Community연구 & 데이터 분석github.com

unfamiliar-city/skill-ai-mindshare-map

AI 에이전트(Claude Code)가 특정 기업이나 시장이 AI 어시스턴트(ChatGPT)에게 얼마나 가시적인지 측정하고, 누가 추천되는지 그 이유를 매핑하는 스킬입니다.

skill-ai-mindshare-map란 무엇인가요?

이 스킬은 경쟁 인텔리전스 도구로, 사용자가 입력한 엔티티(회사/브랜드) 또는 시장 설명을 기반으로 AI 시스템(ChatGPT)을 질의하여 해당 분야의 경쟁 구도와 가시성을 분석합니다. `tuff-lil-unit` 파이프라인을 사용하여 청중 발견, 의도 생성, 쿼리, 소스 수집, 엔티티 추출, 권위 평가, 경쟁 환경 증류(distillation)의 6단계를 자동으로 실행합니다. 최종적으로 `distillation.json`에 요약된 경쟁 구도 데이터와 `tuff.db`에 상세 분석 결과를 저장하며, SQLite로 세부 데이터를 쿼리할 수 있습니다. Playwright MCP와 WebFetch를 지원하고 OpenAI API를 사용하여 고품질 분석을 제공합니다.

지원 대상✓Claude Code✓Codex CLI~Cursor
npx skills add unfamiliar-city/skill-ai-mindshare-map

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

AI Mindshare Map

경쟁 인텔리전스 도구: 잠재 고객을 발견하고, AI 시스템에 질의하고, 응답을 분석하고, 경쟁 리더보드를 구축하고, 소스 격차를 식별합니다.

명령 구문

/mindshare-map --entity <url> [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
  엔티티 모드: 특정 회사/브랜드를 추적합니다.

/mindshare-map --market "<description>" [--frame "..."] [--name <slug>] [--skip-validation] [--intents-per-track=N] [--intents=N]
  마켓 모드: 초점 엔티티 없이 환경 분석을 수행합니다.

옵션:

  • --frame "..." 의도/페르소나 다이얼 — 누가 왜 검색하는지 (기본값: 옵션을 조사하는 구매자)
  • --name <slug> 작업 디렉터리 이름 (기본값: URL 도메인 또는 시장 설명에서 파생)
  • --skip-validation ICP 확인 건너뛰기 (추론된 ICP 사용; 구매자 → 기본 트랙, 기타 → 트랙리스)
  • --intents-per-track=N 트랙 모드에서 트랙당 의도 수 (기본값: 6)
  • --intents=N 트랙리스 모드에서 ICP당 의도 수 (기본값: 12)

예시:

  • /mindshare-map --entity https://example.com → work/example-com-20260213/
  • /mindshare-map --market "creative agencies" → work/creative-agencies-20260213/
  • /mindshare-map --entity https://foo.com --name=foo-q1-2026 → work/foo-q1-2026/
  • /mindshare-map --entity https://foo.com --frame "investors assessing category leaders"

종속성

  • Playwright MCP: 잠재 고객 발견 연구
  • WebFetch: 잠재 고객 발견 연구
  • Bash: 파이프라인 실행
  • OpenAI API: GPT-5.2 쿼리, GPT-5-mini 전체 계층 소스 평가, GPT-5-nano 추출/분석/경량 계층 평가
  • tuff-lil-unit: 파이프라인 실행 — 충돌 복구, 단계 메모이제이션, 동시성

작업 디렉터리

각 실행은 work/ 아래에 날짜가 포함된 디렉터리를 생성합니다:

work/creative-agencies-20260213/
  audience-profile.json       # ICP + 의도 + target_focus (프로젝트 ID)
  subject-context.json        # 연구 지식
  tuff.db                     # SQLite: tuff 단계 + 도메인 테이블 (쿼리 가능)
  distillation.json           # 전체 경쟁 환경 출력

출력

  1. distillation.json — 전체 경쟁 환경을 포함하는 단일 파일:
    • meta — 스키마 버전, 실행 ID, 모드, 타임스탬프, 쿼리 수, 응답률, 기본 엔티티 유형
    • landscape — query_answer 엔티티를 유형(회사, 제품, …)별로 그룹화, 도달 범위 순으로 정렬
    • other_entities — 권위 소스/플랫폼 엔티티를 유형별로 그룹화
    • by_icp — ICP별 분석: { icp_001: { landscape: {…}, other_entities: {…} } }
    • sources.market — 게시자 유형별, 도메인별 평가 (각각 source_type, is_competitor, authority, citation_count, citation_count_by_icp 포함)
    • client — 위치, 카테고리 내 위치, 현저성, 가시성, 평판 (엔티티 모드 전용)
  2. tuff.db — sqlite3으로 쿼리 가능: 단계 상태, 토큰 사용량, 도메인 테이블

DB: 증류 요약 뒤의 세부 정보

tuff.db는 증류(distillation)가 요약하는 전체 세부 정보를 보관합니다. sqlite3 tuff.db로 쿼리:

원하는 정보테이블 → 컬럼
소스 권위 추론 + 신호assessments.result → authority
소스 형식 + 경쟁자 관계assessments → source_type, is_competitor
도메인별 모든 인용 URLassessments.result → urls
응답별 언급 세부 정보(현저성, ICP, 쿼리)analysed.mentions
전체 GPT 응답 텍스트queries.response
수집된 소스 페이지 콘텐츠sources.content
소스별 원시 엔티티 추출extractions.entities

설정 (첫 실행)

SessionStart 훅이 ${CLAUDE_PLUGIN_DATA}에 tuff-lil-unit을 자동으로 설치하고 package.json이 변경되면 다시 실행합니다. OPENAI_API_KEY가 셸을 통해 설정되었는지 확인합니다(Keychain 백업 권장, ~/.zshenv에서 내보내기 — README 참조). Playwright MCP는 선택 사항입니다(없으면 엔티티 모드 사이트 연구가 WebFetch로 대체됨).

파이프라인 단계에서 Could not locate the bindings file(better-sqlite3 네이티브 바인딩 오류)이 발생하면 설치 과정에서 네이티브 빌드 단계가 건너뛰어진 것입니다. 해결: cd ${CLAUDE_PLUGIN_DATA} && npm rebuild better-sqlite3를 실행한 후 단계를 재시도합니다.


0단계: 작업 디렉터리 설정

무엇보다 먼저 작업 디렉터리를 결정합니다:

  1. 입력에서 슬러그 파생:
    • --entity: 도메인 추출, 슬러그화 → example-com
    • --market: 설명을 슬러그화 → creative-agencies
    • --name= 플래그가 우선함 (날짜 접미사 미추가)
  2. 날짜 접미사 추가: ${slug}-${YYYYMMDD} (예: creative-agencies-20260213)
    • --name=가 제공되면 건너뜀 (사용자가 전체 이름 제어)
  3. WORK_DIR 설정 = work/${slug}-${YYYYMMDD}/
  4. 존재 여부 확인: WORK_DIR에 이미 데이터가 있으면 사용자에게 묻기:

    work/creative-agencies-20260213/ 이미 존재합니다. 덮어쓰시겠습니까, 아니면 다른 이름을 사용하시겠습니까?

  5. 디렉터리 생성: mkdir -p ${WORK_DIR}

이후의 모든 단계는 --work-dir=${WORK_DIR}를 사용합니다.


1단계: 잠재 고객 발견

서브 에이전트 기반 연구 + 사용자 검증. audience-profile.json을 생성합니다.

1.1단계: 프레임

--frame 플래그 캡처 (기본값: 구매자 프레임).

1.1단계: ICP 생성

Task({
  subagent_type: 'general-purpose',
  prompt: `실행: references/${'entity' in subject
    ? 'entity-mode-instructions' : 'market-mode-instructions'}.md\n\n${
    'entity' in subject ? `엔티티 URL: ${subject.entity}` : `시장: "${subject.market}"`}\n\nWORK_DIR: ${WORK_DIR} — subject-context.json을 이 디렉터리에 작성하세요. 하드코딩된 work/ 경로가 아닙니다.`
})

1.2단계: ICP 검증

제안된 ICP를 사용자에게 제시합니다. 피드백을 수집하고 필요한 경우 수정합니다. --skip-validation이면 건너뜁니다.

발견 결과가 research_limited를 반환한 경우(엔티티 모드, WebFetch가 읽을 수 없는 JS 렌더링 사이트), --skip-validation에서도 사용자에게 알립니다:

{entity}는 JS로 렌더링된 것으로 보이므로, 이 ICP는 사이트 자체보다 일반 웹 연구에 더 의존합니다. Playwright MCP를 설치하면 전체 사이트를 읽을 수 있습니다 — 설치하고 발견을 다시 실행하거나, 이 상태로 진행하시겠습니까?

1.2a단계: 트랙 선택

ICP가 확정된 후, 시장 매핑 트랙을 결정합니다:

프레임--skip-validation 사용대화형
구매자기본 트랙 (4)기본값 또는 트랙리스 제안
사용자 지정트랙리스사용자 지정 트랙 또는 트랙리스 제안

기본 트랙: landscape, recommendation, specialization, scenario. 모든 트랙은 엔티티를 표면화해야 합니다. 표현 지침은 references/intent-query-generation-instructions.md를 참조하세요.

1.3단계: 의도 + 쿼리 생성

ICP당 하나의 서브 에이전트, 병렬로 실행. 각 ICP에 대해 프레임을 통해 해석되는 세 가지 중립 슬롯을 사용하여 역할극 브리프를 작성합니다:

슬롯구매자투자자기자
motivations목표투자 테제담당 분야와 각도
constraints문제점실사 고려 사항편집 제약
context현재 상황포트폴리오 맥락현재 과제

서브 에이전트에 보내기 전에 audience-profile.json의 ICP brief 블록에 작성된 브리프를 기록합니다.

references/intent-query-generation-instructions.md의 트랙 또는 트랙리스 템플릿을 사용합니다. 트랙: --intents-per-track=N (기본값 6), 의도 JSON에 track 포함. 트랙리스: --intents=N (기본값 12), track 생략.

const icpResults = await Promise.all(confirmedICPs.map(icp =>
  Task({
    subagent_type: 'general-purpose',
    model: 'sonnet',
    prompt: buildRoleplayBrief(icp, confirmedTracks, trackless)
  })
))

1.3b단계: 쿼리 검토

단일 검토 서브 에이전트(Sonnet)가 생성된 모든 쿼리를 방법론 문제에 대해 스캔합니다. 플래그가 지정된 쿼리와 이유를 반환합니다; 오케스트레이터가 수정하거나 사용자에게 제시하기 전에 삭제합니다.

Task({
  subagent_type: 'general-purpose',
  model: 'sonnet',
  prompt: `생성된 쿼리를 연구 방법론 문제에 대해 검토하세요...\n${allQueries}`
  // 기준 및 출력 형식은 references/query-review-instructions.md 참조
})

1.4단계: 의도 검증 + 프로필 작성

의도를 사용자에게 제시하고 피드백을 수집합니다. ${WORK_DIR}/audience-profile.json을 작성합니다. --skip-validation이면 검증을 건너뜁니다.


2단계: 파이프라인 (태스크 기반, 백그라운드 작업)

2.1단계: 태스크 생성 + 종속성 설정

const query = TaskCreate({
  subject: "모든 ICP에 대해 GPT 쿼리",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:query -- --work-dir=${WORK_DIR}' })",
  activeForm: "GPT 쿼리 중"
})

const fetch = TaskCreate({
  subject: "인용된 URL 가져오기",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:fetch -- --work-dir=${WORK_DIR}' })",
  activeForm: "URL 가져오는 중"
})

const extract = TaskCreate({
  subject: "소스에서 엔티티 추출",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:extract -- --work-dir=${WORK_DIR}' })",
  activeForm: "엔티티 추출 중"
})

const assess = TaskCreate({
  subject: "소스 권위 평가",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:assess -- --work-dir=${WORK_DIR}' })",
  activeForm: "소스 평가 중"
})

const analyse = TaskCreate({
  subject: "GPT 응답 분석",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:analyse -- --work-dir=${WORK_DIR}' })",
  activeForm: "응답 분석 중"
})

const distill = TaskCreate({
  subject: "경쟁 환경 증류",
  description: "Bash({ run_in_background: true, command: 'NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:distill -- --work-dir=${WORK_DIR}' }). 출력: distillation.json",
  activeForm: "환경 증류 중"
})

// 종속성 그래프:
//   Query → Fetch → Extract → Assess ─┐
//     └──→ Analyse ────────────────────┴→ Distill
TaskUpdate({ taskId: fetch.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: extract.id, addBlockedBy: [fetch.id] })
TaskUpdate({ taskId: assess.id, addBlockedBy: [extract.id] })
TaskUpdate({ taskId: analyse.id, addBlockedBy: [query.id] })
TaskUpdate({ taskId: distill.id, addBlockedBy: [assess.id, analyse.id] })

2.2단계: 태스크 그래프 실행

query로 시작합니다. 각 완료 시: 태스크 완료 표시, 차단 해제된 종속 항목 시작.

진행 상황 모니터링 — 각 단계는 항목별로 DB에 기록합니다. 언제든지 진행 상황 확인:

NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR} query    # 단일 단계: "query: 24/24"
NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline:progress -- --work-dir=${WORK_DIR}          # 모든 단계

충돌 또는 중단 시: 실패한 단계를 다시 실행하세요 — tuff 단계 메모이제이션이 완료된 항목을 건너뜁니다.

전체 파이프라인 (비대화형): NODE_PATH=${CLAUDE_PLUGIN_DATA}/node_modules npm run --prefix ${CLAUDE_PLUGIN_ROOT} pipeline -- --work-dir=${WORK_DIR} 6개 단계를 순차적으로 실행합니다.


3단계: 전달

파이프라인이 완료되면 결과를 사용자에게 제시합니다:

**AI Mindshare Map 완료** → `${WORK_DIR}/`

**출력:**
- `${WORK_DIR}/distillation.json` — 경쟁 환경 데이터
- `${WORK_DIR}/audience-profile.json` — ICP + 의도

**주요 발견:**
- 발견된 엔티티: {{entities_discovered}}
- 소스 기반: {{source_backed_count}}
- 대상 순위: {{rank_of}} 중 #{{rank}} *(엔티티 모드 전용)*

관련 스킬