Trendwatch - TikTok/인스타그램 트렌드 분석 및 훅 아이디어

Trendwatch

유기적 TikTok/인스타그램 성장을 위한 파이프라인: 경쟁사에서 효과적인 것을 발견하고, 7가지 축으로 분석하여, 사용자 제품에 맞게 조정된 훅 아이디어를 생성하며, 시간이 지남에 따라 학습을 축적하여 스킬이 더욱 정교해집니다.

공유 도구

리포지토리의 tools/ CLI를 수동 수집/분석 코드보다 선호하세요. 이 도구들은 균일한 JSON 형식을 출력하고 서로 연결됩니다. 관련 도구는 다음과 같습니다:

단계	도구	용도
3	trending_sounds.py	지역 및 기간별 Creative Center 트렌딩 사운드/해시태그
4	tiktok_account.py	계정의 동영상 + 통계 + 댓글 수집 (TikTokApi → yt-dlp 폴백)
4	video_metadata.py	스크래퍼가 차단된 경우 수동 URL 목록을 위한 폴백 수집기
4-5	account_stats.py	계정 중앙값 / 게시 빈도 / 이상치 / 유료 증폭 + 섀도우 신호 / 규모 범주
4-5	engagement.py ⭐	동영상별 참여 점수, 저장율, 비율, 신선도, 포맷 vs 크리에이터 vs 유료 기여도 분석
5	decompose_video.py	7축 분석을 위한 키프레임 + 썸스탑 프레임 + 트랜스크립트

표준 체인: tiktok_account.py → account_stats.py (중앙값/신호 획득) → engagement.py --account-median <M> --top 10 (아이디어 발상 적격 동영상 순위). 전체 맵 및 플래그는 tools/README.md에 있습니다.

운영 원칙

1. 묻기 전에 항상 먼저 자동으로 발견하세요. 도구를 최대한 활용하십시오: WebSearch (URL, 핸들, 뉴스), WebFetch (앱 스토어 페이지, 랜딩 페이지, 경쟁사 프로필), 읽기/grep (코드베이스, 분석 이벤트, 메모리 파일). 사용자에게만 묻습니다: 전략적 결정 (목표, KPI, 트래픽 방향), 주관적 선호도 (톤, 가치), 시스템에 없는 운영 사실 (예산, 콘텐츠 촬영자), 또는 이미 초안된 가설에 대한 검증. URL, 핸들, 카피, 지역 등 도구가 반환할 수 있는 것은 절대 묻지 마세요. 사용자의 역할은 판단이지 조회가 아닙니다.

2. 좋아요는 신뢰할 수 없습니다. 조회수, 저장, 공유 신호에 최적화하세요. 완료율이 공개되지 않을 때는 4단계의 대체 공식을 사용합니다.

3. 훅은 포맷 안에 존재합니다. 항상 동영상을 포맷(POV / GRWM / 전환 / 보이스오버-B롤 등)으로 태그하세요. 동일한 훅이라도 잘못된 포맷에서는 실패합니다.

4. 처음 1.5초는 훅이 아닙니다. 썸스탑과 훅은 별개의 메커니즘입니다. 별도로 분석하세요.

5. 댓글은 카피에 대한 근거 자료입니다. 경쟁사 바이럴 동영상의 상위 댓글은 실제 사용자의 언어와 고통을 드러냅니다. 이를 활용하세요.

6. experiments.md는 복리로 쌓이는 자산입니다. 아이디어 발상 전에 항상 읽으세요. 사용자가 게시한 후에는 항상 업데이트를 제안하세요.

7. 성공작에 반복 투자하고, 실패작은 빨리 버리세요. 신규/비활성 계정에서 ~1000회 조회수를 돌파한 동영상은 알고리즘의 첫 번째 관문을 통과한 것입니다. 이것은 메시지를 고정하고 변수를 변경 (크리에이터 외모, 배경, 미적 감각, 속도)해야 한다는 신호입니다. 새로운 아이디어 발상은 콜드 스타트용이고, 변형 생성은 입증된 성공작용입니다. 첫 번째 성공 이후 대부분의 승리는 새로운 시도보다는 반복에서 나옵니다.

8. 섀도우 계정과 협력 인플루언서를 모두 찾으세요. 둘 다 실제 도달을 창출하는 비공식 제품 배치를 생성합니다. 자금이 충분한 경쟁사는 두 가지 병렬 메커니즘을 사용합니다: (a) 섀도우 대체 계정 (브랜드가 직접 운영하며 UGC로 가장한 비공식 계정) 및 (b) 협력 인플루언서 (브랜드 게시물을 제작하는 유료 독립 크리에이터). 둘 다 공식 계정보다 유기적으로 더 나은 성과를 내는 경우가 많습니다. 둘 다 실제 벤치마크입니다. 신호 감지: 화면 녹화에서 보이는 앱 UI 워터마크, 경쟁사 사이트로 연결되는 바이오 링크, 공식 계정과 동일한 게시 주기 (섀도우 시그니처), #ad/#스폰서/#협찬 공개 (파트너십 시그니처), "@브랜드 감사합니다" 언급, 공식 출시 후 몇 시간 내에 게시된 콘텐츠, 반복되는 공식 마케팅 문구. 두 유형 모두 competitors/{handle}.md에 type: shadow_of_{X} 또는 type: partner_of_{X} 태그로 추적합니다. 분류는 경쟁사 예산을 이해하는 데 중요하지만 포맷 마이닝에는 중요하지 않습니다 — 두 범주 모두 동등하게 분석 가능한 제품 배치 크리에이티브를 생성합니다.

9. 최신성이 중요합니다. 새 것이 유명한 것보다 낫습니다. 6개월 전에 인기가 절정에 달했던 사운드나 포맷은 이제 알고리즘적으로 억제되고 사용자에게 식상함을 줍니다. 분석된 모든 동영상의 posted_date와 age_days를 항상 캡처하세요. 신선도 태그: rising (<14일) / peak (14-30일) / declining (30-60일) / evergreen-structure-only (>60일). 사운드 추천: rising 또는 peak에 있는 동영상만 사용합니다. 훅/포맷 패턴 마이닝: 60일까지 확장합니다. 60일 이상 된 동영상은 상시 구조적 패턴(예: 특정 고통 훅 프레이밍)에 유용하지만 "이 정확한 사운드 사용" 또는 "이 정확한 크리에이티브 복사" 조언에는 절대 사용하지 않습니다.

10. 포맷 성공, 크리에이터 지분 성공, 유료 증폭 성공을 분리하세요. 팔로워 200만 크리에이터의 조회수 50만 동영상은 포맷이 효과가 있다는 증거가 아니라 크리에이터가 인기가 있다는 증거입니다. TikTok Spark Ads/유료 파트너십을 통해 부스트된 게시물도 마찬가지입니다. 모든 동영상에 대해 계산합니다:

    • engagement_ratio = 조회수 / 팔로워 수 (정규화된 도달) — 계정 기준선의 0.5배 이상인 동영상은 포맷이 부가가치를 더했음을 의미하고, 0.1배 미만은 크리에이터가 주도했음을 의미합니다.
    • vs_account_median = 조회수 / 계정 중앙값 조회수 — 중앙값의 2배를 초과하는 동영상 = 포맷 기여; 중앙값에 가까운 동영상 = 크리에이터 기준선 기여.
    • 유료 증폭 신호 플래그: 평범한 계정에서 갑작스러운 급증; #ad/#스폰서/#협찬 공개; 유기적 프레이밍 없이 "@브랜드 감사합니다" 언급; 크리에이터 기준 품질에 비해 의심스러울 정도로 정교한 편집; 프로필에 비즈니스 계정 "프로모션" 배지; "이거 광고 아니야?" 라는 시청자 댓글 패턴.

    아이디어 발상을 위해 패턴 순위를 매길 때 포맷 기여 성공만 가중치를 부여합니다. 팔로워 5천 계정의 조회수 5만 게시물이 팔로워 200만 계정의 조회수 50만 게시물보다 훨씬 이전 가능성이 높습니다. 각 분석된 동영상에 format-attributable / creator-attributable / paid-amp-suspected 태그를 지정하고 첫 번째 범주에서만 아이디어 발상 패턴을 가져옵니다.

11. 보편적인 학습을 플레이북에 축적하세요. 각 실행이 끝날 때마다 "이번에 여러 분야에 걸쳐 적용되는, 이 제품에만 국한되지 않는 것을 배웠나요?"라고 질문합니다. 그렇다면 그것을 이 SKILL.md의 전술적 플레이북 섹션에 새로운 하위 섹션으로 추가합니다. 제품별 또는 분야별 학습은 brief.md와 experiments.md에 남습니다. 스킬은 여러 분야에 걸친 패턴이 기록될 때만 가치가 축적됩니다. 범위에 대해 확신이 서지 않을 때는 "SaaS 창업자, 피트니스 앱, 패션 브랜드 모두 이 규칙의 혜택을 받을 수 있을까요?"라고 질문하세요. '예'이면 → 플레이북. '아니오'이면 → brief/experiments.

12. 소규모~중간 규모 계정의 제품 배치 동영상만 필터링하고 유명인 수준의 배치는 완전히 제외하세요. 포맷 마이닝을 위해 원하는 것은: (a) 게시물이 명시적인 제품 배치 (브랜드 언급, UI 표시, 해시태그 또는 "@브랜드 감사합니다") 이고, (b) 게시 계정의 팔로워가 <50만 명, 이상적으로는 1만~25만 명인 경우입니다.

    두 필터가 모두 중요한 이유:

    • 필터 (a) — 배치 필터 — 없이 분석하면 크리에이터의 일반 콘텐츠만 분석하게 되어 경쟁사 전략이 아닌 크리에이터의 도달에 대해 배우게 됩니다.
    • 필터 (b) — 규모 필터 — 없이 분석하면 유명인 배치를 분석하게 되는데, 이는 의도적으로 포맷을 약화시킨 도달 구매입니다 (플레이북 섹션 "유명인 파트너십 배치는 거의 이전되지 않는다" 참조). 우리가 복사하려는 지표는 포맷의 상승 효과가 아닌 유명인 청중 파이프라인을 반영합니다.

    계정 규모 범주 및 처리 방법:

    • <1만 팔로워: 신뢰할 수 있는 신호를 얻기에 너무 작음 — 참여도가 극단적인 경우(기준선의 100배 이상)에만 흥미롭습니다.
    • 1만~25만 팔로워: 포맷 마이닝 배치에 최적 — 여기서 포맷은 실제로 작동해야 합니다.
    • 25만~50만 팔로워: 여전히 유용하지만 포맷 기여로 처리하기 전에 engagement_ratio (원칙 10에 따라)로 정규화합니다.
    • 50만~100만 팔로워: 회색 지대 — 배치 게시물이 크리에이터의 기준선보다 분명히 높을 경우에만 수용합니다.
    • >100만 팔로워: 수집 중 배치를 제외합니다. 유명인 도달이 지배적이며 포맷 신호는 잡음입니다. 그들의 일반 콘텐츠는 여전히 사운드 트렌드 참고 자료가 될 수 있지만 경쟁사 전략 참고 자료가 되어서는 안 됩니다.

    배치 감지 신호: (a) 브랜드 해시태그 언급, (b) 캡션/제목의 브랜드 이름, (c) 화면 녹화에서 볼 수 있는 제품 UI, (d) "@브랜드 감사합니다" 공개, (e) #ad/#스폰서/#협찬 태그, (f) 바이오 오버레이의 제품 링크/핸들. 각 동영상에 product-placement-for-{경쟁사} 또는 creator-general-content 태그를 지정하고, 소스 계정을 팔로워 범주와 함께 태그합니다. 패턴 마이닝 시 50만 미만 계정의 배치만 집계합니다. 유명인 수준의 배치는 기록될 수 있지만 아이디어 발상 소스 세트에는 절대 포함되지 않습니다.

전술적 플레이북 (여러 실행에서 관찰된 보편적 패턴)

다음은 여러 분야에 걸쳐 적용되는 전술적 관찰 사항입니다. 모든 패스에 적용하십시오. 실행이 새로운 이전 가능한 교훈을 제공할 때마다 여기에 추가하여 향후 실행이 이를 상속받을 수 있도록 하십시오.

게시물이 저조할 때 진단 순서

게시물이 약 1000회 조회수 알고리즘 관문을 통과하지 못할 때, 다음 우선순위로 진단하십시오. 첫 번째 항목이 가장 일반적인 원인입니다.

1. 썸스탑 시각 효과 (0~1.5초) — 첫 번째 프레임이 실제로 스크롤을 멈추게 했습니까? 대부분의 "좋지 않은" 게시물은 괜찮은 훅을 가지고 있지만 눈에 띄지 않는 첫 번째 프레임을 가지고 있습니다.
2. 사운드 수명 주기 — 사운드가 원칙 9에 따라 rising/peak 상태였습니까? 오래된 사운드는 콘텐츠 품질과 관계없이 자동으로 억제됩니다.
3. 포맷-틈새 불일치 — 포맷이 알고리즘이 계정을 분류한 틈새와 일치합니까? 콜드 계정은 아직 틈새가 없습니다. 처음 3-5개의 게시물이 이를 정의합니다.
4. 캡션 훅 카피 — 첫 문장에 구두 훅이 있었습니까, 아니면 해시태그 스프였습니까? 해시태그는 끝에 속하고 훅은 처음에 속합니다.
5. 계정 콜드 스타트 — 1-4가 확인되었는데도 조회수가 여전히 500 이하라면, 계정에 더 많은 게시물이 필요할 뿐입니다. 알고리즘 신뢰는 틈새 내에서 3-10개 게시물에 걸쳐 축적됩니다.

콜드 스타트 메커니즘

• 새 계정은 각 게시물을 약 200~500회 조회수의 알고리즘 테스트 범주에서 보냅니다.
• 알고리즘에 계정의 틈새를 가르치고 생산적인 반복 사다리를 시작하려면 조회수 1000+를 돌파하는 3개의 게시물이 필요합니다.
• 그때까지: 짧은 포맷(5~15초)이 알고리즘 예산당 더 많은 기회를 얻습니다 (플랫폼당 테스트 비용이 낮음).
• 첫 1000+ 성과 이후: 더 긴 포맷의 성공작으로 믹스를 전환하고 원칙 7에 따라 변형 생성을 실행합니다.

저장률이 전환 선행 지표입니다 (유틸리티/도구 제품)

유틸리티, SaaS 또는 도구 제품 (무언가를 하는 앱)의 경우, 주요 전환 예측 지표는 저장률이며 좋아요나 조회수가 아닙니다.

• save_rate = 저장 / 조회수
• >5% → 강력한 구매 전환 예측
• 2-5% → 중간; 확장 전에 CTA 조정
• <1% → 조회수와 관계없이 전환 없음 예측 — 포맷은 인지도에 효과적이지만 구매에는 효과적이지 않음

좋아요는 엔터테인먼트 가치와 상관 관계가 있고, 저장은 의도와 상관 관계가 있습니다. 유틸리티 콘텐츠의 경우 좋아요율보다 저장률을 최적화하십시오. (엔터테인먼트/라이프스타일 콘텐츠에는 적용되지 않습니다. 공유와 팔로우가 더 중요합니다.)

앵커 대 변형 콘텐츠 분할

두 콘텐츠 유형은 서로 다른 역할을 수행합니다. 동일한 게시물에 전략을 혼합하지 마십시오.

• 앵커 게시물 (창업자 스토리, 브랜드 기원, 심층 사용 방법): 변형 반복하지 마십시오. 죽은 경우에만 다시 녹화하십시오. 분기에 1-2개 게시물을 계정 신뢰의 기둥으로 게시합니다. 창업자 목소리는 천천히 축적되는 프리미엄 신뢰입니다.
• 변형 친화적인 게시물 (트렌드 잭, 변신, 미적 목록, "일주일 동안 X를 시도했습니다"): 첫 성과 시 5-8개의 변형을 생성하도록 설계되었습니다. 주요 반복 사다리입니다.

창업자 스토리를 변형 반복하려고 하면 도달을 축적하지 않고 신뢰를 소모합니다.

클릭 가능한 링크가 없는 플랫폼(TikTok, IG 릴스)에서의 CTA 메커니즘

플랫폼이 동영상 내 클릭 가능한 링크를 지원하지 않는 경우:

• 브랜드 이름은 (a) 철자가 쉬워야 하고, (b) 기억하기 쉬워야 하며, (c) 동영상당 2회 언급되어야 합니다. 한 번은 보이스오버로, 한 번은 화면 종료 카드 텍스트로.
• "링크 인 바이오"는 최악의 CTA입니다 — TikTok에서 작동하지 않으며 (대부분 계정에 클릭 가능한 바이오 링크가 없음) 절박함을 나타냅니다.
• 유틸리티 명령으로 프레이밍된 브랜드 이름 CTA ("[브랜드] · [동사] · [결과]")는 명시적인 "다운로드하러 가기"보다 약 2-3배 더 나은 성과를 냅니다.

특정 고통 훅으로 틈새 청중 바이럴을 열다

특정 상태, 고통 또는 행동 패턴(일반적인 고통 대신)을 지칭하는 훅은 알고리즘의 틈새 추천 엔진에 의해 더 강하게 밀려납니다. 예: 조직화를 위한 ADHD/OCD, 신경 다양성 특성, 신체 형태 특이성, 지역 습관, 연령 코호트 행동.

• 트레이드오프: 틈새 고통 훅은 전체 조회수가 적지만 더 높은 저장률 (청중이 스스로 선택하여 들어옴)을 제공합니다.
• 계정에 저장률/전환 개선이 필요할 때 사용하고, 최상위 퍼널 도달을 추구할 때는 사용하지 마십시오.
• 표준 구조: "우리는 [제품]을 [일반 X]를 위해 만들었지만, [특정 고통]을 가진 사람들에게 얼마나 도움이 될지 예상하지 못했습니다"

대체 제품을 위한 안티-X 프레이밍

습관을 대체하는 모든 제품의 경우, "안티-X" 프레이밍이 "X 사용" 프레이밍보다 더 강력하게 전환됩니다:

• 쇼핑 대체 도구를 위한 안티-쇼핑백 ("...를 사용하기 시작한 이후로 구매를 멈춘 것들")
• 생산성 도구를 위한 안티-미루기
• 요리 단축 도구를 위한 안티-식사 준비

이 메커니즘은 추천 형태이지 판매 형태가 아닙니다. 시청자는 판매되는 것이 아니라 팁을 얻는 느낌을 받습니다. 높은 저장률, 전환에 KPI 정렬.

목록형 안티-피치

여러 앱 또는 도구 목록 ("[페르소나]가 [야망 동사]를 위해 필요한 상위 N개 앱")은 사용자 제품이 N개 중 하나일 때 부드러운 전환 수단으로 작동합니다:

• 단일 앱 피치보다 직접적인 압박이 낮음 → 더 높은 저장률
• 위험: 제품이 묻힐 수 있음 — 1번 또는 5번 위치에 배치 (시작/끝 우선 효과)
• 항상 진정한 비경쟁 앱 3-4개와 페어링하여 추천이 진정성 있게 읽히도록 함
• 신뢰할 수 있는 앱 참조와 함께 보여져야 하는 인지 단계 계정에 가장 적합

아이디어 발상 전 제작 스택 조사

아이디어를 생성하기 전에, 제품이 실제로 비디오 제작에 사용할 수 있는 도구가 무엇인지 감사하십시오 (Higgsfield AI, CapCut, Opus Clip, 기존 라이브러리 푸티지 등). 아이디어는 사용 가능한 제작 역량과 일치해야 합니다. 동영상 제작 능력 없이 AI 생성 아바타 콘텐츠를 추천하지 마십시오.

반응 콘텐츠의 유기적 규모

스크린샷, 인용문 하이라이트, 또는 제품 리뷰/반응의 반응 비디오는 유기적 도달이 뛰어납니다:

• 공유 가능성이 높고, 원본 콘텐츠 크리에이터가 네트워크를 통해 배포합니다 (댓글에서 태그 지정).
• 독창적인 콘텐츠에 비해 제작 비용이 낮습니다 (레코딩 + 반응).
• 하나의 반응은 시드 역할을 하며, 각 후속 반응은 메타-바이럴 루프를 촉발할 수 있습니다.
• TikTok의 "댓글 반응" 기능을 활용하면 추가 제작 없이 새로운 게시물이 생성됩니다.
• 반응 비디오에서 해시태그는 덜 중요합니다. 첫 번째 프레임 추천이 모든 것입니다.

동일한 사운드에 대한 다른 캡션 = 다른 청중

동일한 사운드를 사용하는 두 비디오는 완전히 다른 청중에게 도달할 수 있습니다. 캡션(및 알고리즘이 일치시키는 메타데이터)이 대상 시청자를 결정합니다. 분야별 키워드와 해시태그를 캡션에 포함시키는 것은 원하는 청중을 포착하는 데 사운드 선택보다 더 중요합니다.

가로세로비 결정

• 4:5 (세로): TikTok 및 IG 릴스의 기본값. 스크롤을 멈추게 하는 데 가장 효과적입니다.
• 1:1 (정사각형): 인스타그램 피드에 더 좋습니다. 사용자가 프로필에서 릴스와 피드 게시물을 모두 볼 때 전환율이 더 높습니다.
• 9:16 (전체 세로): 더 몰입감 있지만 첫 번째 프레임이 가려지고 캡션이 잘릴 위험이 있습니다. 대부분의 경우 4:5가 더 안전합니다.

아이디어 발상 파이프라인

1. 준비 (상태 파일)

state.json 및 competitors/ 및 learnings/과 같은 인접 디렉토리 확인. 존재하지 않으면 부트스트래핑.

2. 발견 질문 (최초 실행 시에만)

1. 어떤 제품/앱을 마케팅하고 있습니까?
2. 주요 목표는 무엇입니까? (앱 설치, 웹사이트 트래픽, 브랜드 인지도, 특정 기능 채택)
3. 주요 경쟁사는 누구입니까? (핸들 또는 이름)
4. 타겟 청중은 누구입니까? (인구통계, 관심사, 행동)
5. 내부 비디오 제작 능력은 무엇입니까? (편집자 유무, 재고 푸티지, AI 도구)

3. 경쟁사 발견

• 웹 검색: "{카테고리} TikTok 계정", "{카테고리} 인스타그램 마케팅", "{카테고리} 탐나는 해시태그"
• 경쟁사 분석 도구 (예: SocialBlade, Pentos) 사용 가능한 경우 결과 확인
• 경쟁사 추정: 공식 계정, 섀도우 계정, 파트너 인플루언서

4. 데이터 수집

tools/tiktok_account.py를 사용하여 경쟁사 동영상, 통계, 댓글을 수집합니다. 차단된 경우 tools/video_metadata.py로 대체하거나 다른 소스에서 가져옵니다. 데이터에 posted_date와 age_days를 포함시킵니다. 각 동영상을 팔로워 범주로 태그합니다.

5. 데이터 분석

tools/engagement.py를 사용하여 동영상 순위를 매깁니다. 계정 중앙값을 기준으로 정규화하고 포맷 기여 동영상만 식별합니다. 제품 배치 동영상은 팔로워 <50만 계정에서만 추출합니다.

6. 7축 분해

효과적인 각 동영상에 대해 7가지 축 분석:

1. 썸스탑 프레임: 시선을 사로잡은 것은 무엇입니까?
2. 사운드: 트렌드, 무드, 장르
3. 포맷: POV, 튜토리얼, GRWM, 전환, 챌린지, 반응 등
4. 훅(처음 3초): 말로 된 훅, 시각적 훅 또는 둘 다?
5. 내용: 핵심 메시지, 내러티브 아크, 가치 제안
6. CTA: 명시적 또는 암시적? 배치된 위치?
7. 미적 감각: 색상 팔레트, 조명, 편집 스타일, 브랜드 요소

7. 훅 아이디어 생성

분해된 패턴을 사용자 제품에 맞게 조정된 3-5개의 훅 아이디어를 생성합니다. 각 아이디어는 다음을 포함해야 합니다:

• 썸스탑 시각 효과 설명 (0-1.5초)
• 포맷
• 사운드 추천 (트렌드 확인, rising/peak 태그)
• 캡션 카피 (훅 우선, 해시태그 마지막)
• CTA 전략 (원칙: "링크 인 바이오" 피하기)
• 제작 난이도 (낮음/중간/높음)

8. 실험 업데이트

사용자가 선택한 아이디어와 예측 결과를 experiments.md에 기록합니다. (향후 사용자 게시물 결과로 업데이트).

작업 흐름 예시 (의사 코드)

1. 상태 확인
   - state.json 존재? → 읽기
   - 없음? → 발견 질문 5개 묻기 → state.json 생성

2. 경쟁사 스캔
   - state의 경쟁사를 위해 WebSearch 실행
   - 새 경쟁사 발견 시 competitors/{handle}.md 생성

3. 데이터 수집
   - 각 경쟁사에 대해 tools/tiktok_account.py 실행
   - 결과를 분석하여 중앙값/신호 얻기

4. 참여도 순위
   - tools/engagement.py 실행 (계정 중앙값 기준, 상위 10개 포맷 기여 동영상)
   - 수동 검토 (댓글, 크리에이터 vs 포맷 신호)

5. 분해 + 아이디어 발상
   - 상위 3개 동영상에 7축 분해 적용
   - 사용자 제품에 맞춘 훅 3-5개 생성
   - 각 훅에 포맷, 사운드, 미적 감각 추천 포함

6. 학습 축적
   - 새로운 크로스-버티컬 패턴을 SKILL.md 플레이북에 추가할지 제안
   - 사용자 선택/결과를 experiments.md에 기록