NanoSkill
Send inn din skill

YouTube konkurranseanalyse

avericosiu3KGitHub-stjernerGitHub

Analyser ethvert sett med YouTube-kanaler, finn avvikende videoer med 2x+ over gjennomsnittet, og trekk ut vinnende tittelmønstre. Datadrevet konkurranseanalyse på minutter.

youtubeSikkerhetsskann bestått
Resultatforhåndsvisning

Full demo

Se en datadrevet konkurranserapport om AI-agent-YouTube-innhold, med kanalbenchmarks, høytytende avvik og vinnende innholdsmønstre generert av denne agentferdigheten.

Kom i gang

Kjør din første oppgave

  1. a simple demonstration of the first step in using YouTube Competitive Analysis Skill
    01

    Trinn 1: Installer

    Legg til ferdigheten YouTube konkurranseanalyse til AI-agenten din.

  2. a simple demonstration of the second step in using YouTube Competitive Analysis Skill
    02

    Trinn 2: Beskriv oppgave

    Beskriv YouTube-kanalene eller konkurranseanalyseoppgaven du vil utforske.

  3. a simple demonstration of the third step in using YouTube Competitive Analysis Skill
    03

    Trinn 3: Gjennomgå analysen

    Få en konkurranserapport med avvikende videoer og vinnende innholdsmønstre.

Installasjonskommando

$ npx skills add https://github.com/ericosiu/ai-marketing-skills/tree/main/yt-competitive-analysis

Installasjonssignaler

Installasjonsaktivitet

Om

Konkurranseanalyse på YouTube er avgjørende for skapere og markedsførere som ønsker å vokse. Dette verktøyet analyserer ethvert sett med kanaler, identifiserer automatisk avvikende videoer med 2x+ gjennomsnittlige visninger, og trekker ut tittelmønstrene som får vinnere til å skille seg ut, noe som gir deg et veikart for din egen innholdsstrategi.

I motsetning til manuell sporing i regneark, skiller dette Python-verktøyet langformat fra Shorts, beregner gjennomsnitt per kanal og fremhever velprøvde pakkeformater – alt på sekunder. Forhåndsdefinerte skapere-sett for AI- og forretningsnisjer lar deg sammenligne umiddelbart, mens egendefinerte kanalinndata og fleksible eksporter (konsoll, JSON, Google Sheets) passer til enhver arbeidsflyt.

Enten du er en innholdsskaper som reverse-engineerer konkurrenter, et markedsføringsbyrå som utarbeider kunderapporter, eller en bedriftseier som sporer trender, sørger den ukentlige automatiseringen via cron for at du aldri går glipp av en endring. Den er bygget uten eksterne avhengigheter, kjører på Python 3.8+, og bruker den gratis YouTube API-kvoten, slik at du kan starte i dag med minimalt oppsett.

Nøkkelfunksjoner

Hva som gjør den kraftig

  • Sanntids konkurranseanalyse

    Hent kanaldata og identifiser umiddelbart videoer som presterer bedre, noe som gir deg et konkurransefortrinn.

  • Utvinning av vinnende mønstre

    Trekk ut tittelmønstre og vanlige ord fra uteliggervideoer for å replikere velprøvde formater.

  • Henting av kanalvideoer

    Hent nylige videoer fra et hvilket som helst sett med YouTube-kanaler automatisk.

  • Fleksible eksportalternativer

    Skriv ut resultater til konsoll, JSON eller Google Regneark for sømløs integrasjon.

  • Forhåndsdefinerte kanalsett

    Bruk innebygde KI- og bedriftskaperlister, eller tilpass dine egne for målrettet analyse.

Brukstilfeller

Når du bør bruke den

  • Analyser konkurrentkanaler

    Skriv inn hvilke som helst YouTube-håndtak for å avdekke topp-presterende videoer og konkurransestrategier.

  • Benchmark mot KI-skapere

    Bruk innebygde KI-skaperlister for rask konkurranseanalyse av KI-nisjen.

  • Automatiser ukentlige rapporter

    Planlegg via cron for å motta oppdatert uteliggerdeteksjon og mønstre hver uke.

  • Eksporter innsikt til teknologistabelen din

    Skriv ut til JSON eller Google Regneark for å mate konkurransedata inn i rapporteringsverktøyene dine.

SKILL.md

YouTube-konkurrentanalyse

Finn ut hva som faktisk fungerer på YouTube. Analyserer et hvilket som helst sett med kanaler, identifiserer utliggervideoer (2x+ gjennomsnittlige visninger) og trekker ut innpakningsmønstre fra vinnerne.

Ikke noe manuelt regnearkarbeid. Ingen gjetting. Datadrevet konkurranseinformasjon på minutter.

Hva den gjør

  1. Henter nylige videoer fra én eller flere YouTube-kanaler
  2. Skiller langformat fra kortvideoer
  3. Beregner gjennomsnitt per kanal
  4. Merker utliggere (videoer som presterer 2x+ over kanalgjennomsnittet)
  5. Henter ut titelmønstre fra vinnerne
  6. Eksporterer til konsoll, JSON eller Google Regneark

Hurtigstart

# Angi YouTube API-nøkkelen din
export YOUTUBE_API_KEY="your-key-here"

# Analyser bestemte kanaler
python3 analyze.py "$YOUTUBE_API_KEY" --channels "@AlexHormozi,@garyvee,@CodieSanchezCT"

# Bruk forhåndsdefinerte kanalsett
python3 analyze.py "$YOUTUBE_API_KEY" --set ai          # AI-skaper-sett
python3 analyze.py "$YOUTUBE_API_KEY" --set business    # Bedriftsskaper-sett
python3 analyze.py "$YOUTUBE_API_KEY" --set both        # Alle kanaler

# Eksporter til JSON for programmatisk bruk
python3 analyze.py "$YOUTUBE_API_KEY" --set both --output json > results.json

# Egendefinert tilbakeblikksperiode
python3 analyze.py "$YOUTUBE_API_KEY" --channels "@mkbhd" --days 60

Oppsett

  1. Skaff deg en YouTube Data API v3-nøkkel
  2. Angi den som en miljøvariabel: export YOUTUBE_API_KEY="your-key"
  3. Installer avhengigheter: pip install -r requirements.txt

Utdata

Konsoll (standard)

================================================================================
  AI-skapere — SISTE 30 DAGER
================================================================================

📊 KANALOPPSUMMERING:
  Alex Hormozi             |  2 400 000 abonnenter |  12 videoer (3,0/uke) | L:  8 S:  4

🔥 UTLIGGERE I LANGFORMAT (topp 15):
  4,2x |  1 200 000 | [Alex Hormozi] Hvordan jeg ville startet en bedrift i 2025
       2025-01-15 | https://youtube.com/watch?v=...

📦 TOPP TITTELMØNSTRE:
   8x  virksomhet
   6x  penger
   5x  startet

JSON

Fullstendig strukturerte data inkludert all videometadata, poengsummer og multiplikatorer.

Forhåndsdefinerte kanalsett

AI-skapere: Jeff Su, Alex Finn, Riley Brown, Dan Martell, Matt Wolfe, Nate Herk, Grace Leung, Matt Berman

Bedriftsskapere: Alex Hormozi, Gary Vaynerchuk, Patrick Bet-David, Codie Sanchez, Leila Hormozi, Iman Gadzhi, Min første million

Rediger kanalordbøkene i analyze.py for å tilpasse.

Tolke resultater

MetrikkHva det betyr
MultiplikatorHvor mange ganger over kanalgjennomsnittet (2,0x = dobbelt så mye som normalt)
Utliggerterskel2x gjennomsnittet. Videoer over dette er verdt å studere.
TittelmønstreVanlige ord i utliggertitler = velprøvde formater
KadensVideoer per uke. Høyere kadens kan bety lavere gjennomsnitt per video.

Velprøvde innpakningsformater

Basert på utliggeranalyse overpresterer disse tittelformatene konsekvent:

Langformat:

  • «X, tydelig forklart» (definitiv forklaring)
  • «X timer med Y på Z minutter» (kondensert verdi)
  • «Den lateste måten å X på» (lavinnsatsløfte)
  • «Gi meg X minutter, så skal jeg Y» (tidsavgrenset løfte)
  • «X VANVITTIGE bruksområder for Y» (liste + kraftord)

Kortvideoer:

  • «2024 mot 2025 X» (årssammenligning)
  • «Dårlig God Flott X» (nivårangering)
  • «Slutt å gjøre X, gjør Y i stedet» (kontrær)

Ukentlig automatisering

Kjør ukentlig for å automatisk få opp nye utliggere:

# Cron: hver søndag kl. 08:00
0 8 * * 0 YOUTUBE_API_KEY="your-key" python3 /path/to/analyze.py "$YOUTUBE_API_KEY" --set both --output json > /path/to/weekly-results.json

Krav

  • Python 3.8+
  • YouTube Data API v3-nøkkel
  • Ingen eksterne Python-avhengigheter (bruker kun standardbiblioteket)

Lisens

MIT

FAQ