Communitygithub.com

벤치마크 방법론

경쟁 플랫폼 분석이 계층화된 경쟁사 세트를 생성한 후 사용합니다. 9개의 가중치가 적용된 차원(포지셔닝, 보이스, 비주얼 크래프트, 서비스 패키징, 증거, 기업 준비도, 싱크 리더십, 가격 책정, 클라이언트)을 기준으로 각 경쟁사를 평가합니다.

벤치마크 방법론란 무엇인가요?

이 스킬은 경쟁사 세트를 체계적이고 방어 가능한 점수로 전환하여, 각 경쟁사가 동일한 9개 차원에서 명시적인 1-5점 평가 기준으로 평가되고 균일한 프로필 카드로 캡처되도록 합니다. 일관성이 핵심입니다. 점수는 동일한 증거가 모든 경쟁사에 대해 동일한 점수를 얻을 수 있는 경우에만 유용합니다. 이 스킬은 Cursor, Claude Code, Codex, Windsurf, Cline 및 기타 주요 AI 코딩 에이전트에서 사용하도록 설계되었으며, 경쟁 플랫폼 분석을 완료한 후 경쟁 보고서 구조 작업을 준비하는 팀에게 특히 유용합니다. 지원되는 플랫폼에서 사용자는 가중 포지셔닝 차원, 편향 제어 메커니즘 및 구조화된 출력 형식을 포함한 포괄적인 방법론에 액세스할 수 있습니다. 이 스킬은 점수를 증거에 명시적으로 연결하고, 합성 점수를 피하며, 긴장 축을 별도로 보고하도록 하여 신뢰할 수 있는 벤치마킹 결과를 보장합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/benchmark-methodology

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

벤치마크 방법론은(는) 무엇을 하나요?

이 스킬은 범위가 지정된 경쟁사 세트를 비교 가능하고 방어 가능한 점수로 변환하는 데 사용합니다. 각 경쟁사는 동일한 9개 차원에서 명시적인 1-5점 평가 기준으로 평가된 후 균일한 프로필 카드로 캡처됩니다. 일관성이 핵심입니다. 점수는 동일한 증거가 모든 경쟁사에 대해 동일한 숫자를 얻을 수 있는 경우에만 유용합니다.

활성화 시기

  • 경쟁 플랫폼 분석에서 범위가 지정되고 계층화된 경쟁사 세트가 점수화 준비가 되었을 때.
  • 경쟁사 간에 비교 가능하고 증거 기반의 점수가 필요할 때 (직감적 순위가 아닌).
  • 클라이언트의 전략적 긴장(목표 화이트 스페이스를 정의하는 짝을 이룬 축)이 확립되었을 때.
  • 경쟁 보고서 구조에서 조립할 프로필 카드 생성을 준비할 때.

클라이언트 포지셔닝 브리프 (먼저 수립)

점수화 전에 클라이언트의 포지셔닝 브리프를 수립하세요. 다음을 제공합니다:

  • 전략적 긴장 — 두 축(예: 기억 가능성 × 고용 가능성)의 교차점이 클라이언트의 목표 화이트 스페이스를 표시합니다. 차원 9는 항상 클라이언트가 명명한 긴장입니다; 두 극을 별도로 보고하고 절대 평균하지 마십시오.
  • 차별화 요소 — 클라이언트의 해자를 만드는 요소입니다. 이는 클라이언트의 포지셔닝 주장에 가장 중요한 차원을 알려줍니다.
  • 브랜드 밸런스 — 의도된 다양한 전략적 강조점의 혼합입니다. 전략적 권장 사항은 이를 표시하지 않고 밸런스를 깨뜨려서는 안 됩니다.

이러한 차원이 중요한 이유

클라이언트는 서비스 폭이 아닌 두 극에 걸친 특정 긴장을 기반으로 경쟁합니다. 차원에는 해당 해자를 반영한 가중치가 부여됩니다. 두 차원(긴장의 극)은 별도로 점수화되고 절대 함께 평균화되지 않습니다. 클라이언트의 전략적 질문은 정확히 라이벌이 두 극을 동시에 달성하는지 여부이기 때문입니다.

9개 차원 (가중치 포함)

가중치는 합성 강조를 안내하며, 단일 혼합 점수를 생성하지 않습니다 (잘못된 합성 방지 — 편향 제어 참조). 합계 = 100%.

  1. 포지셔닝 명확성 및 차별성 (18%) — 스튜디오의 포지션이 날카롭고, 소유 가능하며, 즉시 식별 가능합니까? 아니면 일반적입니까?
  2. 브랜드 보이스 / 언어적 차별성 (15%) — 카피가 소유 가능한 레지스터를 가지고 있습니까, 아니면 상호 교환 가능한 에이전시 전문 용어입니까?
  3. 시각적 아이덴티티 및 사이트 제작 기술 (15%) — 시각 시스템의 품질 및 소유권; 사이트는 제작 기술의 증거입니다.
  4. 서비스 제공 및 패키징 (12%) — 제품화되고 명확한 (명명된 스프린트/감사) vs 모호함. 패키징 성숙도.
  5. 증거 및 신뢰성 (12%) — 명명된 클라이언트, 정량화된 결과, 사례 연구 깊이. 주장을 넘는 증거.
  6. 기업 준비도 / 상업적 성숙도 (10%) — SaaS/핀테크/B2B/기업 작업을 확보하고 유지할 수 있다는 신호 (프로세스, 로고, 규모, 계약).
  7. 싱크 리더십 / 콘텐츠 존재감 (8%) — 소유한 POV: 글쓰기, 강연, 뉴스레터, 프레임워크. 양보다 깊이.
  8. 가격 투명성 및 계약 모델 (5%) — 가격/계약이 명확합니까? 제품화 vs 맞춤형 vs 불투명.
  9. [클라이언트의 전략적 긴장] (5% 플래그로; 두 극 모두 점수화, 별도로 보고) — 클라이언트의 포지셔닝 브리프에서 긴장 이름과 축 설명을 읽으십시오. 둘 다 플롯하고; 그 차이가 인사이트입니다. 클라이언트의 목표 사분면은 가장 중요한 발견입니다: 이미 누가 그곳에 있는가?

평가 기준 (1-5, 차원 1-8에 적용)

모든 점수를 관찰 가능한 증거에 고정시키십시오. 아래는 일반적인 설명입니다; 차원별로 세부 사항을 조정하되 레벨 의미는 일정하게 유지하십시오.

  • 1 — 부재 / 일반적. 식별 가능한 포지션이나 제작 기술이 없음; 템플릿과 구별 불가. 적극적 약점.
  • 2 — 기준 이하. 일부 의도는 있지만 일관성 없고, 파생적이거나, 설득력 없음. 비교에서 살아남지 못함.
  • 3 — 적절함 / 기본 수준. 견고하고, 전문적이며, 특별할 것 없음. 기대치 충족, 누구도 소유할 수 없음.
  • 4 — 강함 / 차별적. 동료보다 분명히 뛰어남; 구매자가 알아차리고 언급할 실제 강점.
  • 5 — 카테고리 정의. 업계 최고, 소유 가능, 모방 어려움. 다른 업체가 반응하는 기준 설정.

긴장 축 (차원 9) — 각각 1-5로 점수화

클라이언트의 포지셔닝 브리프에서 축 레이블과 1/3/5 기준점을 읽으십시오. 기억 가능성 × 신뢰성 긴장의 예시 기준점:

  • 기억 가능성 — 1: 즉시 잊혀짐 · 3: 맥락에서 인식 가능 · 5: 잊혀지지 않고, 화제가 되며, 독특하게 소유됨.
  • 신뢰성 — 1: 위험/아마추어 느낌 · 3: 안전하고, 유능하지만, 흥미롭지 않음 · 5: 기업의 신뢰를 받으며, 명백한 안전한 선택.

긴장 2x2에 경쟁사를 플롯하십시오. 클라이언트의 목표 사분면은 포지셔닝 브리지에 명명되어 있습니다. 해당 사분면을 누가 차지하고 있는지가 벤치마크의 가장 중요한 발견입니다.

데이터 수집 방법

각 경쟁사에 대해 다음 순서로 차원을 작업하십시오 (가장 저렴한 신호부터):

  1. 경쟁사 자체 사이트 — 포지셔닝, 보이스, 서비스 제공, 가격 책정 태세, 명명된 클라이언트, 선언문/POV. 홈페이지 + 사례 연구 하나를 스크린샷.
  2. 사례 연구 / 작업 — 증거 깊이, 정량화된 결과, 클라이언트 이름. 주장된 것("우리가 X를 전달했습니다")과 입증된 것(지표, 명명, 검증 가능)을 구분.
  3. 리뷰 디렉토리 — 클라이언트, 프로젝트 규모, 계약 모델 확인 → 신뢰성 및 기업 준비도 (예: Clutch.co 또는 해당 분야의 유사 플랫폼).
  4. LinkedIn — 팀 규모/모델, 창립자 내러티브, 콘텐츠 게시 빈도 → 싱크 리더십, 모델.
  5. 포트폴리오 / 제작 기술 플랫폼 — 제작 기술 레지스터 (해당 분야 고유의 쇼케이스 사용: 디자인 보드, 쇼릴, 게시된 샘플 등).
  6. 콘텐츠 채널 — 뉴스레터/강연/글쓰기 → 싱크 리더십 깊이.

차원별 기록 사항: 점수, 한 줄 근거, 그리고 이를 얻은 소스 링크/스크린샷. 증거 없는 점수는 없습니다.

편향 제어

  • 단일 합성 점수 없음. 차원 점수와 긴장 플롯을 별도로 보고합니다. 가중 평균은 중요한 비대칭성을 숨깁니다.
  • 주장 vs 입증. 확인되지 않은 자체 보고 주장에 대해 신뢰성/증거 점수를 낮춥니다. 사이트 카피는 마케팅이지 사실이 아닙니다.
  • 미적 친화성 편향. 검토자는 자신의 미적 취향을 공유하는 스튜디오를 과대 평가하고 라이벌의 상업적 강점을 과소 평가할 수 있습니다. 제작 기술과 신뢰성을 독립적으로 점수화하십시오; "지루한" 사이트가 더 큰 클라이언트를 이길 수도 있습니다.
  • 최신성 / 화려함 편향. 수상 경력에 빛나는 작품은 눈부시지만 상업적 깊이가 부족할 수 있습니다 — 신뢰성 점수화 전에 디렉토리/클라이언트로 확인하십시오.
  • 생존자 편향. 눈에 띄고 마케팅이 잘 된 스튜디오가 시장의 전부는 아닙니다; 디렉토리/리뷰를 통해 발견된 강력하지만 조용한 운영자를 기록하십시오.
  • 격리되지 않고 세트 전체에 걸쳐 보정. 최종 확정 전에 점수를 나란히 다시 읽으십시오 — "4"는 모든 경쟁사에 대해 동일한 의미여야 합니다. 이상치를 조정하십시오.

경쟁사 프로필 카드 (출력 형식)

프로필화된 각 경쟁사에 대해 카드 하나를 생성합니다 — 보고서가 조립하는 기본 단위:

## <경쟁사 이름>
- **프로필 / 계층:** <포지셔닝 태세 · 전문 분야 · 규모 밴드> / <직접 | 인접 | 열망>
- **한 줄 요약:** <그들 자신의 말로 포지셔닝하는 방식>
- **모델 / 규모 / 지역:** <개인|초소형|부티크> · <지역> · <가격/계약 모델>
- **주목할 클라이언트 / 증거:** <명명, 입증/주장 태그 포함>

### 차원 점수
| 차원 | 점수 (1-5) | 근거 (1줄) | 출처 |
|---|---|---|---|
| 포지셔닝 명확성 및 차별성 | | | |
| 브랜드 보이스 / 언어적 차별성 | | | |
| 시각적 아이덴티티 및 사이트 제작 기술 | | | |
| 서비스 제공 및 패키징 | | | |
| 증거 및 신뢰성 | | | |
| 기업 준비도 / 상업적 성숙도 | | | |
| 싱크 리더십 / 콘텐츠 존재감 | | | |
| 가격 투명성 및 계약 모델 | | | |

### 긴장 플롯
- **[포지셔닝 브리프의 축 1]:** <1-5> — <이유>
- **[포지셔닝 브리프의 축 2]:** <1-5> — <이유>
- **사분면:** <높음/높음 | 높음-1/낮음-2 | 낮음-1/높음-2 | 낮음/낮음>

### [클라이언트]를 위한 분석
- **배울 강점:** <…>
- **활용할 약점 / 노출된 화이트 스페이스:** <…>
- **[클라이언트]에 대한 위협:** <…>

완성된 카드와 긴장 플롯을 competitive-report-structure에 전달하십시오.

안티 패턴

  • 긴장 축 평균화. 클라이언트의 전략적 긴장의 두 극은 별도로 점수화되고 보고되어야 합니다. 평균화는 인사이트를 파괴합니다 — 극 사이의 차이가 발견입니다.
  • 증거 없는 점수화. 모든 점수에는 한 줄 근거와 출처 링크가 필요합니다. 증거 없는 점수는 의견일 뿐, 벤치마크가 아닙니다.
  • 단일 합성 점수 생성. 차원 점수를 개별적으로 보고하십시오. 가중 평균은 포지셔닝에 중요한 비대칭적 강점을 숨깁니다.
  • 일반 기준점을 조정 없이 적용. 1-5 기준점은 특정 차원과 경쟁사 세트에 맞게 보정되어야 합니다. 일반 설명은 시작점일 뿐, 고정된 표준이 아닙니다.
  • 경쟁사 세트 범위 지정 전에 실행. 먼저 competitive-platform-analysis를 사용하여 계층화되고 정리된 세트를 생성하십시오. 범위가 지정되지 않은 목록을 점수화하는 것은 관련 없는 경쟁사에 노력을 낭비하는 것입니다.

관련 스킬

  • competitive-platform-analysis — 전제 조건; 이 스킬이 점수화할 계층화된 경쟁사 세트를 생성합니다.
  • competitive-report-structure — 다음 단계; 점수화된 프로필 카드를 클라이언트 전달 보고서로 조립합니다.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

관련 스킬