YouTube Data API 기반의 Closed-loop 피드백 루프 설계를 통한 스크립트 최적화

How I built a YouTube performance classifier that adjusts tomorrow's video script bias

MORINAGA2026년 6월 25일9분intermediate

AI 요약

Context

콘텐츠 생성기가 외부 피드백 없이 독립적으로 작동하여 성과 분석 데이터가 반영되지 않는 진공 상태의 파이프라인 구조를 가짐. 정교한 분석 모델 대신 구현 비용을 최소화하면서 빠르게 동작하는 데이터 피드백 루프 구축이 필요함.

YouTube Data API v3를 활용하여 최근 30개 영상의 성과 데이터를 수집하는 자동화 파이프라인 구축
Outlier에 의한 데이터 왜곡을 방지하기 위해 Mean 대신 Median 기반의 1.5x(HIGH) 및 0.6x(LOW) 임계치 분류 로직 적용
신규 영상의 조기 분류 오류를 방지하기 위한 72시간의 Grace Period 설정을 통한 데이터 노이즈 제거
API상에서 제공되지 않는 Archetype 레이블 복구를 위해 Title Overlap(유의미한 단어 4개 이상 일치) 기반의 매칭 알고리즘 구현
첫 단어 기반의 단순 Heuristic 분석을 통해 Hook Pattern을 분류하고 이를 Knowledge Bank에 기록하는 Feedback Loop 완성
OAuth 2.0의 복잡성을 회피하고 API Key 기반의 Data API를 선택하여 인프라 관리 오버헤드 최소화

실천 포인트

1. Outlier가 존재하는 데이터셋 분석 시 Mean보다 Median 임계치 적용 검토

2. 시계열 데이터 분류 시 성숙도에 따른 Grace Period 설정으로 False Negative 방지

3. 외부 API의 복잡한 인증 방식(OAuth) 대신 단순 API Key로 해결 가능한 범위 내에서 MVP 설계

태그