YouTube-sisältötutkimus: louhi 10 kilpailijan videota nopeasti

YouTube-sisältötutkimus tarkoitti ennen kilpailijoiden katsomista 2x-nopeudella muistiinpanodokumentti auki ja keskittymisen herpaantumista kolmannen videon kohdalla. Nyt, ennen kuin käsikirjoitan mitään, haen kohdeaiheen 10 suosituimman videon transkriptiot ja annan LLM:n louhia niiden koukut, yhteisen rakenteen ja — sen arvokkaan osan — kysymykset, joihin yksikään niistä ei vastaa. Koko ajo vie 15 minuuttia ja kaksi työkalua: lyhyen Python-silmukan ja yhden analyysikehotteen.

Kerää korpus

Hae aiheesi YouTubesta, kopioi 10 katsotuimman tuloksen videotunnisteet ja anna silmukan hoitaa loput:

import requests, time

API_KEY = "yt_your_key"
video_ids = ["VIDEO_ID_1", "VIDEO_ID_2"]  # your top 10

corpus = []
for vid in video_ids:
    r = requests.get(
        "https://youtube2text.org/api/transcribe",
        params={"url": f"https://www.youtube.com/watch?v={vid}",
                "maxChars": 30000},
        headers={"x-api-key": API_KEY}, timeout=60)
    data = r.json()
    if "result" in data:
        corpus.append(f"### {data['result']['title']}\n{data['result']['content']}")
    time.sleep(1)

open("corpus.md", "w").write("\n\n".join(corpus))

maxChars: 30000 tekee siinä oikeaa työtä. Kymmenen videota à 30 tuhatta merkkiä on noin 300 tuhannen merkin korpus — noin 75–85 tuhatta tokenia, mukavasti Clauden 200 tuhannen tokenin kontekstin sisällä niin, että analyysille jää tilaa. Ja 30 tuhatta merkkiä kattaa karkeasti ensimmäiset 25 minuuttia puhetta, mikä on enemmän kuin tarpeeksi koukkujen ja rakenteen louhintaan. if "result" -tarkistus on tärkeä, koska yhdellä tai kahdella videolla missä tahansa top 10:ssä on tekstitykset pois käytöstä ja ne palauttavat TRANSCRIPT_UNAVAILABLE — ohita ne ja jatka eteenpäin.

Kilpailija-analyysin kehote

Liitä korpus tähän:

Below are transcripts of the 10 most-viewed videos about {TOPIC}.

Analyze across all of them:
1. HOOKS — quote the first two sentences of each video.
   What patterns repeat?
2. STRUCTURE — outline the section order most videos share.
3. CLAIMS — list specific claims or numbers that appear in
   three or more videos. These are table stakes.
4. GAPS — questions a viewer would still have after watching
   all 10. Be specific; these are my content opportunities.

Cite the video title for every observation.

{PASTE corpus.md}

Osio 4 on syy, miksi näen tämän vaivan. Eräässä tuoreessa ajossa tietokantavertailuaiheesta kaikki kymmenen videota benchmarkkasivat lukunopeutta eikä yksikään käsitellyt migraatiokustannuksia — siitä aukosta tuli vuosineljänneksen parhaiten menestynyt videoni.

Mitä transkriptiot eivät voi kertoa

Rajoitus, joka kannattaa sanoa suoraan: katsojapito on sanat plus kaikki muu. Paperilla latteanoloinen koukku voi toimia b-roll-leikkauksen tai pikkukuvan lupauksen ansiosta, eikä transkriptio näe niistä mitään. Käsittelen korpusanalyysia karttana ja katson sitten oikeasti kolme parasta videota nähdäkseni, miten sanat esitetään. Lisäksi automaattitekstitykset sotkevat toisinaan juuri ne tekniset termit, joiden kuvioita yrität tunnistaa, joten silmäile korpustiedosto ennen kuin luotat väitteiden laskentaan.

Kiintiö ja tavaksi tekeminen

Yksi tutkimusajo on 10 API-kutsua. Ilmaisen tason 5 videota kuukaudessa ei kata yhtäkään ajoa, joten tämä työnkulku alkaa realistisesti 5,99 dollarin perustasolta — 50 videota eli viisi aiheiden syväluotausta kuukaudessa. Viikoittainen tutkimus useilla erikoisaloilla mahtuu pro-tasolle, 9,99 dollaria ja 500 videota. Tuotantotason hakemiseen uudelleenyrityksineen ja 429-käsittelyineen Python-oppaassa on kattavampi skripti; jos haluat korpuksen pysyvästi kyseltäväksi kertakäytön sijaan, syötä se kanavan RAG-asetelmaan. Ja kun aukkoanalyysi antaa sinulle näkökulman, videosta blogipostaukseksi -putki muuttaa syntyneen videon takaisin artikkeliksi.

Avaimet ovat Google-kirjautumisen päässä osoitteessa youtube2text.org/app/keys — ei korttia, ei puhelinta, ja seuraava sisältökalenterisi perustelee itse itsensä.