요약
•
총점 100점 = “손상 위험도” (높을수록 위험)
•
3개 축으로 구성:
1.
Context(주제 일관성) 40점
2.
Content(누적 품질/독창성) 35점
3.
Chain(내부 연결/재방문 흐름) 25점
•
점수는 “좋음”을 측정하는 게 아니라 **“신뢰가 깨지는 패턴”**을 조기에 잡는 데 최적화
1) 점수 모델(계산 방식)
•
각 항목은 위험 발생 시 점수를 더하는 방식(가산형)
•
C_RANK_DAMAGE_RISK = ContextRisk(0~40) + ContentRisk(0~35) + ChainRisk(0~25)
2) 체크리스트(항목/배점)
A. Context(주제 일관성) 위험 점수 (0~40)
항목 | 조건(최근 기준) | 배점 |
코어 토픽 이탈 | 최근 20개 글 중 Core Topic 동일 비율 < 80% | +15 |
주제 급변(연속 이탈) | 최근 10개 글 중 이탈 글이 3개 이상 | +10 |
서브클러스터 편중 | 특정 sub_cluster가 최근 30개 중 55% 초과 | +8 |
역할 붕괴 | update/news 글이 최근 10개 중 5개 이상 | +7 |
해석: C-Rank에서 가장 치명적인 건 “나는 누구인가”가 흐려지는 것(주제 확산)입니다.
B. Content(누적 품질/독창성) 위험 점수 (0~35)
항목 | 조건 | 배점 |
독창성 결핍 누적 | originality_type=none 비율(최근 10개) ≥ 40% | +10 |
리스크/반론 결여 누적 | counter_risk_block=FALSE 비율(최근 10개) ≥ 40% | +10 |
근거(데이터/제도) 부족 | evidence_block=FALSE 비율(최근 10개) ≥ 30% | +7 |
출처 미표기 | sources_declared=FALSE 비율(최근 10개) ≥ 30% | +5 |
AI 과다 초안 누적 | ai_ratio_est ≥ 70 글 비율(최근 10개) ≥ 30% | +3 |
해석: C-Rank는 “내용의 깊이”를 직접 수치로 공개하진 않지만, 실무적으로는 독창성·근거·리스크가 누적 품질의 핵심 신호가 됩니다.
C. Chain(연쇄 반응/내부 흐름) 위험 점수 (0~25)
항목 | 조건 | 배점 |
허브 회귀 약함 | hub_asset_id 보유 글 중 링크로 허브 회귀 없는 비율 ≥ 20% | +10 |
고아 문서 증가 | 내부 링크 in/out 모두 부족한 글(최근 20개) ≥ 4개 | +7 |
필러 부재 | pillar 글이 최근 60일 내 0개 | +5 |
업데이트 방치 | freshness_needed=TRUE 글 중 90일+ 미수정 비율 ≥ 30% | +3 |
해석: 체인이 끊기면 “출처 단위의 신뢰 축적”이 약해지고, 시의성 글 남발이 주제 확산으로 이어집니다.
3) 위험 등급(Score → Level) & 즉시 처방
점수 | 등급 | 의미 | 2주 처방(바로 실행) |
0–19 | 안전 | 방향/품질/체인 안정 | 필러 1개 업데이트 + 서포팅 2개 |
20–39 | 주의 | 주제 확산/구조 누락 시작 | Core Topic 고정(5연속) + 리스크 블록 의무화 |
40–59 | 경고 | 출처 신뢰 희석 진행 | 시의성 글 중단(1주) + 기존 글 3개 리라이트(근거/반론/체크리스트 추가) |
60–100 | 위험 | 패턴 단위 손상 가능 | 템플릿 전면 교체 + Pillar 재구축 + 고위험 글 우선 수정(상단 결론/범위/리스크 삽입) |
4) “가장 위험한 조합” 즉시 경보(플래그)
아래 조합은 점수와 별개로 즉시 개입을 권합니다.
•
AI_HIGH_NO_JUDGEMENT 패턴(최근 10개 중 2개 이상)
◦
조건: ai_ratio_est ≥ 70 AND human_judgement_block = FALSE
•
“시의성 글 연속 3개 + 허브 회귀 링크 없음”
•
“독창성 none 연속 3개” (요약/재탕 누적)
5) CSV 컬럼 예시(점수 자동 계산용)
이미 운영 중인 content_assets.csv에 아래 컬럼만 추가하면 점수화가 쉬워집니다.
추가 권장 컬럼
core_topic,sub_cluster,role,intent_type,hub_asset_id,originality_type,conclusion_first,evidence_block,counter_risk_block,actionable_checklist,sources_declared,ai_ratio_est,human_judgement_block,freshness_needed,last_update_date,links_to_hub,internal_links_in,internal_links_out
Plain Text
복사
•
links_to_hub, internal_links_in/out는 content_links.csv에서 집계해서 채워도 됩니다.
(보너스) 점수 계산 SQL 뼈대(원하면 그대로 사용)
-- 최근 10/20/30개 비율을 뽑아 항목별 가산점을 주는 방식으로 구현
-- (환경에 맞게 LIMIT/기간 기준을 조정)
SQL
복사
원하시면, 파현 선생님이 쓰는 테이블명/기간 기준(최근 N개 vs 최근 30일 등)에 맞춰 **완성형 SQL(View 포함)**으로 만들어 드릴게요.
바로 적용하는 방법(가장 현실적인 순서)
1.
최근 30개 글만 content_assets.csv에 입력
2.
위 체크리스트를 항목별로 TRUE/FALSE 집계
3.
점수 산출 → “주의/경고”이면 2주 처방부터 실행
원하시면, 파현 선생님 주제(예: 서울 정비사업/금리·리츠/상가) 기준으로 **‘정상 운영 목표값(예: Core Topic 85% 등)’**도 같이 세팅해 드리겠습니다.
