mcpField
C
content-planner

content-planner

github.com/bradautomatesマーケティング・グロース289260 回インストール40 週間前に更新
リポジトリ

content-planner について

content-plannerは、マーケティング向けにX、Instagram、YouTube、TikTokの調査を統括するスキルです。結果を統合し、複数プラットフォームのアイデア、2週間のカレンダー、各プラットフォームのプレイブックを作成します。

主な機能

  1. 014つのプラットフォームの並行調査
  2. 02トピックの集約とクロスチェック
  3. 03X発の機会スコア算出
  4. 042週間のコンテンツカレンダー作成
  5. 05プラットフォーム別プレイブック作成

活用シーン

  1. 01複数SNSにまたがるコンテンツ計画
  2. 02複数プラットフォームで伸びる話題の発見
  3. 03X発の新しいコンテンツ機会の特定
  4. 04調査結果に基づく投稿戦略の策定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/bradautomates/head-of-content --skill content-planner

インストール後、Claude Code で/content-plannerを入力して読み込まれたか確認します。

同梱ファイルreferences/content-ideas-template.mdreferences/playbook-template.md

詳細

コンテンツプランナー

X、Instagram、YouTube、TikTokで並行してリサーチを実施し、調査結果を集約してコンテンツ案とプラットフォーム別のプレイブックを作成します。

前提条件

個別のリサーチスキルと同じです。

  • X、Instagram、TikTokのリサーチには APIFY_TOKEN
  • YouTubeのリサーチには TUBELAB_API_KEY
  • 動画分析には GEMINI_API_KEY
  • 各プラットフォームのアカウントを .claude/context/ に設定しておくこと

重要 — サブエージェントの環境設定：API 呼び出しを実行する前に、各サブエージェントは head-of-marketing 作業ディレクトリ内の .env ファイルから環境変数を読み込む必要があります。

export $(cat .env | grep -v '^#' | xargs)

ワークフロー

1. ユーザーのコンテキストを読み込む

.claude/context/ 内のすべてのファイルを読み込み、ユーザーのニッチ、ターゲットオーディエンス、リサーチ対象のアカウントを把握します。このコンテキストを各サブエージェントに渡します。

2. マスター実行フォルダーを作成する
RUN_FOLDER="content-plans/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && echo "$RUN_FOLDER"
3. リサーチ用サブエージェントを並行して起動する

Task ツールを使って、4つのサブエージェントを同時に起動します。

サブエージェント 1 — X リサーチ：

Execute the x-research skill:
1. Create run folder in x-research/
2. Fetch tweets (30 days, 100 max per account)
3. Analyze for outliers
4. Run video analysis if video content found
5. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_posts: number analyzed
- outlier_count: outliers found
- top_topics: top 5 hashtags/keywords

サブエージェント 2 — Instagram リサーチ：

Execute the instagram-research skill:
1. Create run folder in instagram-research/
2. Fetch reels (30 days, 50 per account)
3. Analyze for outliers
4. Run video analysis on top 5
5. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_posts: number analyzed
- outlier_count: outliers found
- top_topics: top 5 hashtags/keywords

サブエージェント 3 — YouTube リサーチ：

Execute the youtube-research skill:
1. Read channel context from .claude/context/youtube-channel.md
2. Analyze channel for keywords
3. Search for outliers
4. Filter to top 3 relevant videos
5. Run video analysis
6. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_videos: number analyzed
- outlier_count: outliers found
- top_topics: top 5 keywords

サブエージェント 4 — TikTok リサーチ：

Execute the tiktok-research skill:
1. Create run folder in tiktok-research/
2. Fetch videos (30 days, 50 per account)
3. Analyze for outliers
4. Run video analysis on top 5
5. Generate report

Return: The run folder path and a JSON summary with:
- run_folder: path to the run folder
- total_videos: number analyzed
- outlier_count: outliers found
- top_topics: top 5 hashtags/sounds/keywords
4. リサーチ結果を収集する

すべてのサブエージェントが完了したら、各プラットフォームの最新の実行フォルダーから読み込みます。

x-research/{latest}/
├── outliers.json
└── video-analysis.json (if exists)

instagram-research/{latest}/
├── outliers.json
└── video-analysis.json

youtube-research/{latest}/
├── outliers.json
└── video-analysis.json

tiktok-research/{latest}/
├── outliers.json
└── video-analysis.json
5. コンテンツ案を作成する

テンプレートの全体構成については、references/content-ideas-template.md を読み込みます。

主な集約タスク：

  1. 各プラットフォームの外れ値からトピックを抽出する
  2. 複数のプラットフォームに登場するトピックを見つけるために相互参照する
  3. X 由来の新たなアイデア（X でのエンゲージメントが高く、他のプラットフォームでの出現が少ないもの）を特定する
  4. X のアイデアの機会スコアを計算する： 
    opportunity_score = (x_engagement × 1.5) / (instagram_saturation + youtube_saturation + tiktok_saturation + 1)
    • instagram_saturation：0（存在しない）、0.5（低）、1（中）、1.5（高）
    • youtube_saturation：同じ尺度
    • tiktok_saturation：同じ尺度
  5. プラットフォーム別のコンテンツ案を含む2週間のカレンダーを作成する

出力先：{RUN_FOLDER}/content-ideas.md

6. プラットフォーム別のプレイブックを作成する

各プラットフォームについて、references/playbook-template.md を読み込み、次のファイルを作成します。

  • {RUN_FOLDER}/x-playbook.md
  • {RUN_FOLDER}/instagram-playbook.md
  • {RUN_FOLDER}/youtube-playbook.md
  • {RUN_FOLDER}/tiktok-playbook.md

各プレイブックでは、プラットフォームのリサーチから以下を抽出します。

  • 再現可能な形式の勝ちパターンのフック（video-analysis.json から）
  • 形式の分析とコンテンツのパターン
  • コンテンツ構成の内訳
  • CTA 戦略
  • トレンドのトピックとハッシュタグ
  • 分析付きの上位15件の外れ値
  • 実行可能な要点
7. 概要を提示する

ユーザーに次の内容を出力します。

  • 全プラットフォームで分析したコンテンツの合計数
  • プラットフォームごとに特定した外れ値の数
  • プラットフォーム横断の主なインサイト（2〜3項目）
  • X から見つかった新たなアイデアの上位3件
  • 生成したすべてのファイルへのリンク

出力構成

content-plans/
└── {YYYY-MM-DD_HHMMSS}/
    ├── content-ideas.md          # Cross-platform ideas (X-primary)
    ├── x-playbook.md             # X/Twitter intelligence playbook
    ├── instagram-playbook.md     # Instagram intelligence playbook
    ├── youtube-playbook.md       # YouTube intelligence playbook
    └── tiktok-playbook.md        # TikTok intelligence playbook

プラットフォーム横断のトピック照合

プラットフォーム横断で成果を上げているトピックを特定するには、次の手順に従います。

  1. 各プラットフォームの外れ値からキーワードやハッシュタグを抽出する
  2. 用語を正規化する（小文字に変換し、# と @ を削除する）
  3. 出現頻度の高い用語の共通部分を見つける
  4. 各プラットフォームのエンゲージメントを合算してスコアを付ける

クイックリファレンス

全体の実行手順：

  1. マスター実行フォルダーを作成する
  2. 4つのリサーチ用サブエージェントを並行して起動する（Task ツールを4回呼び出す）
  3. すべてのサブエージェントが完了するまで待つ
  4. すべての outliers.json と video-analysis.json ファイルを読み込む
  5. プラットフォーム横断分析を使って content-ideas.md を作成する
  6. 4つのプラットフォーム別プレイブックを作成する
  7. ユーザーに概要を提示する

コメント

Markdown 対応