NanoSkill
Skill indienen

YouTube Concurrentieanalyse

doorericosiu3KGitHub-sterrenGitHub

Analyseer elke set YouTube-kanalen, vind uitschieters die 2x+ boven het gemiddelde liggen en extraheer winnende titelpatronen. Datagedreven concurrentieanalyse in enkele minuten.

youtubeBeveiligingsscan geslaagd
Resultaatpreview

Volledige demo

Bekijk een datagedreven concurrentieanalyserapport over YouTube-content van AI-agents, met kanaalbenchmarks, goed presterende uitschieters en winnende contentpatronen gegenereerd door deze Agent Skill.

Aan de slag

Voer je eerste taak uit

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

    Stap 1: Installeren

    Voeg de YouTube Concurrentieanalyse Skill toe aan je AI-agent.

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

    Stap 2: Taak beschrijven

    Beschrijf de YouTube-kanalen of de concurrentieanalysetaak die je wilt verkennen.

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

    Stap 3: Analyse bekijken

    Ontvang een concurrentieanalyserapport met uitschietervideo's en winnende contentpatronen.

Installatiecommando

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

Installatiesignalen

Installatieactiviteit

Overzicht

Concurrentieanalyse op YouTube is cruciaal voor contentmakers en marketeers die willen groeien. Deze tool analyseert elke set kanalen, identificeert automatisch uitschietervideo's met 2x+ gemiddelde weergaven en extraheert de titelpatronen die winnaars laten opvallen, waardoor je een routekaart krijgt voor je eigen contentstrategie.

In tegenstelling tot handmatige spreadsheetregistratie scheidt dit Python-hulpprogramma lange video's van Shorts, berekent het gemiddelden per kanaal en toont het bewezen verpakkingsformaten – allemaal binnen enkele seconden. Voorgedefinieerde creator-sets voor AI- en businessniches laten je direct benchmarken, terwijl aangepaste kanaalinvoer en flexibele exports (console, JSON, Google Spreadsheets) in elke workflow passen.

Of je nu een contentmaker bent die concurrenten reverse-engineert, een marketingbureau dat klantrapporten voorbereidt, of een ondernemer die trends bijhoudt, de wekelijkse automatisering via cron zorgt ervoor dat je nooit een verschuiving mist. Het is gebouwd zonder externe afhankelijkheden, draait op Python 3.8+ en gebruikt het gratis YouTube API-quotum, zodat je vandaag nog kunt starten met minimale installatie.

Belangrijkste functies

Wat maakt dit krachtig

  • Realtime concurrentieanalyse

    Haal kanaalgegevens op en identificeer direct video's die beter presteren, zodat je een concurrentievoordeel krijgt.

  • Extractie van winnende patronen

    Extraheer titelpatronen en veelvoorkomende woorden uit uitschietervideo's om bewezen formaten te repliceren.

  • Ophalen van kanaalvideo's

    Haal automatisch recente video's op van elke set YouTube-kanalen.

  • Flexibele exportopties

    Voer resultaten uit naar console, JSON of Google Sheets voor naadloze integratie.

  • Vooraf gedefinieerde kanaalsets

    Gebruik ingebouwde AI- en bedrijfscreatorlijsten of pas je eigen lijsten aan voor gerichte analyse.

Use cases

Wanneer je dit gebruikt

  • Analyseer concurrerende kanalen

    Voer willekeurige YouTube-handles in om best presterende video's en concurrentiestrategieën te ontdekken.

  • Benchmark tegen AI-creators

    Gebruik ingebouwde AI-creatorlijsten voor snelle concurrentieanalyse van de AI-niche.

  • Automatiseer wekelijkse rapportages

    Plan via cron om wekelijks bijgewerkte uitschieterdetectie en patronen te ontvangen.

  • Exporteer inzichten naar je stack

    Voer uit naar JSON of Google Sheets om concurrentiegegevens in je rapportagetools te voeden.

SKILL.md

YouTube Concurrentieanalyse

Vind wat echt werkt op YouTube. Analyseert elke set kanalen, identificeert uitschieters (video's met 2x+ gemiddelde weergaven) en extraheert verpakkingspatronen van winnaars.

Geen handmatig spreadsheetwerk. Geen giswerk. Datagedreven concurrentie-informatie binnen enkele minuten.

Wat het doet

  1. Haalt recente video's op van elke YouTube-kanaal/-kanalen
  2. Scheidt lange video's van Shorts
  3. Berekent gemiddelden per kanaal
  4. Markeert uitschieters (video's die 2x+ boven het kanaalgemiddelde presteren)
  5. Extraheert titelpatronen van winnaars
  6. Exporteert naar console, JSON of Google Sheets

Snelle start

# Set your YouTube API key
export YOUTUBE_API_KEY="your-key-here"

# Analyze specific channels
python3 analyze.py "$YOUTUBE_API_KEY" --channels "@AlexHormozi,@garyvee,@CodieSanchezCT"

# Use predefined channel sets
python3 analyze.py "$YOUTUBE_API_KEY" --set ai          # AI creator set
python3 analyze.py "$YOUTUBE_API_KEY" --set business    # Business creator set
python3 analyze.py "$YOUTUBE_API_KEY" --set both        # All channels

# Export to JSON for programmatic use
python3 analyze.py "$YOUTUBE_API_KEY" --set both --output json > results.json

# Custom lookback period
python3 analyze.py "$YOUTUBE_API_KEY" --channels "@mkbhd" --days 60

Installatie

  1. Vraag een YouTube Data API v3-sleutel aan
  2. Stel deze in als omgevingsvariabele: export YOUTUBE_API_KEY="your-key"
  3. Installeer afhankelijkheden: pip install -r requirements.txt

Uitvoer

Console (standaard)

================================================================================
  AI Creators — LAST 30 DAYS
================================================================================

📊 CHANNEL SUMMARY:
  Alex Hormozi             |  2,400,000 subs |  12 videos (3.0/wk) | L:  8 S:  4

🔥 LONG-FORM OUTLIERS (top 15):
  4.2x |  1,200,000 | [Alex Hormozi] How I'd Start a Business in 2025
       2025-01-15 | https://youtube.com/watch?v=...

📦 TOP TITLE PATTERNS:
   8x  business
   6x  money
   5x  started

JSON

Volledige gestructureerde gegevens inclusief alle videometadata, scores en multipliers.

Vooraf gedefinieerde kanaalsets

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

Zakelijke makers: Alex Hormozi, Gary Vaynerchuk, Patrick Bet-David, Codie Sanchez, Leila Hormozi, Iman Gadzhi, My First Million

Bewerk de kanaalwoordenboeken in analyze.py om aan te passen.

Resultaten interpreteren

MetriekWat het betekent
VermenigvuldigingsfactorHoeveel keer boven het kanaalgemiddelde (2.0x = dubbel normaal)
Uitbijterdrempel2x gemiddelde. Video's hierboven zijn de moeite waard om te bestuderen.
TitelpatronenVeelvoorkomende woorden in uitschietertitels = bewezen formats
CadansVideo's per week. Hogere cadans kan lagere gemiddelden per video betekenen.

Bewezen verpakkingsformats

Op basis van uitschieteranalyse presteren deze titelformats consistent bovengemiddeld:

Lange vorm:

  • "X, duidelijk uitgelegd" (definitieve uitleg)
  • "X uur aan Y in Z minuten" (gecondenseerde waarde)
  • "De luieste manier om X te doen" (belofte van weinig moeite)
  • "Geef me X minuten en ik Y" (belofte met tijdslimiet)
  • "X WAANZINNIGE gebruiksmogelijkheden voor Y" (lijst + krachtwoord)

Shorts:

  • "2024 versus 2025 X" (jaarvergelijking)
  • "Slecht Goed Geweldig X" (niveauranglijst)
  • "Stop met X, doe in plaats daarvan Y" (tegendraads)

Wekelijkse automatisering

Draai wekelijks om automatisch nieuwe uitschieters te ontdekken:

# Cron: every Sunday at 8am
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

Vereisten

  • Python 3.8+
  • YouTube Data API v3-sleutel
  • Geen externe Python-afhankelijkheden (gebruikt alleen stdlib)

Licentie

MIT

FAQ