quality-report

/digital-marketing-pro:quality-report

目的

品質に関するインテリジェンスを時系列でレポートします。日次・週次の評価スコアの傾向を示し、改善または低下しているコンテンツの種類を特定します。品質が確立されたベースラインを下回った場合の回帰アラートを検出し、ブランドで最も成果の高いコンテンツと最も成果の低いコンテンツを明らかにします。また、組織全体のコンテンツ品質を改善するための、実行可能な提案を提供します。

このコマンドは、/digital-marketing-pro:eval-content によって記録された評価データを、戦略的な知見に変換します。単一のコンテンツを評価するのではなく、すべての評価のパターンを分析し、次の問いに答えます。コンテンツの品質は向上しているのか、低下しているのか？最も優れたコンテンツの種類は何か？最も改善が必要な評価項目はどれか？対処すべき回帰はあるか？全体的な品質に最も大きな影響を与える具体的な変更は何か？

必要な入力

ユーザーは次の情報を提供する必要があります（または入力を求められます）。

• 期間（任意）：レポートの対象期間です。7d、14d、30d、60d、90d、またはカスタムの日付範囲（YYYY-MM-DD to YYYY-MM-DD）を指定します。既定値は30日です。期間が長いほど傾向を把握しやすくなりますが、プロセス変更前の古いデータが含まれる場合があります
• コンテンツの種類のフィルター（任意）：特定のコンテンツの種類に絞ってレポートします。blog_post、email、ad_copy、social_post、landing_page、press_release、content_brief、campaign_plan、または all を指定します。既定値はすべての種類です。特定のコンテンツストリームの品質の推移を詳しく調べる際に便利です
• 評価項目のフォーカス（任意）：特定の評価項目に絞って詳しく確認します。content_quality、brand_voice、hallucination_risk、claim_verification、output_structure、readability、または all を指定します。既定値はすべての評価項目です。チームが特定の品質面の改善に取り組んでいる場合に便利です

プロセス

1. ブランドのコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.jsonを読み込み、アクティブなスラッグを確認してから、~/.claude-marketing/brands/{slug}/profile.jsonを読み込みます。ベンチマークとの比較には、ブランドの品質基準と業界のコンテキストを適用します。~/.claude-marketing/brands/{slug}/guidelines/_manifest.jsonにガイドラインがあるか確認し、存在する場合は品質目標やSLAの定義を読み込みます。~/.claude-marketing/sops/に代理店のSOPがあるか確認します。代理店のワークフローで、クライアント向け成果物に最低品質基準が定められている場合があります。ブランドが存在しない場合は、「まずブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、デフォルト設定で進めます。
2. 品質の傾向を取得する：scripts/quality-tracker.py --brand {slug} --action get-trends --days {period}を実行して、時系列の評価データを取得します。レポート期間にわたる複合スコアと次元別スコアが含まれます。コンテンツタイプのフィルターを適用する場合は、--content-type {content_type}を指定します。日次・週次の集計、移動平均、傾向の方向を示す指標が返されます。
3. 品質の概要を取得する：scripts/quality-tracker.py --brand {slug} --action get-summary --days {period}を実行して、評価の実行総数、複合スコアの平均、評価分布（A、B、Cなどの件数）、合格／不合格／要レビューの内訳、標準偏差を含む次元別平均などの集計統計を取得します。
4. 品質の低下を確認する：scripts/quality-tracker.py --brand {slug} --action check-regression --days {period}を実行して、統計的に有意な品質低下を検出します。回帰検出器は、直近7日間の平均と期間全体のベースラインを比較し、いずれかの次元またはコンテンツタイプで品質が標準偏差1つ分を超えて低下した場合に警告します。各回帰アラートには、深刻度（軽微、中程度、重大）、影響を受けた次元またはコンテンツタイプ、ベースライン値、現在値、傾向の方向が含まれます。
5. 最良・最悪のコンテンツを取得する：scripts/quality-tracker.py --brand {slug} --action get-best --days {period} --limit 5とscripts/quality-tracker.py --brand {slug} --action get-worst --days {period} --limit 5を実行して、期間内の評価のうち、スコアが最も高いものと最も低いものを取得します。これらは、このブランドにとって高品質と低品質がどのようなものかを示す具体例になります。
6. パターンを分析する：傾向データ、集計統計、回帰アラート、最良・最悪の例を統合し、実行可能なパターンを特定します。
   • 一貫してスコアが最も高いコンテンツタイプと最も低いコンテンツタイプは何か。また、それらの違いは何か
   • ブランドの強みと弱みとなっている次元は何か。また、それらはよくある問題とどう結びついているか
   • 品質の傾向は上昇、横ばい、低下のいずれか。また、どの変曲点が（プロセスの変更、チームの変更、新しいテンプレート、ガイドラインの更新）と関連しているか
   • 最高のパフォーマンスを示したコンテンツと最低のパフォーマンスを示したコンテンツには、どのような共通点があるか
   • 曜日やコンテンツ量による影響があるか（コンテンツの制作量が増えると品質が低下するか）
7. 推奨事項を作成する：パターン分析に基づいて、品質を向上させるための具体的で優先順位付けされた推奨事項を作成します。各推奨事項には、対象となる問題、期待される効果（影響する次元と改善量）、提案する対応（プロセスの変更、テンプレートの更新、トレーニングの重点、ツールの設定）、具体例を含めます。次元ごとの改善策については、skills/context-engine/eval-rubrics.mdを参照してください。
8. 経営層向けレポートにまとめる：主要指標を含むエグゼクティブサマリーで概要をすばやく把握できるようにし、詳細なレビューに対応できるよう、傾向データ全体、回帰の詳細、根拠を添えた推奨事項も含めて構成します。

出力

以下を含む、構造化された品質インテリジェンスレポートです。

• エグゼクティブサマリー：3～5項目の概要。対象期間の評価総数、グレード付きの複合スコア平均、品質トレンドの方向（改善／安定／低下と変化率）、回帰アラートの件数、最も影響の大きい推奨事項を1つ記載します。
• 全体的な品質指標：実施した評価の総数、複合スコア平均、複合スコアの中央値、標準偏差、グレード分布（各文字グレードの件数と割合）、合格／不合格／要確認の内訳（件数と割合）、前期間との比較（データがある場合）。
• 週次トレンドチャート：レポート対象期間の週ごとの複合スコアを示すテキストベースの可視化。週平均、最高値、最低値、評価件数を含む、シンプルな ASCII チャートまたは構造化された表で表示します。トレンドラインの指標（上昇、横ばい、下降）と前週比の変化率も含めます。
• コンテンツタイプのランキング：複合スコア平均に基づいてコンテンツタイプを順位付けした表。コンテンツタイプ、評価件数、複合スコア平均、グレード、最も高い評価のディメンション、最も低い評価のディメンション、トレンドの方向を示します。最も速く改善しているコンテンツタイプと、低下しているコンテンツタイプを明示します。
• ディメンション別のパフォーマンス内訳：6つのスコアリングディメンションそれぞれについて、平均スコア、トレンドの方向、失敗件数（しきい値未満）、最もよく見られる問題、このディメンションのスコアが最も低いコンテンツタイプを示します。特定のディメンションに焦点を当てるよう指定された場合は、スコア分布のヒストグラムと失敗パターンの分類を含む詳細な分析を提供します。
• 回帰アラート：各回帰について、重大度（軽微／中程度／深刻）、影響を受けたディメンションまたはコンテンツタイプ、ベースライン値、現在値、低下の規模（ポイント数と割合）、回帰が始まったと思われる時期、他のデータポイントとの相関に基づく潜在的な原因を示します。重大度の高い回帰から順に並べます。
• 最もパフォーマンスの高いコンテンツ：上位5件の評価について、コンテンツタイプ、複合スコア、グレード、際立ったディメンション、このコンテンツが高スコアを獲得した理由を示します。再現できる実用的なパターンも記載します。
• 最もパフォーマンスの低いコンテンツ：下位5件の評価について、コンテンツタイプ、複合スコア、グレード、不合格となったディメンション、スコアを低下させた具体的な問題を示します。回避すべき実用的な問題も記載します。
• 品質改善の推奨事項：優先順位を付けた3～7件の具体的な推奨事項。それぞれに以下を含めます。
  • 対処する問題またはパターン
  • 期待される効果（改善するディメンションとその改善幅）
  • 具体的な実施内容（テンプレートの更新、しきい値の設定、プロセスの調整、特定ディメンションに重点を置いたトレーニングなど）
  • 具体例または変更前／変更後の例
  • 必要な労力（すぐに実施できる改善、中程度の労力、大きな投資）
• 前期間との比較：十分な過去データがある場合は、現在の期間と前回の同等期間の主要指標を並べて比較し、複合スコア、合格率、ディメンション別平均、回帰件数の改善または低下を示します。

使用エージェント

• quality-assurance — 評価ログからの品質データの取得と集計、統計的なベースライン比較による回帰検出、パターン抽出による最良／最悪コンテンツの特定、グレード分布の算出、レポート対象期間におけるトレンドの計算
• analytics-analyst — コンテンツタイプおよびディメンション全体にわたるトレンドの解釈とパターン分析、品質変化とプロセス要因またはチーム要因との相関の特定、一般論ではなくデータパターンに基づく推奨事項の作成、エグゼクティブサマリーの統合、統計的な背景を踏まえた期間比較