NanoSkill
Send inn din skill

Agentferdighet for influencerscreening

avjrr996shujin-png7GitHub-stjernerGitHub

Automatiser influencerscreening: rens rotete CSV-lister fra Modash, Heepsy osv., berik manglende data, beregn helsescore og produser en rangert kortliste. Spar timer med manuell gjennomgang. Start gratis på sekunder.

influencerSikkerhetsskann bestått
Resultatforhåndsvisning

Full demo

Se en visuell screeningrapport om 8 influencere rangert etter helsescore, med duplikater fjernet, hull flagget og prioritetsnivåer for oppsøkende kontakt.

Kom i gang

Kjør din første oppgave

  1. the step of kol screener agent skill
    01

    Installer

    Legg til ferdigheten for influencerscreening i AI-agenten din.

  2. the step of kol screener agent skill
    02

    Last opp influencerlisten din

    Gi den en rotete influencer-CSV – ferdigheten fjerner duplikater, normaliserer formater og fyller inn det den kan.

  3. the step of kol screener agent skill
    03

    Få listen din klar til kontakt

    Motta en poengsatt, rangert kortliste med grønne/gule/røde nivåer og flaggede datahull – spar timer med manuell gjennomgang.

Installasjonskommando

$ npx skills add https://github.com/jrr996shujin-png/kol-ops-suite/tree/main/skill-1-kol-screener

Installasjonssignaler

Installasjonsaktivitet

Om

Influencerscreening er et kritisk trinn i influensermarkedsføring som forvandler rå, rotete CSV-eksporter fra verktøy som Modash eller Heepsy til en gjennomgått, poengsatt kortliste. Enten du er en merkevaremarkedsfører som lanserer en kampanje eller et byrå som administrerer flere roster med innholdsskapere, eliminerer denne ferdigheten timer med manuell datarensing, beriking og poengsetting. Den gjør automatisk kaotiske regneark om til en klar, handlingsrettet rangering, slik at du kan fokusere på oppsøkende arbeid, ikke dataregistrering.

Ferdigheten for influencerscreening går lenger enn enkel deduplisering. Den beriker listen din ved å skrape offentlig kanalmetadata – abonnenttall, engasjementsrater, nylig aktivitet og til og med kontaktepostadresser der det er tilgjengelig – og bruker deretter en flerfaktor-algoritme for helsescoring. Scoringsalgoritmen vekter aktivitet, engasjement, visningskonsistens, følgerautentisitet og kategorirelevans, og gir deg en pålitelig score fra 0 til 100 per influencer. Alle resultater leveres i en formatert Excel-arbeidsbok med fargekodede ark for umiddelbar beslutningstaking.

Ideell for kampanjeledere, talentspeidere og byrådriftsteam, denne ferdigheten passer rett inn i din eksisterende arbeidsflyt. Last opp et regneark fra et hvilket som helst større verktøy for influencer-oppdagelse, og i ett trinn får du en rangert kortliste, en liste over flaggede risikoer (for eksempel mistenkte falske følgere eller døde kanaler) og en bevart kopi av rådataene dine. Etter screening kan ferdigheten overleveres direkte til neste fase, for eksempel automatisert oppsøkende kontakt, noe som gjør influencer-pipelinen din sømløs fra oppdagelse til første kontakt.

Nøkkelfunksjoner

Hva som gjør den kraftig

  • Automatisert helsescoring

    Hver KOL får en poengsum fra 0 til 100 basert på aktivitet, engasjement, visningskonsistens og forholdet følgere/visninger, slik at du umiddelbart kan identifisere topputøvere og svindelrisiko.

  • Feltanrikning fra offentlige data

    Fyller automatisk inn manglende data som land, aktivitetsmålinger, gjennomsnittlige visninger, engasjementsrate og e-post ved å skanne kanalsider, noe som reduserer manuell research.

  • Dataopprydding og standardisering

    Fjerner duplikater, normaliserer følgertall (1,2 mill. → 1 200 000), standardiserer plattformetiketter og flagger oppføringer med manglende kritisk informasjon – alt med én opplasting.

  • Formatert Excel-rapport med shortlist

    Produserer en fargekodet Excel-arbeidsbok med tre ark: en scoret shortlist sortert etter helse, en liste over flaggede problemer og de opprinnelige rådataene for referanse.

Brukstilfeller

Når du bør bruke den

  • Vurdere KOL-lister for mediekampanjer

    Markedsføringsteam laster opp rå influencer-eksport fra Modash, Heepsy eller CreatorIQ og mottar en ren, rangert shortlist klar for outreach, noe som sparer timer med vurderingsarbeid.

  • Revidere og rydde opp i eksisterende influencer-databaser

    Byråer bruker det til å jevnlig gjennomgå influencer-listene sine, oppdage inaktive kontoer, falske følgere og utdatert kontaktinformasjon for å holde databasen sunn.

  • Bygge kategorispesifikke KOL-shortlister

    Kampanjeansvarlige angir en merkevarekategori (f.eks. skjønnhet, teknologi), og verktøyet skårer relevans sammen med engasjement, noe som hjelper dem med å finne de best egnede influencerne for nisjekampanjer.

SKILL.md

Ferdighet 1: KOL-screener

Tar en rå, rotete CSV-eksport fra KOL-oppdagelsesverktøy og forvandler den til en ren, beriket, scoret kortliste klar for oppsøkende kontakt.

Når du skal bruke den

  • Brukeren laster opp en CSV/Excel med KOL-navn eller kanal-URL-er
  • Brukeren sier "rydd opp i denne influencerlisten" eller "screen disse KOL-ene"
  • Brukeren ønsker å formatere eller standardisere en skaperdatabase

Inndata

En CSV- eller Excel-fil med en kombinasjon av: kanalnavn, URL-er, følgerantall, e-poster, kategorier osv. Forvent rotete data — inkonsekvente formater, manglende felt, duplikater.

Prosess

Trinn 1: Datarensing

  • Fjern duplikatoppføringer (samsvar etter URL eller kanalnavn)
  • Standardiser URL-formater (sørg for fullstendige URL-er, ikke delvise håndtak)
  • Normaliser følger-/abonnentantall (konverter "1.2M" → 1200000)
  • Marker rader med kritisk manglende data (ingen URL = kan ikke fortsette)
  • Oppdag og standardiser plattformetiketter (YT, YouTube, youtube → YouTube)

Trinn 2: Feltberikelse

For hver KOL med en gyldig kanal-URL, forsøk å samle inn offentlig tilgjengelige data:

FeltKildePrioritet
KanalnavnFra URL/sidePåkrevd
PlattformFra URL-mønsterPåkrevd
Abonnent-/følgerantallOffentlig sidePåkrevd
Land/regionKanalinfo eller innholdsspråkHøy
InnholdskategoriUtledet fra nylige videotitlerHøy
Gj.sn. visninger (siste 30 videoer)Offentlige videodataHøy
Gj.sn. engasjementsrate(likes+kommentarer)/visninger × 100 %Høy
Dato for siste opplastingNyeste videoMiddels
Totalt antall videoerOffentlig sideMiddels
E-post (hvis offentlig)Kanalens om-sideMiddels

Hvis data ikke kan hentes automatisk, merk cellen som [MANUAL] med gul utheving slik at brukeren kan fylle den inn.

Trinn 3: Helsepoengsum

Beregn en foreløpig helsepoengsum (0–100) for hver KOL:

MetrikkVektPoenglogikk
Aktivitet20 %Siste opplasting innen 7 dager = 100, 30 dager = 70, 90 dager = 30, 90+ dager = 0
Engasjementsrate25 %Plattformreferanser: TikTok >5 % = 100, YouTube >3 % = 100, IG >2 % = 100
Visningskonsistens20 %Lavt standardavvik i visninger = høy poengsum (stabil utøver)
Følger/visningsforhold20 %Visninger/følgere > 30 % = 100, 10–30 % = 60, <10 % = 20 (indikator på falske følgere)
Innholdsrelevans15 %Hvor tett nylig innhold samsvarer med merkevarens kategori (brukeren må spesifisere kategori)

Trinn 4: Utdata

Generer en formatert Excel-fil med:

  • Ark 1: Rangert kortliste — Alle KOL-er sortert etter helsepoengsum synkende, fargekodet (grønn >70, gul 40–70, rød <40)
  • Ark 2: Markerte problemer — KOL-er med mistenkte falske følgere, inaktive kanaler eller manglende kritiske data
  • Ark 3: Rådata — Opprinnelig import bevart for referanse

Lagringssted

Lagre til: campaign-workspace/01-screening/screened-shortlist.xlsx

Overlevering

Etter screeningen, spør brukeren: "Kortlisten din er klar med [X] scorede KOL-er. Vil du at jeg skal fortsette med oppsøkende kontakt (ferdighet 2), eller vil du gjennomgå og filtrere først?"

FAQ