X 오픈소스 알고리즘 역공학 기반 실시간 도달률 예측 도구 구현

Context

게시물마다 일관되지 않은 노출 수치로 인해 정량적 예측 불가 상태. X의 공개 알고리즘 소스 코드 내 가중치 정보가 활용되지 않는 문제 존재.

Technical Solution

• 36가지 스코어링 규칙을 기반으로 한 클라이언트 사이드 Rules Engine 설계
• DOM Watcher를 통한 트윗 작성창 실시간 감지 및 Debounce 처리된 스코어 업데이트 구조
• baseReach에 콘텐츠, 시간, 트렌드, 미디어 가중치를 곱하는 도달률 예측 수식 적용
• 실제 도달 수치를 15분 간격으로 수집하여 예측 모델을 보정하는 Calibration Factor 도입
• Next.js와 Neon PostgreSQL 기반의 API 서버를 통한 계정 상태 분석 및 AI 최적화 기능 제공
• Anthropic API를 연동한 AI 생성 텍스트 감지 및 훅(Hook) 분석 파이프라인 구축

Impact

• Reply 가중치 Like 대비 27배, Self-reply 가중치 Like 대비 150배 적용
• Bookmark 가중치 Like 대비 20배 적용
• External link 포함 시 도달률 30%에서 50% 감소
• 3개 이상의 Hashtag 사용 시 Engagement 약 40% 하락
• 약 50개의 게시물 보정 데이터 확보 시 실제 도달률과 예측치 오차 범위 20% 이내 달성

Key Takeaway

정적인 알고리즘 모델보다 실제 데이터를 통한 지속적인 캘리브레이션 과정이 예측 정확도 향상에 결정적 영향 부여.