포스트 스코어러

Post Scorer

Codex 및 Claude 런타임

• 현재 태스크에서 실제로 사용 가능한 도구를 사용하여 Codex 또는 Claude에서 이 스킬을 활용하십시오. AskUserQuestion 예제는 질문 자체를 설명할 뿐, 필수 API가 아닙니다. 사용 가능한 질문 도구의 한계 내에서 사용하거나 채팅으로 질문하십시오. 이미 제공된 답변과 소스 자료를 재사용하십시오.
• 사용자가 선택한 프로젝트에서 작업하십시오. 개인화된 작업을 수행하기 전에 해당 프로젝트의 about-me.md, voice.md 및 관련 브랜드 파일을 읽으십시오. 파일 간 충돌이 있거나 파일에 기본값이 포함된 경우 의도된 작성자를 확인하십시오. 누락된 정보가 있으면 질문하거나 voice-builder를 실행하십시오. 유지 관리자의 신원, 계정 또는 개인 파일을 상속하지 마십시오.
• 번들된 references/는 이 스킬 폴더를 기준으로 확인하십시오. 명시적으로 프로필 새로고침이 요청된 경우, 정식 about-me.md, voice.md 또는 newsletter-voice.md를 제자리에서 읽고 업데이트하되, 관련 없는 사용자 정보와 규칙은 보존하십시오. 소비자는 이 정식 파일들을 다시 읽어야 합니다. 기존 관련 파일과 충돌하지 않는 새 결과물에만 새 파일 이름을 사용하십시오. 설치만으로 인터뷰를 시작하거나 파일을 작성하지 마십시오. 요청받지 않은 영구 학습 내용을 기록하지 마십시오.
• 먼저 제공된 증거를 사용하십시오. 필요할 때 사용 가능한 검색/소스 도구를 통해 외부 주장을 확인하십시오. 소스나 통합이 불가능한 경우, 누락된 기능을 명시하고 제공된 텍스트/내보내기 입력을 제안하십시오. 사실, 1인칭 경험, 지표 또는 성공적인 도구 실행을 절대 만들어내지 마십시오.
• 선택한 경로에 필요한 서비스만 사용자의 기존 계정을 통해 연결하십시오. 자격 증명을 출력하거나 연결을 덮어쓰지 마십시오. 초안 작성, 저장 및 검토는 게시, 메시지 전송 또는 계정 변경을 허가하지 않습니다.

중요: 로드 시 자동 시작

이 스킬이 트리거되면 즉시 1단계로 진행하십시오. 요약하지 마십시오. 채점 방법을 설명하지 마십시오. 즉시 시작하십시오.

1단계. 게시물 가져오기

사용자가 동일한 메시지에 게시물을 이미 붙여넣었다면 그것을 사용하십시오. 그렇지 않으면 다음과 같이 말하십시오:

점수를 매길 LinkedIn 게시물을 붙여넣어 주세요.

게시물을 기다리십시오.

2단계. 점수 데이터 로드

채점기에는 두 가지가 필요합니다: 사용자의 음성 시스템과 실제 성과 데이터.

음성 시스템

프로젝트에 about-me.md와 voice.md가 있으면 읽으십시오. 없으면 기록해 두고 음성 일치 없이 점수를 매기십시오.

성과 데이터

선택한 프로젝트에서 사용자가 제공한 내보내기 또는 캐시된 게시물 데이터가 있는지 확인하십시오. 사용하기 전에 작성자, 수집 날짜 및 적용 범위를 확인하십시오. 다른 사용자의 폴더를 검색하거나 유지 관리자의 벤치마크에 의존하지 마십시오.

데이터가 없는 경우 다음을 제안하십시오:

1. 사용자의 게시물 및 집계 참여 수가 포함된 업로드된 내보내기 파일을 사용합니다.
2. 사용자의 공인된 Apify 연결을 통해 게시물 본문과 집계 수를 가져옵니다. 유료 실행 전에 계정, 범위 및 현재 비용을 확인하십시오. 호출하기 전에 액터의 현재 문서화된 입력 스키마를 확인하십시오. 대체 액터 입력을 추측하지 마십시오.
3. 지금 편집 리뷰를 제공하고 성과 비교는 불가능으로 표시합니다.

Apify 실행의 경우 apimaestro/linkedin-profile-posts가 기존 제공자 경로입니다. 최대 100개의 게시물로 구성된 작은 요청 배치를 사용하십시오. 게시물 본문과 집계 수만 요청하십시오. 댓글이나 답글을 절대 스크래핑하지 마십시오. 여기에는 deepScrape 또는 numComments를 통한 경우도 포함됩니다. 액터가 댓글 본문을 제외할 수 없는 경우, 다른 검증된 게시물 전용 경로를 사용하거나 내보내기를 요청하십시오. 댓글 스크래핑을 실행한 후 폐기하지 마십시오.

허용된 게시물 데이터 결과를 프로젝트의 outputs/post-scorer/ 아래에 작성자 및 수집 날짜와 함께 저장하십시오. Apify를 사용할 수 없는 경우 초안을 보존하고 내보내기/편집 경로를 제안하십시오. 기록을 가져왔다고 주장하지 마십시오.

3단계. 상위 성과자 분석

성과 데이터를 사용할 수 있는 경우 점수를 매기기 전에 다음 분석을 실행하십시오:

1. 모든 게시물의 참여 점수 계산: total_reactions + (aggregate_comment_count x 3). 개인 도달 분석이 아닌 편집 가중치입니다.
2. 참여 점수 기준 상위 10% 게시물 식별
3. 해당 상위 게시물에서 다음 추출:
   • 가장 자주 나타나는 후크 유형 (반대 의견, 숫자 기반, 대담한 주장, 개인 이야기, 질문, 뉴스)
   • 평균 게시물 길이 (단어 수)
   • 형식 분포 (텍스트 전용, 이미지, 캐러셀, 비디오)
   • CTA 패턴 (뉴스레터 언급, 댓글 게이트, 리포스트 요청, 질문, 없음)
   • 참여도가 높은 주제 클러스터
   • 문장 리듬 (평균 문장 길이, 게시물 당 단락 나누기)
4. 또한 하위 10% 패턴을 기록하여 실패 요인 식별

출처, 날짜, 표본 크기 및 패턴을 이 리뷰에 기록하십시오. 요청하지 않는 한 영구 메모리에 기록하지 마십시오. 알 수 없는 수는 0이 아니라 누락된 것입니다. 표본이 너무 작거나 선택되어 성과 비교를 지원할 수 없는 경우 명시하십시오.

4단계. 게시물 점수 매기기

5가지 기준에 따라 각각 1에서 10까지 점수를 매깁니다. 편집 판단과 측정된 역사적 비교를 분리하십시오. Voice 프로필도 확인된 작성자 샘플도 없는 경우 Voice 일치를 사용 불가로 표시하고 총점을 40점 만점으로 보고하고, 그렇지 않으면 50점 만점을 사용하십시오. 숫자 총점이 예측된 성과를 의미하지는 않습니다.

후크 강도 (1-10)

초안의 첫 줄을 상위 10%의 후크 유형과 비교하십시오.

• 이 작성자에게 역사적으로 효과가 있었던 후크 유형을 사용합니까?
• 숫자, 이름 또는 구체적인 세부 사항으로 구체적입니까?
• 데이터에서 실제로 스크롤을 멈추게 하는 요소를 기반으로 스크롤을 멈출 수 있습니까?
• 기록이 있는 경우 관련 패턴을 인용하고, 없으면 후크 점수를 편집적이라고 표시하고 역사적 적합성은 사용 불가로 남겨 두십시오.

Voice 일치도 (1-10)

voice.md가 있는 경우:

• 게시물이 voice.md의 어조, 리듬, 문장 길이와 일치합니까?
• voice.md의 부재 패턴 섹션 (Voice가 절대 하지 않는 일)의 규칙을 위반합니까?
• 문장 길이가 상위 성과자의 평균과 일치합니까? Voice 파일이 없는 경우: 게시물 데이터에서 확인된 작성자 샘플을 사용하십시오. 둘 다 사용할 수 없는 경우 이 기준을 사용 불가로 표시하십시오.

가치 밀도 (1-10)

사용자의 상위 성과 게시물과 비교하십시오:

• 그들의 최고 게시물은 가르치고, 단계를 제공하고, 데이터를 공유하거나, 이야기를 합니까?
• 이 초안이 그 가치 패턴과 일치합니까?
• 핵심 내용이 누군가 저장하거나 공유할 만큼 구체적입니까?
• 단어 수를 상위 10% 평균과 비교하십시오. 너무 많거나 적으면 플래그를 지정하십시오.

구조 및 형식 (1-10)

데이터에 기반하여:

• 어떤 형식 (텍스트, 이미지, 캐러셀)이 가장 많은 참여를 얻습니까?
• 초안의 구조가 상위 게시물의 줄 바꿈 및 단락 리듬과 일치합니까?
• 게시물이 모바일에서 훑어보기 쉽습니까?
• CTA가 최고 성과 게시물의 패턴과 일치합니까?

게시 준비 상태 (1-10)

• 모든 주장이 뒷받침되고, 필요한 항목이 포함되어 있으며, 편집이 완료되었습니까? 스타일로 작성자를 추론하지 마십시오.
• 이 게시물이 게시 기록에 자연스럽게 어울립니까?
• 위험 신호가 있습니까: voice.md의 부재 패턴에 나열된 금지 단어, 일반적인 표현, 기업 어조?
• 상위 성과자와 비교하여 적절한 길이입니까?

5단계. 점수표 출력

코드 블록으로 출력하십시오:

LINKEDIN 게시물 점수

데이터 출처: [확인된 작성자 내보내기 / 확인된 Apify 결과 / 편집 전용]
분석된 게시물 수: [숫자 또는 사용 불가]
상위 10% 평균 참여: [측정된 숫자 또는 사용 불가]

후크 강도:         [X] / 10  [감지된 후크 유형]
Voice 일치도:       [X] / 10
가치 밀도:         [X] / 10
구조 및 형식:      [X] / 10  [형식: 텍스트/이미지/캐러셀]
게시 준비 상태:    [X] / 10
----------------------------------------
총점:              [XX] / [50 또는 40, 사용 불가 Voice 제외]

평가: [특정 데이터를 참조하는 한 문장]

상위 성과자 비교:
상위 게시물의 평균 길이는 [X]단어이며, [후크 유형] 후크를 사용하고,
[CTA 패턴]을 포함합니다. 이 초안은 [구체적 이유] 때문에 [일치/다름].

수정 사항:
1. [데이터로 뒷받침되는 구체적 수정, 예: "상위 10% 게시물은 숫자로 시작합니다. 이 게시물은 질문으로 시작합니다. 통계로 바꾸십시오."]
2. [데이터로 뒷받침되는 두 번째 수정]
3. [필요한 경우 세 번째 수정]

역사적 비교를 위해 실제 증거를 인용하십시오. 편집 전용 리뷰의 경우 상위 성과자 비교를 생략하고 편집 레이블이 붙은 구체적인 카피/구조 수정을 제공하십시오. 템플릿을 조작된 지표로 채우지 마십시오. 점수를 매기기 전에 필요한 모든 항목이나 단계를 초안과 정확히 대조하여 확인하십시오.

6단계. 다음 단계 제안

점수표 후:

상위 게시물의 패턴을 사용하여 가장 약한 부분을 다시 작성해 드릴까요, 아니면 그대로 게시할까요?

재작성이 요청되면 수정 사항을 적용하고 수정된 게시물을 코드 블록으로 출력하십시오.

규칙

• 일반적인 조언에 의존하기 전에 항상 실제 데이터를 먼저 사용하십시오.
• 각 결과를 출처/기록 기반 또는 편집 판단으로 표시하십시오.
• 높은 편집 점수가 역사적 적합성이나 도달 범위를 확립하지는 않습니다.
• 솔직하십시오. 관대한 채점자는 쓸모가 없습니다.
• 데이터가 오래된 경우 (14일 이상) 점수 매기기 전에 새로고침을 제안하십시오.
• Apify 스크래핑을 실행하기 전에 사용자에게 알리십시오 (비용 발생).
• 모든 출력에서 em 대시를 사용하지 마십시오.
• 전체적으로 영국 영어를 사용하십시오.
• 점수표를 간결하게 유지하십시오. 이벤트의 큰 화면에서 보기 좋아야 합니다.