PlayerPower 방법론 v3

§ 1 — 무엇을 측정하나

PlayerPower는 10개 축(R1~R9 + R_win)을 역할별 가중치로 합산한 0~99 점수입니다. v2026.4부터 단일 점수 외에 IndividualSkill (개인 기량 전용 축 합산)과 TeamSynergy (팀 의존 축 합산) 두 트랙을 추가로 제공합니다. 세 숫자를 함께 읽으면 “약팀 에이스”와 “강팀 평균” 패턴을 구분할 수 있습니다.

색상: 밝을수록 가중치 높음. 셀 위에 마우스를 올리면 역할별 reasoning이 표시됩니다. 소스: player_power.py:98 ROLE_COMPOSITE. ×0.45 / ×0.85 = 팀 의존 감산 계수 (player_power.py:137).

is_carry_lopsided = (individual_skill − team_synergy) ≥ 12
composite_check   = 0.6 × IS + 0.4 × TS  →  |composite_check − PP| ≤ 2

§ 2 — 어떻게 보정하나

관측 지표를 그대로 쓰면 강팀·OP 챔프·소표본 핫스트릭이 점수를 왜곡합니다. 네 단계 보정이 이 왜곡을 순서대로 제거합니다: 잔차(리그 기대값 제거) → 챔피언 보정(OP 픽 효과 제거) → 수축(소표본 과대추정 감소) → SoS(상대 강도 반영).

-- 1. 잔차: 리그·메타 기대값 제거
raw_z[axis] = (observed_metric − league_mean) / league_std
residual_z  = raw_z − champion_strength_z × β   (β=0.15 기본값)

-- 2. 수축: 소표본 당기기
shrunk_z = residual_z × n / (n + SHRINK_K)       (SHRINK_K=15)

-- 3. 합산: 역할 가중치 적용
PlayerPower_z = Σ( ROLE_COMPOSITE[role][axis] × team_mul[axis] × shrunk_z[axis] )

-- 4. SoS: 상대 강도 보정 후 0~99 스케일
sos_bonus       = clip(mean(opp_team_elo) − avg_elo, −1.5σ, +1.5σ) × SOS_COEFF
PlayerPower (0–99) = Φ(PlayerPower_z + sos_bonus) × 99

§ 3 — 어떤 앵커에 비교하나

“88점이 페이커급인가, 정규 주전 평균인가?”라는 질문에 답하기 위해 역사적으로 합의된 최고 선수들의 점수를 era anchor로 고정합니다. 앵커는 리그·시즌·역할별로 고정되며, 현재 점수를 앵커 대비 상대 위치로 해석할 수 있게 합니다.

앵커는 두 종류입니다: (1) All-Pro 투표 합의 기반 역할별 최고 선수 시즌 점수, (2) MSI/Worlds 우승·4강 팀 선수의 국제 대회 점수. 두 앵커가 일치하면 cross-region 타당성이 확보됩니다.

앵커는 변경 불가(governance — CODEOWNERS 2명 승인 필요)입니다. 앵커 핀이 없는 선수에게는 절대 위상 표기 대신 역할 내 백분위가 표시됩니다.

소스: analytics/statiz_lab/anchors/era_anchors.csv, analytics/statiz_lab/src/era_anchor_check.py.

§ 4 — 클러치란 (R7 Clutch v2)

v2026.3까지의 R7은 “30분 이상 긴 게임에서의 성과”로 정의했습니다. 긴 게임 = 클러치라는 가정이 약하다는 피드백을 반영해, v2026.4에서는 팬이 직관적으로 떠올리는 4가지 클러치 순간을 가중 합산합니다.

R7_v2 = 0.40 × series_clutch_z
       + 0.25 × deficit_recovery_z
       + 0.20 × lane_loss_rec_z
       + 0.15 × high_stakes_win_z

  컴포넌트가 없으면 (국내전 전용 선수 등) 사용 가능 컴포넌트만으로 재정규화.
  n < 3 경기: 해당 컴포넌트 "표본 부족" 표기.

소스: rift_engine/scoring/r7_clutch_v2.py:31 R7_WEIGHTS, player_power.py:1086 R7 integration. 시각화: 클러치 모멘트 쇼케이스 →

§ 5 — 안정성이란 (R8 Consistency v2)

v2026.3의 R8은 한 스플릿 내 per-game 변동성(downside std)만 반영했습니다. v2026.4에서는 스플릿 간 안정성을 추가해 “메타가 바뀌어도 꾸준한 선수”와 “한 시즌 핫스트릭 선수”를 구분합니다.

R8_v2 = 0.70 × downside_std_z + 0.30 × cross_split_consistency_z

  downside_std_z          : 하위 방향 per-game 변동성 (같을수록 안정)
  cross_split_consistency : std(pp_z) over prior 2 splits (작을수록 안정)

  루키 (prior split 0~1개) → downside_std_z 만 사용 (weight 1.0)
  cross_split n_prior_splits < 2 → "표본 부족" 표기

소스: rift_engine/scoring/r8_consistency_v2.py, player_power.py — R8_V2_WEIGHTS.

§ 6 — 표본이 충분한가

20경기(PROVISIONAL_GAMES = 20)는 신뢰도 있는 점수를 위한 최소 임계값입니다. 미달 선수는 “표본 부족 — 추정치” 배지를 달고, 랭킹에서 시각적으로 구분됩니다. 국제 대회(MSI/Worlds)는 포맷 특성상 5경기로 완화됩니다.

이전 임계값(12경기)은 신인의 5~12경기 핫스트릭이 상위권에 노출되는 문제를 만들었습니다. 20경기로 상향해 충분히 검증된 선수만 공개 점수를 갖도록 했습니다. 수축 추정(SHRINK_K=15)과 함께 작동해 소표본 편향을 이중으로 방어합니다.

shrunk_z = raw_z × n / (n + SHRINK_K)   -- SHRINK_K = 15

n=5  → 신뢰도 25%  |  n=12 → 44%  |  n=20 → 57%  |  n=30 → 67%  |  n=∞ → 100%

PROVISIONAL_GAMES = 20  (player_power.py:82)
INTL_PROVISIONAL  =  5  (player_power.py:83)

소스: player_power.py:64 SHRINK_K, player_power.py:82 PROVISIONAL_GAMES.

§ 7 — 모델은 어떻게 검증되나

PlayerPower의 타당성은 4가지 백테스트(V01~V04)로 정기 측정됩니다. 이 중 V01(All-Pro 합의 일치율)이 핵심 게이트이며, PR 머지 전 precision@5 회귀 −2pt 이상이면 머지가 거부됩니다.

모델 버전: player_power@2026.4. 백테스트 리포트는 analytics/statiz_lab/outputs/에 날짜별 저장됩니다.