TRUNKS SCORE / SIGNAL ENGINE
TRUNKS SCORE / SIGNAL ENGINELe score de carrière qui lit ta trajectoire
Influence et momentum, de 0 à 100. Recalculé quand tes comptes sync, écrit chaque jour UTC.
- signals_in
- 47
- pillars_active
- 5/5
- history_days
- 30
- recompute_ms
- 42
- confidence
- 0.91
live.demo
0
Échelle 0 à 100. Emergent, montée, ou dominant.
< 40
Emergent
40-69
Montée
70+
Dominant
live.telemetry
Télémétrie en direct
Courbe, piliers, radar et sparks plateforme. Démo illustrative, pas un artiste réel.
Évolution 30j
Chaque jour UTC ajoute un point. Le score suit la trajectoire.
Mix piliers
Illustratif. La pondération réelle s'adapte aux signaux présents.
Radar signal
Cinq axes, un pulse. Lecture relative des piliers actifs.
Sparks plateforme
Silhouettes monochrome. Momentum inbound par connecteur.
Pipeline compute
Trunks n'agrège pas le web. Il enregistre ce qui arrive, extrait les features, score, puis agit.
signal_engine.v1
- 01oauth_snapshot
Connect
OAuth Spotify, YouTube, TikTok, Deezer, Instagram. Tes comptes, ta vérité.
- 02inbound.write
Ingest
Chaque sync pose un snapshot inbound. Pas de scrape quotidien du catalogue.
- 03renormalize(w)
Feature
Croissance, engagement, signaux marché. Si un axe manque, renormalize.
- 04trajectory_model
Score
Les piliers fusionnent. Le modèle de trajectoire s'active si l'historique suffit.
- 05utc_history.write
Act
Score courant sur toi. Point UTC dans trunks_score_history. Trunks en parle.
compute.tape
Session moteur (démo)
- 01BOOT signal_engine v1 · locale=fr · session=demo
- 02
Cinq piliers, un chiffre
Chaque pilier nourrit le Score. Tags machine visibles, calibration interne.
Momentum
dyn.weightCroissance 7j et 30j, plus l'accélération. Ça monte encore, ou ça freine ?
- growth_7d
- growth_30d
- acceleration
Audience
dyn.weightEngagement face au volume. Une audience qui réagit pèse plus qu'un stock inerte.
- engagement_ratio
- active_listeners
- retention
Signal culturel
dyn.weightPlaylists éditoriales, radio, reconnaissance. Le marché te voit, ou pas encore.
- playlist_adds
- radio_hits
- recognition
Prédiction
dyn.weightQuand l'historique suffit, le modèle estime si l'audience continue. Sinon, le pilier s'efface.
- trajectory_model
- mlPrediction
- history_depth
Votes TrunksMag
dyn.weightUn vote peut faire monter. L'absence ne baisse pas. La communauté pèse sans punir.
- trunksmag_votes
- community_lift
- no_penalty
Ce que le modèle refuse
Trois anti-patterns. Trunks lit la trajectoire, pas la vanité.
reject
Follower vanity
Un gros chiffre isolé ne fait pas un score. La trajectoire compte, pas la pose.
reject
Pénalité d'absence
Pas de TrunksMag ? Aucune baisse. Le lift n'existe que s'il y a un signal.
reject
Scrape massif
Pas de pull nocturne de tout le monde. On enregistre ce qui arrive : comptes, votes, prédiction.
FAQ méthodologie
Pourquoi mon score bouge ?
Parce que les snapshots inbound changent : croissance, engagement, signaux de marché, ou une prédiction qui s'active. Chaque recalcul écrit aussi un point d'historique du jour.
Comment le faire monter ?
Connecte plus de plateformes, soigne la croissance réelle, gagne des signaux culturels, et laisse TrunksMag te porter. Demande à Trunks la prochaine action, pas juste le chiffre.
Mes données restent-elles privées ?
Les tokens OAuth ne passent jamais dans le prompt. Les agents lisent des outils compte. Tu parles à Trunks, pas à un dashboard public de tes secrets.
Comment la méthodologie est-elle construite ?
Le Score combine momentum, audience, signal culturel, prédiction et votes TrunksMag. La calibration reste interne, comme un score de crédit. Tu vois les piliers, la courbe, et l'action.
Demande ton Trunks Score
Connecte tes comptes. Les agents t'expliquent le chiffre et quoi faire ensuite.