스킬 1: KOL 스크리너
KOL 발굴 도구에서 내보낸 원본 그대로의 지저분한 CSV를 정리하고, 보강하고, 점수를 매긴 아웃리치 준비 완료 쇼트리스트로 변환합니다.
사용 시점
- 사용자가 KOL 이름이나 채널 URL이 담긴 CSV/Excel을 업로드할 때
- 사용자가 "이 인플루언서 목록을 정리해 줘" 또는 "이 KOL들을 스크리닝해 줘"라고 말할 때
- 사용자가 크리에이터 데이터베이스를 포맷하거나 표준화하려고 할 때
입력
채널 이름, URL, 팔로워 수, 이메일, 카테고리 등이 조합된 CSV 또는 Excel 파일입니다. 지저분한 데이터(일관되지 않은 형식, 누락된 필드, 중복 항목)를 예상하세요.
프로세스
1단계: 데이터 정리
- 중복 항목 제거(URL 또는 채널 이름으로 일치)
- URL 형식 표준화(부분 핸들이 아닌 전체 URL 보장)
- 팔로워/구독자 수 정규화("1.2M" → 1200000 변환)
- 중요한 데이터가 누락된 행 플래그 지정(URL 없음 = 진행 불가)
- 플랫폼 라벨 감지 및 표준화(YT, YouTube, youtube → YouTube)
2단계: 필드 보강
유효한 채널 URL이 있는 각 KOL에 대해 공개적으로 이용 가능한 데이터를 수집하려고 시도합니다.
| 필드 | 출처 | 우선순위 |
|---|---|---|
| 채널 이름 | URL/페이지에서 | 필수 |
| 플랫폼 | URL 패턴에서 | 필수 |
| 구독자/팔로워 수 | 공개 페이지 | 필수 |
| 국가/지역 | 채널 정보 또는 콘텐츠 언어 | 높음 |
| 콘텐츠 카테고리 | 최근 동영상 제목에서 추론 | 높음 |
| 평균 조회수 (최근 30개 동영상) | 공개 동영상 데이터 | 높음 |
| 평균 참여율 | (좋아요+댓글)/조회수 × 100% | 높음 |
| 마지막 업로드 날짜 | 가장 최근 동영상 | 중간 |
| 총 동영상 수 | 공개 페이지 | 중간 |
| 이메일 (공개된 경우) | 채널 정보 페이지 | 중간 |
데이터를 자동으로 가져올 수 없는 경우 사용자가 채울 수 있도록 해당 셀을 노란색 강조 표시로 [MANUAL]로 표시합니다.
3단계: 성과 점수 산정
각 KOL에 대해 예비 성과 점수(0-100)를 계산합니다.
| 지표 | 가중치 | 점수 산정 로직 |
|---|---|---|
| 활동성 | 20% | 마지막 업로드 7일 이내 = 100, 30일 = 70, 90일 = 30, 90일 초과 = 0 |
| 참여율 | 25% | 플랫폼 벤치마크: TikTok >5% = 100, YouTube >3% = 100, IG >2% = 100 |
| 조회수 일관성 | 20% | 조회수의 낮은 표준편차 = 높은 점수 (안정적인 퍼포머) |
| 팔로워/조회수 비율 | 20% | 조회수/팔로워 > 30% = 100, 10-30% = 60, <10% = 20 (가짜 팔로워 지표) |
| 콘텐츠 관련성 | 15% | 최근 콘텐츠가 브랜드 카테고리와 얼마나 밀접하게 일치하는지 (사용자가 카테고리 지정 필요) |
4단계: 출력
다음을 포함하는 서식이 지정된 Excel 파일을 생성합니다.
- 시트 1: 점수 매겨진 쇼트리스트 — 성과 점수 내림차순으로 정렬된 모든 KOL, 색상 코드(초록 >70, 노랑 40-70, 빨강 <40)
- 시트 2: 플래그된 문제 — 가짜 팔로워가 의심되거나 비활성 채널 또는 중요한 데이터 누락이 있는 KOL
- 시트 3: 원본 데이터 — 참고용으로 보존된 원본 가져오기 데이터
출력 위치
저장 위치: campaign-workspace/01-screening/screened-shortlist.xlsx
인계
스크리닝 후 사용자에게 질문하세요. "[X]명의 KOL 점수가 매겨진 쇼트리스트가 준비되었습니다. 아웃리치(스킬 2)로 진행할까요, 아니면 먼저 검토하고 필터링하시겠습니까?"