매번 점수 흔들리고 편향 발생」. 여덟으로 나눈 것이 그 답입니다
여덟 결과를 모읍니다
노드 5

합의 있음

여덟 의견이 얼마나 일치하는지 계산합니다.
일치도가 기준에 못 미치면 점수를 확정하지 않습니다.
근거 = M1 차별 1 「8 직군 토론 (Cohen Kappa κ ≥ 0.6)」
분기 — 일치도가 0.6 미만이면 노드 4로 되돌아가 재평가합니다. 무한 반복을 막으려면 재시도 횟수 상한을 정해 둬야 합니다 만들 것
일치도 통과
노드 6

성장 곡선 예측 있음

지금 잘하는 사람이 아니라 앞으로 자랄 사람을 봅니다.
6개월 뒤 영향력을 시계열로 예측합니다.
근거 = M1 차별 3 「LMM 시계열 6개월 ± 예측」
★ 게이트

사람 승인

여기서 반드시 멈춥니다.
AI가 낸 점수는 판정이 아니라 관찰 결과로 둡니다.
담당자가 보고 승인해야 다음으로 넘어갑니다.
승인한 사람과 그 판단 근거도 함께 기록합니다.
근거 = 플레이북 Ch.07 금지 평가 「알고리즘 점수를 최종 판단으로 사용」 금지 · Ch.09 「AI가 결정하지 않는다」
노드 7

Talent ID 기록 만들 것

여기까지 나온 값이 사람 단위로 쌓입니다.
점수 한 줄이 아니라 시간에 따른 변화로 남습니다.
이 축적이 다음 매칭을 더 정확하게 만듭니다.
근거 = 플레이북 Ch.04~06 Talent Data Infrastructure · Growth Timeline
출력

브랜드 매칭 · 캠페인 제안

광고주에게 맞는 인플루언서를 제안합니다.
캠페인 결과는 다시 노드 7로 돌아와 기록이 두꺼워집니다.

결과가 Talent ID 어디로 들어가는가

플레이북의 Talent ID는 일곱 칸으로 되어 있습니다.
위 구조도가 만들어 내는 값이 그 중 다섯 칸을 채웁니다.

WHAT · 역량

노드 3 콘텐츠 품질 분석 결과가 들어갑니다

HOW · 행동

활동 패턴과 성장 속도.
플레이북의 Growth Velocity가 여기입니다

PROOF · 증거

8 페르소나 평가 기록 자체가 증거가 됩니다

CHANCE · 기회

매칭 제안과 캠페인 참여 이력

VALUE · 가치

캠페인 성과와 커머스 전환 결과

WHO · WHY

신원과 목표는 사람이 직접 입력합니다. AI가 만들지 않습니다

이 구조의 값어치

아카데미 원생과 베트남 인플루언서가 같은 데이터 구조를 씁니다.

플레이북이 선언한 문장과 정확히 같습니다.
「사업을 많이 하는 것이 아니라, 각 사업이 같은 Talent Data Layer를 공유한다는 점」

!

반드시 짚어야 할 충돌 하나

우리 문서끼리 부딪히는 지점

플레이북 Ch.07은 금지 평가 다섯 가지를 정해 두었고 그 중 하나가 이것입니다.

알고리즘 점수를 최종 판단으로 사용

그런데 M1은 0~100점을 냅니다.
그대로 두면 저희가 만든 규칙을 저희가 어기는 모양이 됩니다.

해법 — 구조도의 ★게이트가 그 답입니다
  • AI 점수는 판정이 아니라 관찰 결과로 정의합니다
  • 최종 판단 앞에 사람이 승인하는 칸을 반드시 둡니다
  • 승인한 사람과 판단 근거도 함께 기록합니다

이렇게 하면 규칙을 어기지 않고 AI 점수를 쓸 수 있습니다.
오히려 「우리는 AI가 결정하지 않는다」가 차별점이 됩니다.

이 그림에서 아직 비어 있는 것

구조는 나왔지만 숫자와 규칙이 아직 없습니다. 개발 전에 정해야 할 것들입니다.

다음에 만들 수 있는 것

말씀 주시면 이어서 만들겠습니다.

  • Talent ID 필드 초안 — 노드 7이 만들어 내는 값을 그대로 필드로. 플레이북 별첨 ①을 채웁니다
  • 과제 설명용 한 단락 — 심사와 투자 미팅에서 쓸 문구. 「8 페르소나」에 「그래프 기반 멀티에이전트 평가 구조」를 얹는 번역