菜单
수집된 가격 관측치(브랜드·품목·가격·출처)로부터 시장의 가격 포지셔닝 맵과 빈 가격대(화이트스페이스)를 결정론적으로 도출하는 분석 패턴. 어떤 시장·브랜드·통화에도 쓰이고 수집 도구에 종속되지 않는다(웹 스크레이퍼·검색 API·수기 입력 무엇으로 모았든 동일하게 분석). competitor pricing, price positioning, pricing whitespace, 가격 포지셔닝, 경쟁사 가격 분석, 진입 가격대 결정에 쓴다. 데이터 분석가 직무용.
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
Use ACE-Step API to generate music, edit songs, and remix music. Supports text-to-music, lyrics generation, audio continuation, and audio repainting. Use this skill when users mention generating music, creating songs, music production, remix, or audio continuation.
Deep research skill — broad parallel web searches, multi-source validation, confidence tracking, cited Markdown report. Supports 11 research types: market (TAM/SAM, segments, pricing, trends), domain (industry structure, ecosystem, regulatory landscape), technical (architecture, tools, benchmarks), competitive (competitor teardown, positioning, win/loss), product (feature analysis, reviews, roadmap signals), academic (literature survey, citation networks, key authors), person/org (due diligence on a company or public figure), financial (funding rounds, valuation multiples, revenue signals), legal (IP, patents, litigation, compliance), trend (emerging signals, foresight, scenario mapping), community (ecosystem health, key voices, governance, fragmentation). Use when asked to: 'research a topic', 'deep dive on X', 'analyze the landscape', 'competitive analysis', 'compare these options', 'who are the players in Z', 'literature review', 'background on Y', 'what papers exist on X', 'product teardown', 'technology
AI(ChatGPT·Claude·Gemini)가 쓴 한글 텍스트를 사람이 쓴 글처럼 윤문한다. 번역투·영어 인용 과다·기계적 병렬·관용구·피동 남용·접속사 남발·리듬 균일·이모지/불릿 과다 등 10대 카테고리 40+ AI 티 패턴을 탐지·분류해 내용은 한 글자도 건드리지 않고 문체·리듬·표현만 자연스럽게 재작성한다. 트리거 — "AI 티 없애줘", "AI 윤문", "ChatGPT 티 제거", "번역투 고쳐", "사람이 쓴 것처럼", "humanize Korean". 단순 맞춤법 교정·번역·내용 추가는 대상 아님.
Recommend which GPT-5.6 model tier (Luna/Terra/Sol) and reasoning effort (Low..Ultra) fits a task, learn from the user's own successes and failures, diagnose quality problems, and report the live session's model and effort. Advisory — it proposes a grounded starting point and an escalation rule; the human decides and switches. Load when the user asks which model or effort to use, starts a substantial task without deliberately choosing a tier, reports a poor or unsatisfying result, wants to reduce cost without losing quality, or asks what model the session is running. Triggers — "which model", "which effort", "reasoning effort", "cut cost", "is a bigger model worth it", "do I need max/ultra", "result is bad", "quality dropped", "what model am I on", "record this combo".
MAGMA 4기둥 보안 감사 — 키·권한·스킬·격리를 점검해 위험 삼각·Rule of Two로 판정하고 잘하는 것/조치 필요/신규 위험 3부 보고서를 낸다. 대화형 세션에서는 보고 후 발견 이슈를 한 개씩 순차로 제시해 처리 방식(자동·승인후·안내)을 확인받아 Iris가 안전하게 처리하고, cron·훅 등 무인 실행에서는 보고서만 전송한다(이상 없으면 [SILENT]). 헤르메스 강의 4.3 보안 감사 자동화 실습 준비물.
브랜드 로고 컨셉을 디렉팅하는 스킬. 브랜드 브리프에서 심볼 컨셉, 이미지 생성 프롬프트, 생성, 벡터화 인계까지 이어지는 로고 디렉터 워크플로다. text-to-image 모델의 글자 약점을 피해 심볼·추상·모노그램을 우선하고, 있으면 DESIGN.md 브랜드 토큰(정확한 hex·폰트·비율)을 그대로 고정하며, 강한 네거티브 프롬프트와 평가 체크리스트로 결과가 흔들리지 않게 한다. logo, brand identity, 로고, 브랜드 로고, 워드마크, 심볼 마크, 엠블럼, app icon, favicon, 채널 아이콘 제작에 쓴다. 디자이너 직무용.
| name | price-positioning |
| description | 수집된 가격 관측치(브랜드·품목·가격·출처)로부터 시장의 가격 포지셔닝 맵과 빈 가격대(화이트스페이스)를 결정론적으로 도출하는 분석 패턴. 어떤 시장·브랜드·통화에도 쓰이고 수집 도구에 종속되지 않는다(웹 스크레이퍼·검색 API·수기 입력 무엇으로 모았든 동일하게 분석). competitor pricing, price positioning, pricing whitespace, 가격 포지셔닝, 경쟁사 가격 분석, 진입 가격대 결정에 쓴다. 데이터 분석가 직무용. |
수집된 가격 관측치 → 가격 포지셔닝 맵 + 빈 가격대(화이트스페이스) 결정론 도출. 모든 가격 주장에 출처·관측일 100% 명시.
이 스킬은 분석 패턴이다. 가격을 모으는 일은 범위 밖이다 — 데이터는 어떤 도구로든(웹 수집 MCP, 검색 API, 사내 시트, 손으로 붙여넣기) 가져오면 된다. 스킬의 가치는 모은 가격을 재현 가능한 방식으로 구조화·해석하는 데 있다. 그래서 특정 수집 도구가 없어도, 어떤 시장·통화에서도 동일하게 동작한다.
수집 단계의 산출물 하나만 받는다. CSV 또는 JSON, 한 행이 한 관측치다. 필수·선택 컬럼과 예시는 references/input-schema.md 참조.
| 필드 | 필수 | 뜻 |
|---|---|---|
brand | O | 브랜드/사업자명 |
item | O | 품목/SKU/요금제명 |
price | O | 관측 가격(실판매가) |
currency | O | 통화 코드(KRW·USD 등) |
source_url | O | 출처 주소 |
observed_at | O | 관측일(YYYY-MM-DD) |
category · tier_hint · value_metric | (선택) 하위 분류·밴드 힌트·가치 척도 |
수집을 여러 일꾼에게 나눠 맡길 때는, 각 일꾼에게 "이 컬럼 형식으로 모아달라"는 수집 계약만 전달하면 된다(도구는 자유). 계약 문구는
references/input-schema.md에 그대로 복사해 쓸 수 있다.
범위 확정 — 분석할 시장 한 줄 + 통화 한 개. 진입 후보 밴드가 정해져 있으면 임계값으로(예: 저가 5만 이하·중가 5~15만·프리미엄 15만 이상), 없으면 데이터 분위수로 자동 밴딩.
정규화 — 관측치를 위 스키마로 맞추고, 숫자가 아닌 가격·필수값 누락 행은 제외 목록으로 분리(버리지 않고 사유 기록). 통화가 섞이면 최빈 통화만 분석하고 나머지는 데이터 갭으로 남긴다.
계산(결정론) — 밴드별 개수·점유율·최소·p25·중앙값·p75·최대·평균·표준편차, IQR 기준 이상치 표시, 가격축 최대 빈구간(화이트스페이스). 같은 입력이면 항상 같은 출력이다. 직접 손으로 하지 말고 분석기를 쓴다.
python3 scripts/positioning.py observations.csv \
--bands "저가:-50000,중가:50000-150000,프리미엄:150000-" \
--market "3040 남성 패션 (KR)" --format md --out pricing-landscape.md
--bands 생략 시 --quantiles N(기본 3)으로 데이터 분위수 자동 밴딩.해석 — 숫자에 의미를 붙인다(여기가 사람의 일이다). 가치 척도·가격 심리·전환비용을 읽고, 빈 가격대가 진짜 기회인지 수요 없는 사막인지 신호로 판정. 원리 7가지는 references/methodology.md.
검증 — 모든 가격 주장에 출처·관측일이 붙었는지, 추정과 사실이 구분됐는지, 데이터 갭이 명시됐는지 확인. 기준은 references/evidence-and-honesty.md.
산출 — positioning.json(고정 스키마)과 pricing-landscape.md(고정 섹션)로 떨군다. 형식·필드는 references/output-spec.md.
positioning.json — 밴드 통계·화이트스페이스·이상치·가치척도 분포·데이터 갭·플래그를 담은 기계 판독용 스키마(schema_version 고정).pricing-landscape.md — 밴드 표 + 화이트스페이스 + 데이터 갭 + Red/Yellow 플래그의 사람 판독용 보고. 진입 가격대 권고는 분석가가 근거와 함께 덧붙인다.두 산출물 모두 분석기가 같은 입력에서 같은 결과를 낸다. 해석 문장만 사람이 추가하며, 추가 문장은 반드시 근거 라벨을 단다.
[Data]·[Estimate]·[Assumption]·[Opinion] 라벨. 추정을 사실처럼 쓰지 않는다.positioning.json의 밴드·화이트스페이스를 슬라이드 제작자가 포지셔닝 맵 슬라이드에 그대로 인용하고, 진입 가격대 권고는 의사결정 카드(칸반·보고서)의 입력으로 넘긴다.
| 파일 | 언제 읽나 | 용도 |
|---|---|---|
references/input-schema.md | 수집 계약을 짤 때 | 정규화 관측 스키마 + 도구 무관 수집 계약 문구 |
references/methodology.md | 해석 단계 | 가격 분석 7원리(가치척도·티어·가격심리·전환비용·화이트스페이스·맵·권고) |
references/output-spec.md | 산출 단계 | positioning.json 스키마 + pricing-landscape.md 템플릿 + 결정론 규칙 |
references/evidence-and-honesty.md | 검증 단계 | 근거 라벨·정량화·관측일·데이터 갭·플래그 규칙 |