평판 점수는 이렇게 계산됩니다
“AI가 그렇게 판단했습니다”로 끝내지 않습니다. 알고리즘 코드를 전부 공개하진 않지만, 점수가 어떤 원리로 만들어지는지는 아래에서 전부 확인하실 수 있습니다.
CEO가 “왜 우리 회사가 2.5죠?”라고 물었을 때, 홍보팀이 “AI가 그렇게 판단했습니다”가 아니라 이 페이지를 근거로 설명할 수 있어야 합니다.
저희가 반드시 지키는 것
AI는 기사 하나하나의 의미를 판단합니다. 전체 점수·기여도는 정해진 계산식으로 시스템이 산출합니다. 다만 변화 속도의 최종 판단만은, 시스템이 계산한 수치를 참고자료로 AI가 최근 기사 흐름까지 함께 보고 내립니다 — 숫자만으로는 놓치는 착시를 사람처럼 걸러내기 위한 의도적 예외입니다.
대중 대부분은 제목만 보고 인상을 형성합니다. 그래서 본문이 아무리 차분해도, 제목이 자극적이면 그 인상을 그대로 반영해서 판단합니다.
저희는 보도자료나 위기 대응문을 대신 써드리지 않습니다. 판단은 제공하지만 실행은 홍보팀의 몫입니다 — 판단의 중립성을 지키기 위해서입니다. 유료 플랜 여부도 판단 결과에 어떤 영향을 주지 않습니다.
AI 판단을 사람이 정기적으로 표본 검증합니다. 검증 결과 자주 틀리는 패턴이 보이면 판단 기준을 개선합니다.
기사 한 건이 점수가 되기까지
- 01기사 수집
등록한 키워드로 15분마다 새 기사를 모읍니다. (시스템)
- 02기사별 판단
AI가 기사 하나하나를 읽고 평판·중요도·프레임을 매깁니다. (AI)
- 03이슈로 묶기
같은 사건을 다루는 기사들을 하나의 이슈로 묶어 중복 집계를 막습니다 — 제목 유사도·시간 간격만 보는 계산이라 AI를 추가로 부르지 않습니다. (시스템) 다만 15분 주기마다 별도로, 이미 만들어진 이슈 목록 전체를 AI에게 다시 보여주고 이름만 갈라진 중복이 있는지 한 번 더 검토시킵니다 — 실제로 무엇을 남기고 합칠지는 여전히 시스템이 기계적 기준으로 정합니다.
- 04점수·기여도 계산
가중 평균과 정해진 공식으로 최종 점수와 원인 비중을 계산합니다. (시스템)
- 05변화 속도 최종 판단
시스템이 계산한 변화 수치를 참고자료로 건네받아, AI가 최근 기사 흐름까지 같이 보고 최종 라벨(안정적/악화/회복 중)을 판단합니다. (AI)
화면에 나오는 숫자들의 의미
- 01점수의 의미
평판 점수는 1.0~5.0 사이의 숫자로, 그 기사를 접한 일반 대중이 회사에 대해 어떤 인상을 받을지를 나타냅니다. 주가나 실적이 아니라 '대외 이미지'를 재는 숫자입니다. (1.0~1.9 매우 부정 · 2.0~2.9 부정 · 3.0~3.4 중립 · 3.5~4.4 긍정 · 4.5~5.0 매우 긍정) 쉽게 말하면 — 지금 이 기사를 본 사람이 우리 회사를 얼마나 좋게 또는 나쁘게 볼지를 매긴 인상 점수입니다.
- 02기사 가중치
모든 기사가 똑같은 무게로 반영되지 않습니다. 단순 동정 인사 기사와 회사 존립이 걸린 대형 이슈 기사가 같은 무게일 수는 없습니다. 그래서 기사마다 '중요도(1~5)'를 따로 매기고, 중요한 기사일수록 전체 점수에 더 크게 반영합니다. 쉽게 말하면 — 작은 뉴스 한 줄과 특종 1면 기사를 같은 무게로 세지 않는다는 뜻입니다.
- 03시간 가중치
오늘 나온 기사와 한 달 전 기사가 똑같이 취급되면 안 됩니다. 최근 48시간 이내의 기사를 중심으로 계산하고, 시간이 지날수록 그 기사의 영향력은 서서히 옅어집니다. 쉽게 말하면 — 사람들의 기억도 시간이 지나면 흐려지는 것처럼, 최근 기사일수록 지금 평판에 더 많이 반영됩니다.
- 04중복기사 처리
같은 사건을 여러 매체가 동시에 보도하면, 이를 각각 따로 세는 순간 실제보다 훨씬 심각해 보입니다. 그래서 같은 사건을 다루는 기사들은 하나의 '이슈'로 묶어, 실제로 사건 하나가 몇 건의 보도로 이어졌는지를 정확히 봅니다. 쉽게 말하면 — 같은 사건 기사 10개가 서로 다른 문제 10개로 부풀려 보이지 않게 합니다.
- 05부정 기여도 정의
지금 평판이 나쁘다면, '그중 몇 %가 어느 이슈 때문인가'를 계산한 값입니다. 예를 들어 노사 갈등 이슈의 기여도가 90%라면, 지금 나쁜 평판의 대부분이 이 이슈 하나 때문이라는 뜻입니다. 쉽게 말하면 — 여러 문제가 겹쳐 보여도, 지금 가장 큰 원인이 무엇인지 하나로 짚어주는 숫자입니다.
- 06Frame Shift (보도 프레임 변화) 정의
같은 사건이라도 언론이 다루는 각도(프레임)는 시간이 지나며 바뀔 수 있습니다 — 처음엔 '단순 사실 전달'이었다가, 나중엔 '기업 비판'으로 논조가 험악해지는 식입니다. 이 변화 방향을 추적하는 것이 Frame Shift입니다. 쉽게 말하면 — 기사 내용이 아니라 기사가 우리를 바라보는 시선이 나빠지는 중인지를 봅니다.
- 07Velocity (변화 속도) 정의
평판이 나빠지고 있다면, 얼마나 빠르게 나빠지고 있는지도 중요합니다. 시스템이 변화 수치를 계산해 참고자료로 건네면, AI가 최근 기사 흐름까지 같이 보고 최종 라벨을 판단합니다 — 숫자만으로는 놓치는 착시(우연히 보도자료가 몰린 구간 등)를 사람처럼 걸러내기 위해서입니다. 쉽게 말하면 — 점수가 떨어지고 있다는 사실보다 얼마나 빨리 떨어지고 있는지를 보고, 이 최종 판단만큼은 AI가 합니다.
- 08데이터 부족 기준
관련 기사가 너무 적으면(예: 최근 1~2건뿐) 점수를 억지로 매기지 않고 '판단 보류'로 표시합니다. 근거가 부족한 채로 그럴듯한 숫자만 내놓는 게 더 위험하다고 보기 때문입니다. 쉽게 말하면 — 기사가 몇 건 안 될 땐 차라리 '아직 모른다'고 솔직하게 말합니다.
- 09AI 오판 검증방법
AI 판단이 항상 완벽하지는 않습니다. 그래서 사람이 정기적으로 표본을 뽑아 기사를 직접 읽고 판단한 뒤, AI의 판단과 나란히 비교합니다. 이 과정에서 AI가 자주 틀리는 패턴이 보이면 판단 기준을 개선합니다. 쉽게 말하면 — AI에게 맡겨두고 끝이 아니라, 사람이 주기적으로 성적표를 매깁니다.
이 페이지는 계산 원리를 설명하기 위한 것으로, 실제 알고리즘의 세부 구현(코드)은 포함하지 않습니다. 평판 점수는 법적 판단이나 여론조사가 아니라, 보도를 접한 대중이 형성할 인상을 추정한 참고 지표입니다.