# Compétence d'agent de sélection KOL > Automatisez la sélection de KOL : nettoyez les listes CSV désordonnées de Modash, Heepsy, etc., enrichissez les données manquantes, calculez des scores de santé et obtenez une liste restreinte classée. Gagnez des heures de vérification manuelle. Commencez gratuitement en quelques secondes. - Canonical: https://nanoskill.ai/fr/skills/kol-screener-agent-skill - Markdown: https://nanoskill.ai/fr/skills/kol-screener-agent-skill.md - Author: jrr996shujin-png - Published: 2026-10-20T03:30:00.000Z - Updated: 2026-10-20T09:40:52.644Z - Language: fr - Source type: github - Popularity signal: 7 ## Sources - https://github.com/jrr996shujin-png/kol-ops-suite/tree/main/skill-1-kol-screener ## Install ```shell npx skills add https://github.com/jrr996shujin-png/kol-ops-suite/tree/main/skill-1-kol-screener ``` ## About La sélection de KOL est une étape cruciale du marketing d'influence qui transforme les exports CSV bruts et désordonnés d'outils comme Modash ou Heepsy en une liste restreinte vérifiée et notée. Que vous soyez un responsable marketing de marque lançant une campagne ou une agence gérant plusieurs viviers de créateurs, cette compétence élimine des heures de nettoyage, d'enrichissement et de notation manuels des données. Elle transforme automatiquement des feuilles de calcul chaotiques en un classement clair et exploitable, afin que vous puissiez vous concentrer sur la prise de contact plutôt que sur la saisie de données. La compétence de sélection KOL va au-delà de la simple déduplication. Elle enrichit votre liste en collectant les métadonnées publiques des chaînes — nombre d'abonnés, taux d'engagement, activité récente, et même les e-mails de contact lorsqu'ils sont disponibles — puis applique un algorithme de score de santé multifactoriel. La notation pondère l'activité, l'engagement, la cohérence des vues, l'authenticité des abonnés et la pertinence de la catégorie, vous donnant un score fiable de 0 à 100 par influenceur. Tous les résultats sont livrés dans un classeur Excel mis en forme avec des feuilles à code couleur pour une prise de décision immédiate. Idéal pour les responsables de campagne, les chasseurs de talents et les équipes d'exploitation d'agence, cette compétence s'intègre parfaitement à votre flux de travail existant. Téléversez une feuille de calcul provenant de n'importe quel outil majeur de découverte de KOL et, en une seule étape, vous obtenez une liste restreinte classée, une liste des risques signalés (comme des abonnés présumés faux ou des chaînes mortes) et une copie préservée de vos données brutes. Après la sélection, la compétence peut passer directement à la phase suivante, comme la prise de contact automatisée, rendant votre pipeline d'influenceurs fluide de la découverte au premier contact. ## Key features - **Notation de santé automatisée**: Chaque KOL reçoit un score de 0 à 100 basé sur l'activité, l'engagement, la régularité des vues et le ratio abonnés/vues, afin que vous puissiez repérer instantanément les meilleurs profils et les risques de fraude. - **Enrichissement des champs à partir de données publiques**: Remplit automatiquement les données manquantes telles que le pays, les indicateurs d'activité, les vues moyennes, le taux d'engagement et l'e-mail en analysant les pages des chaînes, réduisant ainsi la recherche manuelle. - **Nettoyage et standardisation des données**: Supprime les doublons, normalise le nombre d'abonnés (1,2 M → 1 200 000), standardise les libellés de plateforme et signale les entrées avec des informations critiques manquantes, le tout en un seul téléversement. - **Rapport de shortlist Excel mis en forme**: Produit un classeur Excel à code couleur avec trois feuilles : une shortlist notée triée par santé, une liste des problèmes signalés et les données brutes d'origine pour référence. ## Use cases - **Filtrer les listes de KOL pour les campagnes médiatiques**: Les équipes marketing téléversent des exports bruts d'influenceurs depuis Modash, Heepsy ou CreatorIQ et reçoivent une shortlist propre et classée prête pour la prospection, réduisant le temps de vérification de plusieurs heures. - **Auditer et nettoyer les bases de données d'influenceurs existantes**: Les agences l'utilisent pour examiner périodiquement leurs listes d'influenceurs, repérant les comptes inactifs, les faux abonnés et les coordonnées obsolètes afin de maintenir leur base de données saine. - **Construire des shortlists de KOL par catégorie**: Les responsables de campagne spécifient une catégorie de marque (par exemple, beauté, technologie), et l'outil évalue la pertinence en plus de l'engagement, les aidant à faire ressortir les influenceurs les mieux adaptés aux campagnes de niche. ## Result preview Voyez un rapport de sélection visuel sur 8 KOL classés par score de santé, avec les doublons supprimés, les lacunes signalées et les niveaux de priorité pour la prise de contact. ![the demo of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-demo-1.png) ![the demo of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-demo-2.png) ![the demo of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-demo-3.png) ![the demo of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-demo-4.png) ## Result walkthrough ### Installer Ajoutez la compétence de sélection KOL à votre agent IA. ![the step of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-step-1.png) ### Téléversez votre liste de KOL Donnez-lui un CSV d'influenceurs désordonné — la compétence supprime les doublons, normalise les formats et remplit ce qu'elle peut. ![the step of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-step-2.png) ### Obtenez votre liste prête à contacter Recevez une liste restreinte notée et classée avec des niveaux vert/jaune/rouge et des lacunes de données signalées — évitez des heures de vérification manuelle. ![the step of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-step-3.png) ## Skill definition # Compétence 1 : Filtre KOL Prend un export CSV brut et désordonné issu d'outils de découverte de KOL et le transforme en une liste restreinte propre, enrichie et notée, prête pour la prise de contact. ## Quand l'utiliser - L'utilisateur téléverse un CSV/Excel de noms de KOL ou d'URL de chaînes - L'utilisateur dit « nettoyez cette liste d'influenceurs » ou « filtrez ces KOL » - L'utilisateur souhaite formater ou standardiser une base de données de créateurs ## Entrée Un fichier CSV ou Excel contenant une combinaison de : noms de chaînes, URL, nombre d'abonnés, e-mails, catégories, etc. Attendez-vous à des données désordonnées : formats incohérents, champs manquants, doublons. ## Processus ### Étape 1 : Nettoyage des données - Supprimer les entrées en double (correspondance par URL ou nom de chaîne) - Standardiser les formats d'URL (garantir des URL complètes, pas des identifiants partiels) - Normaliser les comptes d'abonnés (convertir « 1.2M » → 1 200 000) - Signaler les lignes avec des données manquantes critiques (pas d'URL = impossible de poursuivre) - Détecter et standardiser les libellés de plateforme (YT, YouTube, youtube → YouTube) ### Étape 2 : Enrichissement des champs Pour chaque KOL disposant d'une URL de chaîne valide, tenter de collecter les données publiquement disponibles : | Champ | Source | Priorité | |-------|--------|----------| | Nom de la chaîne | Depuis l'URL/la page | Requis | | Plateforme | Depuis le modèle d'URL | Requis | | Nombre d'abonnés/de followers | Page publique | Requis | | Pays/Région | Informations sur la chaîne ou langue du contenu | Élevée | | Catégorie de contenu | Déduite des titres de vidéos récentes | Élevée | | Vues moyennes (30 dernières vidéos) | Données vidéo publiques | Élevée | | Taux d'engagement moyen | (j'aime + commentaires)/vues × 100 % | Élevé | | Date de dernière mise en ligne | Vidéo la plus récente | Moyenne | | Nombre total de vidéos | Page publique | Moyenne | | E-mail (s'il est public) | Page À propos de la chaîne | Moyenne | Si les données ne peuvent pas être récupérées automatiquement, marquez la cellule comme `[MANUAL]` avec un surlignage jaune pour que l'utilisateur la remplisse. ### Étape 3 : Score de santé Calculez un score de santé préliminaire (0-100) pour chaque KOL : | Métrique | Poids | Logique de notation | |--------|--------|---------------| | Activité | 20 % | Dernière mise en ligne il y a moins de 7 jours = 100, 30 jours = 70, 90 jours = 30, 90 jours et plus = 0 | | Taux d'engagement | 25 % | Références par plateforme : TikTok >5 % = 100, YouTube >3 % = 100, IG >2 % = 100 | | Constance des vues | 20 % | Faible écart-type des vues = score élevé (performeur stable) | | Ratio abonnés/vues | 20 % | Vues/abonnés > 30 % = 100, 10-30 % = 60, <10 % = 20 (indicateur de faux abonnés) | | Pertinence du contenu | 15 % | Dans quelle mesure le contenu récent correspond à la catégorie de la marque (l'utilisateur doit préciser la catégorie) | ### Étape 4 : Sortie Générez un fichier Excel mis en forme avec : - **Feuille 1 : Liste restreinte notée** — Tous les KOL triés par score de santé décroissant, avec un code couleur (vert >70, jaune 40-70, rouge <40) - **Feuille 2 : Problèmes signalés** — KOL avec suspicion de faux abonnés, chaînes inactives ou données manquantes critiques - **Feuille 3 : Données brutes** — Import d'origine conservé à titre de référence ## Emplacement de sortie Enregistrer dans : `campaign-workspace/01-screening/screened-shortlist.xlsx` ## Passage de relais Après le filtrage, demandez à l'utilisateur : « Votre liste restreinte est prête avec [X] KOL notés. Voulez-vous que je passe à la prise de contact (Compétence 2), ou préférez-vous d'abord examiner et filtrer ? » ## FAQ ### Qu'est-ce que le filtrage des KOL et pourquoi en ai-je besoin ? Le filtrage des KOL est le processus qui consiste à évaluer les leaders d'opinion clés (influenceurs) en nettoyant leurs données, en comblant les informations manquantes et en notant leurs performances. Il vous aide à séparer rapidement les partenaires à forte valeur ajoutée des comptes inactifs ou frauduleux avant d'investir dans la prise de contact. ### Comment cette compétence nettoie-t-elle ma liste d'influenceurs ? Elle supprime automatiquement les doublons, normalise le nombre d'abonnés, standardise les formats d'URL et les libellés de plateforme, et surligne les lignes avec des données manquantes critiques. Vous téléversez simplement un CSV et obtenez une feuille de calcul nettoyée. ### Quelles données peuvent être enrichies automatiquement ? Pour chaque KOL disposant d'une URL de chaîne publique valide, la compétence tente de récupérer : le nom de la chaîne, la plateforme, le nombre d'abonnés, le pays/la région, la catégorie de contenu, les vues moyennes, le taux d'engagement, la date de dernière mise en ligne, le nombre total de vidéos et l'e-mail (s'il est publiquement disponible). Les champs indisponibles sont marqués pour une saisie manuelle. ### Comment le score de santé est-il calculé ? Le score (0-100) combine cinq indicateurs pondérés : récence de l'activité (20 %), taux d'engagement par rapport aux références de la plateforme (25 %), régularité des vues (20 %), ratio abonnés/vues (20 %) et pertinence du contenu par rapport à la catégorie de votre marque (15 %). Les pondérations sont basées sur des priorités éprouvées par l'industrie. ### Cette compétence est-elle gratuite ? Oui, le KOL Screener est une compétence open source accessible via npx skills add. Il n'y a pas d'abonnement payant, et vous pouvez l'exécuter en utilisant vos propres clés d'API si un enrichissement des données est nécessaire. ### Qu'obtiens-je comme résultat ? Vous recevez un fichier Excel avec trois feuilles : Shortlist notée (tous les KOL classés par santé, avec code couleur vert-jaune-rouge), Problèmes signalés (comptes suspects et enregistrements incomplets) et Données brutes (votre import d'origine conservé).