# Agentferdighet for influencerscreening

> 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.

- Canonical: https://nanoskill.ai/nb/skills/kol-screener-agent-skill
- Markdown: https://nanoskill.ai/nb/skills/kol-screener-agent-skill.md
- Author: jrr996shujin-png
- Published: 2026-10-20T03:30:00.000Z
- Updated: 2026-10-20T09:40:52.644Z
- Language: nb
- 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

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.

## Key features

- **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.

## Use cases

- **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.

## Result preview

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

![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

Legg til ferdigheten for influencerscreening i AI-agenten din.

![the step of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-step-1.png)

### Last opp influencerlisten din

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

![the step of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-step-2.png)

### Få listen din klar til kontakt

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

![the step of kol screener agent skill](https://file.nanoskill.ai/kol-screener-agent-skill-step-3.png)

## Skill definition

# 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:

| Felt | Kilde | Prioritet |
|-------|--------|----------|
| Kanalnavn | Fra URL/side | Påkrevd |
| Plattform | Fra URL-mønster | Påkrevd |
| Abonnent-/følgerantall | Offentlig side | Påkrevd |
| Land/region | Kanalinfo eller innholdsspråk | Høy |
| Innholdskategori | Utledet fra nylige videotitler | Høy |
| Gj.sn. visninger (siste 30 videoer) | Offentlige videodata | Høy |
| Gj.sn. engasjementsrate | (likes+kommentarer)/visninger × 100 % | Høy |
| Dato for siste opplasting | Nyeste video | Middels |
| Totalt antall videoer | Offentlig side | Middels |
| E-post (hvis offentlig) | Kanalens om-side | Middels |

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:

| Metrikk | Vekt | Poenglogikk |
|--------|--------|---------------|
| Aktivitet | 20 % | Siste opplasting innen 7 dager = 100, 30 dager = 70, 90 dager = 30, 90+ dager = 0 |
| Engasjementsrate | 25 % | Plattformreferanser: TikTok >5 % = 100, YouTube >3 % = 100, IG >2 % = 100 |
| Visningskonsistens | 20 % | Lavt standardavvik i visninger = høy poengsum (stabil utøver) |
| Følger/visningsforhold | 20 % | Visninger/følgere > 30 % = 100, 10–30 % = 60, <10 % = 20 (indikator på falske følgere) |
| Innholdsrelevans | 15 % | 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

### Hva er KOL-screening og hvorfor trenger jeg det?

KOL-screening er prosessen med å vurdere nøkkelopinionsledere (influensere) ved å rense dataene deres, fylle inn manglende informasjon og poengsette ytelsen deres. Det hjelper deg raskt å skille høyverdi-partnere fra inaktive eller falske kontoer før du investerer i oppsøkende kontakt.

### Hvordan renser denne ferdigheten influencerlisten min?

Den fjerner automatisk duplikater, normaliserer følgerantall, standardiserer URL-formater og plattformetiketter, og uthever rader med kritisk manglende data. Du laster bare opp en CSV og får et polert regneark.

### Hvilke data kan berikes automatisk?

For hver KOL med en gyldig offentlig kanal-URL, forsøker ferdigheten å hente: kanalnavn, plattform, abonnentantall, land/region, innholdskategori, gjennomsnittlige visninger, engasjementsrate, dato for siste opplasting, totalt antall videoer og e-post (hvis offentlig tilgjengelig). Utilgjengelige felt merkes for manuell utfylling.

### Hvordan beregnes helsepoengsummen?

Poengsummen (0–100) kombinerer fem vektede måltall: aktivitetsnyhet (20 %), engasjementsrate sammenlignet med plattformens referanseverdier (25 %), visningskonsistens (20 %), forholdet følgere/visninger (20 %) og innholdsrelevans for din merkevarekategori (15 %). Vektingen er basert på bransjetestede prioriteringer.

### Er denne ferdigheten gratis å bruke?

Ja, KOL-screeningsverktøyet er en åpen kildekode-ferdighet som er tilgjengelig via npx skills add. Det finnes ingen betalt abonnementsordning, og du kan kjøre den med dine egne API-nøkler hvis dataanrikning er nødvendig.

### Hvilket resultat får jeg?

Du mottar en Excel-fil med tre ark: Scored Shortlist (alle KOL-er rangert etter helse, fargekodet grønn-gul-rød), Flagged Issues (mistenkelige kontoer og ufullstendige oppføringer) og Raw Data (den opprinnelige importen din bevart).