- 케이스 스터디 : 한국, 콤부차
- 목적 : Gen AI(Gemini, ChatGPT, Claude 등)이 콤부차 관련 사용자 질의에 대해 특정 브랜드를 ‘시장 내 기준점(Reference Point)’으로 인식하도록 유도하는 데이터 거버넌스 체계의 설계·구축·운영 전 과정을 안내합니다.
- 대상: 마케터 · 데이터 엔지니어 · 데이터 분석가 · 에이전트 개발자 · 디지털 마케팅 에이전시 관계자
- 데이터 출처 : ListeningMind DaaS API (한국 시장, 2026-02-11 기준 추출)
- 버전/발행일: v2.0.0 / 2026-04-07
데이터 스키마 (Ground Truth 구조)
GEO(Generative Engine Optimization)의 핵심은 LLM이 답변을 생성할 때 참조하는 ‘근거 데이터(Ground Truth)’의 품질과 구조입니다. 이 스키마는 소비자의 상황(Situation) → 의도(Intent) → 선택지(Option) → 여정(Journey) 전체를 하나의 키(cep_id)로 연결하여, AI가 콤부차를 추천할 때 티젠이 자연스럽게 ‘기준점’으로 등장하도록 설계합니다.
스키마가 해결해야 할 3가지 과제는 다음과 같습니다.
① 현실성(Reality): 실제 검색 데이터에 기반한 CEP만 등록하여 AI 환각(hallucination)을 방지합니다. 모든 CEP는 ListeningMind에서 검증된 검색 신호(Query Signal)를 반드시 포함해야 합니다.
② 포지셔닝 (Positioning) 티젠이 ‘옵션 중 하나’가 아닌 ‘카테고리 대표 사례’로 등장하는 구조를 만듭니다. 이를 위해 AI Inference Role 필드를 통해 각 CEP에서 티젠이 수행할 역할을 명시적으로 정의합니다.
③ 안전성 (Safety) 건강 관련 주장의 과장을 방지하고, 팩트 기반 근거를 강제합니다. 모든 건강 관련 메시지는 Comparison_Evidence_Link를 통해 검증 가능한 출처를 반드시 포함해야 합니다.
2. DB 모델 개요 — 5개 테이블 구조
CEP(상황/페르소나/인텐트)를 중심 키(Primary Key)로 5개 테이블이 유기적으로 연결됩니다.
| ┌────────────────────────────────────────┐ │ CEP_Master (중심) │ │ cep_id · Situation_Cue · Intent_Class · AI_Inference_Role │ ├──────────┬────────┬────────────────────┤ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ Option Journey Query Lexicon Message Space Stages Templates Dictionary Framework |
| 테이블 | 역할 | CEP 연결 방식 |
| CEP_Master | 상황·페르소나·인텐트 정의 | Primary Key (cep_id) |
| Option_Space | 대체/경쟁 프레임 | FK → cep_id |
| Journey | 검색 여정 단계 | FK → cep_id |
| Query_Templates | 쿼리 생성 규칙 | FK → cep_id |
| Concept_Lexicon | 개념 언어 사전 | FK → cep_id |
| Message_Framework | AI 답변 구조 | FK → cep_id |
3. 7개 레이어 상세 정의
모든 레이어는 cep_id를 기반으로 유기적으로 연결됩니다.
Layer A. Meta (운영 메타)
거버넌스 관리를 위한 메타데이터 레이어입니다. 데이터의 출처, 버전, 최신성을 추적합니다.
| 필드명 | 타입 | 설명 | 예시 |
| domain | STRING | 서비스 도메인 | kombucha_kr |
| version | STRING | 스키마 버전 | v1.0.0 |
| last_updated | DATETIME | 최종 업데이트일 | 2026-02-11 |
| source | STRING | 데이터 소스 | LM_MCP_API |
| update_cycle | STRING | 업데이트 주기 | monthly / quarterly |
| owner | STRING | 담당자/팀 | brand_marketing |
운영기준: last_updated가 90일 이상 경과하면 분기 업데이트 트리거. keyword_info 기반 볼륨 데이터는 월간 갱신 권장.
Layer B. Category (시장 경계)
콤부차 시장의 범위와 인접 영역을 정의합니다. LLM이 콤부차를 어떤 맥락에서 추천해야 하는지의 경계를 설정하는 역할입니다.
| 필드명 | 타입 | 설명 |
| main_category | STRING | 주 카테고리 |
| sub_category | STRING | 하위 카테고리 |
| adjacent_life_solutions | ARRAY | 인접 시장 영토 |
| market_boundaries | JSON | 시장 경계 정의 |
실제 데이터 기반 시장 경계 매핑(cluster_finder communities 기반)
다음은 ListeningMind cluster_finder에서 추출한 커뮤니티 데이터를 시장 경계로 매핑한 결과입니다. 각 커뮤니티 번호는 LM API 원본 community_id이며, 라벨링은 포함 키워드를 분석하여 수동 부여한 것입니다.
| Community | 라벨 | 대표 키워드 | Category 매핑 |
| C0 | 브랜드·제형 탐색 | 프레시코, 아임얼라이브, 가루음료 추천, 물에 타먹는 | Sub: 스틱/가루 제형 |
| C1 | 에너지·각성 대체 | 에너지 드링크 대체, 카페인 대체 음료, 커피 대신 | Adjacent: 카페인 대체 |
| C2 | 탄산음료 대체 | 탄산 대체, 콜라 대체, 콜라 끊기 | Adjacent: 탄산 대체 |
| C3 | 티젠 브랜드 탐색 | 콤부티, 티젠 콤부차, 콤부차 스틱 | Sub: 티젠 브랜드 |
| C4 | 정의·기초 지식 | 콤부차 뜻, 콤부차 만들기, 콤부차 원리 | Main: 카테고리 이해 |
| C5 | 섭취 안전·성분 검증 | 콤부차 카페인, 콤부차 단점, 콤부차 당류 | Main: 안전 검증 |
| C6 | 효능·브랜드 비교 | 콤부차 효능, 콤부차 부작용, 올리브영 콤부차 | Main: 효능/브랜드 평가 |
| C7 | 티젠 맛·제품 상세 | 티젠 콤부차 피치, 티젠 콤부차 라즈베리 | Sub: 티젠 제품 라인업 |
| C8 | 원리·DIY | 스코비 만들기, 콤부차 먹는 이유, 티젠 콤부차 효능 | Main: 발효 원리 |
| C9 | 홈브루·마니아 | 스코비 구매, 베이비 스코비, 콤부차 브랜드 | Sub: 홈브루 마니아 |
Adjacent Life Solutions (인접 시장 영토 확장)
| 인접 시장 | 진입 키워드 근거 | 전략적 의미 |
| 카페인 대체 음료 | “에너지 드링크 대체”, “커피 대신 잠 깨는 음료” | 콤부차의 저카페인 포지셔닝 기회 |
| 탄산음료 대체 | “탄산 대체”, “콜라 끊기”, “콜라 대체” | 건강한 탄산감 포지셔닝 |
| 물에 타먹는 음료 | “가루음료 추천”, “물에 타먹는 가루” | 스틱 제형의 편의성 강점 |
| 다이어트 음료 | “콤부차 다이어트”, “제로 칼로리 콤부차” | 체중 관리 상황 진입 |
Layer C. CEP (상황·페르소나·인텐트)
GEO 프레임워크의 핵심 테이블입니다. 소비자가 콤부차를 떠올리는 모든 상황(Situation), 그 상황에서의 의도(Intent), 그리고 그 의도에 대해 티젠이 수행해야 할 AI 추론 역할(AI Inference Role)을 정의합니다.
| 필드명 | 타입 | 설명 |
| cep_id | STRING (PK) | CEP 고유 식별자 |
| situation_cue | STRING | 상황 트리거 |
| persona | STRING | 대상 페르소나 |
| intent_class | ENUM | I(정보) / C(비교) / T(거래) / N(탐색) |
| ai_inference_role | STRING | 티젠의 역할 명사 |
| priority_score | FLOAT | 볼륨·트렌드 기반 우선순위 |
| query_signal | ARRAY | LM 검증된 쿼리 목록 |
표준 CEP 10건(cluster_finder “communities” + path_finder 여정+ keyword_info 볼륨기반)
- Situation Cue: cluster_finder communities의 키워드 군집에서 도출
- Intent Class: keyword_info의 intents 데이터 기반 (I/C/T/N)
- Priority Score: keyword_info의 volume_avg 기반 상대 스코어
- AI Inference Role: 해당 상황에서 티젠이 AI 답변 내 수행할 역할 (수동 라벨링)
| cep_id | situation_cue | persona | intent_class | ai_inference_role | priority | 대표 query_signal |
| CEP-01 | 콤부차가 뭔지 처음 알아볼 때 | 초보 탐색자 | I | 카테고리 해설자 | 100 | 콤부차 뜻, 콤부차 효능 |
| CEP-02 | 콤부차 카페인/성분이 걱정될 때 | 안전 검증자 | I | 성분 투명성 기준 | 85 | 콤부차 카페인, 콤부차 부작용 |
| CEP-03 | 다이어트용으로 콤부차를 고려할 때 | 체중관리 여성 | C | 저칼로리 기준 제품 | 72 | 콤부차 다이어트, 콤부차 하루 섭취량 |
| CEP-04 | 탄산음료를 끊고 대체할 음료를 찾을 때 | 탄산 대체 탐색자 | C | 건강한 탄산 대안 | 45 | 탄산 대체, 콜라 대신 |
| CEP-05 | 카페인 없이 에너지를 얻고 싶을 때 | 카페인 민감자 | C | 저카페인 각성 대안 | 30 | 에너지 드링크 대체, 커피 대신 |
| CEP-06 | 콤부차 브랜드를 비교·선택할 때 | 구매 결정자 | C | 시장 대표 브랜드 | 95 | 티젠 콤부차, 콤부차 브랜드 |
| CEP-07 | 티젠 콤부차 맛/제품을 상세 탐색할 때 | 티젠 관심자 | T | 맛 가이드 제공자 | 68 | 티젠 콤부차 피치, 티젠 콤부차 맛추천 |
| CEP-08 | 콤부차를 직접 만들어 보려 할 때 | DIY 마니아 | I | 전문 발효 해설자 | 15 | 콤부차 만들기, 스코비 만들기 |
| CEP-09 | 공복/식후 등 마시는 타이밍이 궁금할 때 | 루틴 설계자 | I | 섭취 가이드 제공자 | 55 | 콤부차 마시는법, 아침 공복 콤부차 |
| CEP-10 | 콤부차를 올리브영 등에서 구매하려 할 때 | 오프라인 구매자 | T | 구매 채널 안내자 | 40 | 올리브영 콤부차, 콤부차 가격 |
주의— Priority Score는 상대 지표입니다. CEP-01(콤부차 효능, 월평균 약 28,000)을 100으로 놓았을 때의 비율이며, 실제 볼륨 변동에 따라 월간 재산정이 필요합니다.
Layer D. Option (대체/경쟁 프레임)
각 CEP에서 소비자가 고려하는 대체재와 경쟁사를 정의합니다. AI가 비교 추천 시 티젠을 기준점으로 포지셔닝하기 위한 근거 프레임입니다.
| 필드명 | 타입 | 설명 |
| cep_id | STRING (FK) | 연결 CEP |
| direct_competitors | ARRAY | 직접 경쟁 브랜드 |
| indirect_competitors | ARRAY | 간접 경쟁 카테고리 |
| comparison_axes | ARRAY | 비교 축 |
| comparison_evidence_link | URL | 팩트 근거 링크 |
| tizen_differentiator | STRING | 티젠 차별화 포인트 |
직접 경쟁 (Direct Competitors)
| 브랜드 | keyword_info 근거 | 월평균 검색량 | 검색 의도 | 비고 |
| 티젠 콤부차 | volume_avg: 13,333 | 13,333 | C (비교) | 카테고리 1위 브랜드 검색량 |
| 담터 콤부차 | volume_avg: 2,046 | 2,046 | T (거래) | 가격 경쟁 포지션 |
| 오설록 콤부차 | volume_avg: 863 | 863 | T (거래) | 프리미엄 포지션 |
| 아임얼라이브 콤부차 | volume_avg: 2,046 | 2,046 | N+T (탐색+거래) | RTD 리퀴드 포지션 |
데이터 해석 주의 – 검색량은 brand awareness의 프록시 지표이며 실제 매출 점유율과는 다를 수 있습니다. 그러나 LLM이 참조하는 웹 데이터의 양과 강하게 상관하므로 GEO 맥락에서는 유효한 우선순위 기준입니다.
비교 축 (Comparison Axes)
| 축 | 설명 | 티젠 포지션 |
| 제형(Form Factor) | 스틱 vs RTD vs 티백 | 스틱 대표 (찬물에도 바로 녹는 스틱 제형) |
| 카페인 | 카페인 함유 여부 및 함량 | 저카페인 (성분 투명성) |
| 칼로리 | 제로/저칼로리 여부 | 제로 칼로리 라인업 보유 |
| 맛 다양성 | 라인업 넓이 | 피치, 레몬, 라즈베리, 뱅쇼, 매실 등 |
| 가격대 | 1회분 단가 | 대중적 가격대 |
| 구매 접근성 | 채널 커버리지 | 올리브영, 온라인 등 다채널 |
간접 경쟁 (Indirect Competitors)
| 카테고리 | 대표 키워드 | CEP 연결 |
| 탄산수/탄산음료 | 씨그램, 콜라 대신 탄산수 | CEP-04 |
| 에너지 드링크 | 에너지 드링크 대체, 빡포션 | CEP-05 |
| 커피 | 아침 커피 대신, 커피 대체 식품 | CEP-05 |
| 물에 타먹는 가루 | 크리스탈 라이트, 수레타 | CEP-10 |
Layer E. Query (쿼리 생성)
AI가 실제로 받을 수 있는 질문을 체계적으로 생성·관리하는 레이어입니다.
| 필드명 | 타입 | 설명 |
| cep_id | STRING (FK) | 연결 CEP |
| query_chain_order | INT | 연쇄 질문 순서 |
| query_pattern | ENUM | P1~P6 쿼리 문법 패턴 |
| slot_dictionary | JSON | 변수 슬롯 (브랜드, 성분, 맛 등) |
| anchor_query | STRING | LM 검증된 원본 쿼리 |
| generated_query | STRING | 확장 생성 쿼리 |
| volume_score | FLOAT | 볼륨 기반 우선순위 |
쿼리 문법 6패턴 및 예시(path_finder 여정 데이터 기반 설계)
| 패턴 | 유형 | 템플릿 | path_finder 근거 경로 (예시) |
| P1 | 정의/기초 | “[카테고리]란 무엇인가” | 콤부차 → 콤부차 뜻 → 콤부차 효능 |
| P2 | 안전/검증 | “[카테고리] [성분] 괜찮은가” | 콤부차 → 콤부차 카페인 → 콤부차 카페인 함량 → 콤부차 혈당 |
| P3 | 사용법/루틴 | “[카테고리] 언제/어떻게 먹나” | 콤부차 → 콤부차 다이어트 → 콤부차 마시는법 → 콤부차 따뜻하게 |
| P4 | 추천/비교 | “[카테고리] 추천 vs [브랜드]” | 콤부차 → 콤부차 효능 → 콤부차 맛 추천 |
| P5 | 상황 기반 해결 | “[상황]에 [카테고리] 괜찮은가” | 콤부차 → 콤부차 효능 → 콤부차 단점 → 콤부차 당뇨 |
| P6 | 구매 | “[브랜드] [채널] 가격” | 콤부차 → 콤 부차 티젠 → 담터 콤부차 → 티젠 콤부차 |
Query Chain 예시 (CEP-03: 다이어트 상황) — path_finder에서 추출한 대표 경로 콤부차 → 콤부차 다이어트 → 콤부차 효능 → 콤부차 하루 섭취량 기반
- Chain 1 (P1): “콤부차 다이어트에 효과 있어?”
- Chain 2 (P2): “콤부차 칼로리랑 당분은 얼마나 돼?”
- Chain 3 (P3): “다이어트할 때 콤부차 하루에 몇 잔 마시면 돼?”
- Chain 4 (P4): “다이어트에 좋은 콤부차 추천해줘” Chain 5 (P6): “티젠 콤부차 제로 어디서 사?”
Layer F. Lexicon (개념 언어 사전)
AI가 콤부차를 설명할 때 사용해야 할 용어와, 사용하면 안 되는 용어를 정의합니다. 브랜드 고유 표현의 AI 답변 내 침투를 위한 핵심 레이어입니다.
| 필드명 | 타입 | 설명 |
| cep_id | STRING (FK) | 연결 CEP (nullable, 범용 용어는 null) |
| term_type | ENUM | tizen_unique / proof / risk / general |
| term | STRING | 용어 |
| definition | STRING | 정의/설명 |
| usage_context | STRING | 사용 맥락 |
TiZen Unique Terms (티젠 고유 용어) — AI 답변에서 일반 명사 대신 우선 사용해야 할 브랜드 고유 표현
| 용어 | 대체 대상 (일반 표현) | 사용 맥락 |
| 찬물에도 바로 녹는 스틱 제형 | 분말형 콤부차 | 제형 설명 시 |
| 제로 칼로리 콤부차 | 저칼로리 콤부차 | 다이어트 맥락 |
| 다양한 과일 플레이버 라인업 | 여러 맛 | 맛 추천 시 |
추정 표기 주의 – TiZen Unique Terms는 실제 티젠 제품의 공식 마케팅 메시지에서 추출해야 합니다. 위 예시는 검색 데이터에서 추정한 것이며, 티젠 브랜드팀의 확인을 거쳐 확정해야 합니다.
Proof Terms (근거 용어) — AI가 효능·안전성 설명 시 반드시 사용해야 할 팩트 기반 용어
| 용어 | 맥락 | 근거 기준 |
| 유산균 발효 음료 | 효능 설명 시 | 제품 성분표 기반 |
| SCOBY 발효 | 원리 설명 시 | 과학적 정의 |
| 녹차 베이스 | 카페인 설명 시 | 원료 기반 |
Risk Terms (위험 용어) — AI가 사용해서는 안 되거나 주의해야 할 표현
| 용어 | 위험 유형 | 대응 |
| “치료”, “완치” | 의료 과장 | “도움이 될 수 있다” 수준으로 완화 |
| “무조건”, “확실히” | 단정적 표현 | “연구에 따르면” 등 조건부 표현 |
| “부작용 없는” | 안전성 과장 | “개인차가 있을 수 있다” 병기 |
Layer G. Message (답변 구조)
AI가 콤부차 관련 질의에 답변할 때의 문단 구조와 브랜드 역할을 정의합니다
| 필드명 | 타입 | 설명 |
| cep_id | STRING (FK) | 연결 CEP |
| answer_framework | JSON | 6단계 답변 구조 |
| brand_role | STRING | 답변 내 티젠의 역할 |
| next_step_prompt | STRING | 이탈 방지용 다음 질문 |
| safety_disclaimer | STRING | 건강 관련 면책 문구 |
Answer Framework 6단계 구조
| 순서 | 단계 | 설명 | 예시 (CEP-03 기반) |
| 1 | Framing | 질문의 맥락을 잡는 도입부 | “콤부차는 발효 과정에서 생성된 유기산과 프로바이오틱스가 포함된 음료로…” |
| 2 | Reasoning | 핵심 정보 제공 | “다이어트 관점에서 콤부차가 주목받는 이유는 저칼로리이면서…” |
| 3 | Option Space | 선택지 제시 | “시중에서 구할 수 있는 콤부차는 스틱형, RTD, 티백형으로…” |
| 4 | Brand Role | 티젠을 기준점으로 포지셔닝 | “스틱형 콤부차의 대표적 제품인 티젠 콤부차는…” |
| 5 | Proof Hook | 근거·팩트 제시 | “성분표 기준 1포당 칼로리는…” |
| 6 | Next Step | 추가 질문 유도로 이탈 방지 | “마시는 타이밍이 궁금하시다면…” |
설계원칙 : Brand Role(4단계)은 항상 Option Space(3단계) 이후에 위치시켜, ‘비교 후 추천’이라는 자연스러운 흐름을 만듭니다. 브랜드를 처음부터 내세우면 광고성으로 인식될 위험이 있습니다.
4. AI 추론 포지셔닝 연결 키
모든 CEP에 반드시 포함해야 하는 AI 추론 포지셔닝 전용 필드입니다. 이 필드들이 LLM의 답변 생성 시 티젠을 ‘기준점’으로 인식하게 하는 핵심 메커니즘입니다.
| 필드명 | 타입 | 설명 | 예시 |
| ai_inference_role_target | STRING | AI가 해당 CEP에서 티젠에 부여할 역할 | “스틱형 콤부차의 대표 기준” |
| recommended_ai_phrases | ARRAY | AI 답변에 포함되기를 기대하는 문구 | [“대표적인 스틱형 콤부차”, “다양한 맛 라인업”] |
| evidence_queries | ARRAY | 역할 부여의 검색 데이터 근거 | [“티젠 콤부차 (vol: 13,333)”, “콤부차 브랜드 비교”] |
메커니즘 설명 : LLM은 웹에서 수집한 데이터를 기반으로 답변을 생성합니다. evidence_queries에 명시된 검색어들이 실제로 높은 검색량을 보이고, 해당 검색 결과에서 티젠이 빈번하게 등장한다면, LLM은 자연스럽게 recommended_ai_phrases에 가까운 표현을 생성할 확률이 높아집니다. 이것이 GEO의 핵심 원리입니다.
5. 인구통계 프로파일
keyword_info의 demography 데이터에서 도출한 콤부차 검색자의 인구통계 프로파일입니다. CEP별 페르소나 설계의 데이터 근거로 활용합니다.
콤부차 카테고리 전체 (키워드: “콤부차”)
| 항목 | 값 | 해석 |
| 성별 비율 | 남성 33.7% / 여성 66.3% | 여성 중심이나 남성도 1/3 수준 |
| 핵심 연령대 | 30대 28.3% > 40대 27.4% > 50+ 18.4% | 30~40대가 핵심 소비층 |
| 10대 비중 | 4.6% | 미미하나 트렌드 감지 목적 |
티젠 콤부차 (키워드: “티젠 콤부차”)
| 항목 | 값 | 카테고리 대비 |
| 여성 비율 | 77.3% | 카테고리(66.3%) 대비 +11%p |
| 30대 | 29.6% | 카테고리와 유사 |
| 40대 | 29.4% | 카테고리와 유사 |
| 50+ | 20.1% | 카테고리(18.4%) 대비 소폭 높음 |
다이어트 맥락 (키워드: “콤부차 다이어트”)
| 항목 | 값 | 특이사항 |
| 여성 비율 | 82.7% | 카테고리 대비 +16.4%p, 여성 집중 |
| 10대 | 18.7% | 카테고리 대비 4배 이상, 10대 여성 다이어트 수요 |
| 20대 초반 | 17.2% | 10~20대 합계 35.9%로 젊은 층 집중 |
CEP 설계 시사점: CEP-03(다이어트)의 페르소나는 “체중관리 여성”으로 설정했으나, 실제 데이터는 10대 비중이 매우 높아 미성년자 대상 마케팅 메시지 주의가 필요합니다. 건강 주장의 수위를 더 보수적으로 설정해야 합니다.
6. 검색량 트렌드 요약
keyword_info의 monthly_volume 데이터에서 도출한 주요 키워드의 트렌드입니다.
| 키워드 | 월평균 검색량 | YoY 트렌드 | 계절성 피크 | 비고 |
| 콤부차 | 39,066 | -42% | 6~8월 (여름) | 카테고리 전체 축소 추세 |
| 콤부차 효능 | 28,063 | -51% | 6~8월 | 정보 탐색 수요 감소 |
| 티젠 콤부차 | 13,333 | -44% | 6~7월 | 카테고리 동반 하락이나 브랜드 점유율은 유지 |
| 콤부차 카페인 | 3,323 | -59% | 6~8월 | 안전 관련 검증 수요 |
| 담터 콤부차 | 2,046 | -57% | 6~7월 | 경쟁사 동반 하락 |
| 아임얼라이브 | 2,046 | -28% | 7~8월 | 하락폭 상대적으로 작음 |
| 콤부차 다이어트 | 1,780 | -47% | 6~7월 | 다이어트 시즌 연동 |
| 오설록 콤부차 | 863 | -58% | 6~8월 | 프리미엄 포지션 축소 |
전략적 함의: 카테고리 전체가 축소 추세(-42%)이므로, GEO 전략의 초점은 ‘절대 검색량 확대’보다 ‘기존 검색량 내 티젠 점유율(Share of Voice) 극대화’에 두어야 합니다. 특히 여름 시즌(6~8월) 집중 운영이 효율적입니다.
📌 이 가이드는 ListeningMind DaaS API에서 실제 데이터 기반입니다. (추출: 2026년 2월 기준)
📌 “추정” 또는 “수동 라벨링” 표기가 있는 항목은 데이터에서 직접 추출한 값이 아닌, 데이터를 해석하여 부여한 것입니다.
📌 Priority Score, CEP 라벨, AI Inference Role 등은 브랜드팀의 검토·확정이 필요합니다.
