tiktok-research

TikTok リサーチ

パフォーマンスの高い TikTok 動画を調査し、突出した動画を特定して、人気動画のコンテンツのフックや構成を分析します。

前提条件

• 環境変数または .env に APIFY_TOKEN が設定されていること
• 環境変数または .env に GEMINI_API_KEY が設定されていること
• Python パッケージ apify-client と google-genai
• .claude/context/tiktok-accounts.md でアカウントが設定されていること

セットアップを確認します：

python3 -c "
import os
try:
    from dotenv import load_dotenv
    load_dotenv()
except ImportError:
    pass
from apify_client import ApifyClient
from google import genai
assert os.environ.get('APIFY_TOKEN'), 'APIFY_TOKEN not set'
assert os.environ.get('GEMINI_API_KEY'), 'GEMINI_API_KEY not set'
" && echo "Prerequisites OK"

ワークフロー

1. 実行フォルダーを作成する

RUN_FOLDER="tiktok-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && echo "$RUN_FOLDER"

2. コンテンツを取得する

python3 .claude/skills/tiktok-research/scripts/fetch_tiktok.py \
  --days 30 \
  --limit 50 \
  --sorting latest \
  --output {RUN_FOLDER}/raw.json

パラメーター：

• --days：検索対象の過去の日数（デフォルト：30）
• --limit：アカウントごとの動画の最大数（デフォルト：50）
• --sorting：「latest」、「popular」、「oldest」のいずれか（デフォルト：latest）
• --usernames：アカウントファイルの内容を特定のユーザー名で上書きします

3. 突出した動画を特定する

python3 .claude/skills/tiktok-research/scripts/analyze_posts.py \
  --input {RUN_FOLDER}/raw.json \
  --output {RUN_FOLDER}/outliers.json \
  --threshold 2.0

出力される JSON には次の内容が含まれます：

• total_videos：分析した動画の数
• outlier_count：見つかった突出動画の数
• topics：人気のハッシュタグ、サウンド、キーワード
• accounts：分析したアカウントの一覧
• outliers：エンゲージメント指標を含む突出動画の配列

4. AI で人気動画を分析する

python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py \
  --input {RUN_FOLDER}/outliers.json \
  --output {RUN_FOLDER}/video-analysis.json \
  --platform tiktok \
  --max-videos 5

各動画から次の内容を抽出します：

• フックの手法と再現可能なフォーマット
• コンテンツの構成と各セクション
• 視聴維持のための手法
• CTA 戦略

出力スキーマとフック／フォーマットの種類の詳細は、video-content-analyzer スキルを参照してください。

5. レポートを生成する

{RUN_FOLDER}/outliers.json と {RUN_FOLDER}/video-analysis.json を読み込み、{RUN_FOLDER}/report.md を生成します。

レポートの構成：

# TikTok Research Report

Generated: {date}

## Top Performing Hooks

Ranked by engagement. Use these formulas for your content.

### Hook 1: {technique} - @{username}
- **Opening**: "{opening_line}"
- **Why it works**: {attention_grab}
- **Replicable Formula**: {replicable_formula}
- **Engagement**: {diggCount} likes, {commentCount} comments, {playCount} views
- [Watch Video]({webVideoUrl})

[Repeat for each analyzed video]

## Content Structure Patterns

| Video | Format | Pacing | Key Retention Techniques |
|-------|--------|--------|--------------------------|
| @username | {format} | {pacing} | {techniques} |

## CTA Strategies

| Video | CTA Type | CTA Text | Placement |
|-------|----------|----------|-----------|
| @username | {type} | "{cta_text}" | {placement} |

## All Outliers

| Rank | Username | Likes | Comments | Shares | Views | Engagement Rate |
|------|----------|-------|----------|--------|-------|-----------------|
[List all outliers with metrics and links]

## Trending Topics

### Top Hashtags
[From outliers.json topics.hashtags]

### Top Sounds
[From outliers.json topics.sounds]

### Top Keywords
[From outliers.json topics.keywords]

## Actionable Takeaways

[Synthesize patterns into 4-6 specific recommendations]

## Accounts Analyzed
[List accounts]

実行可能なインサイトに重点を置いてください。再現可能なフォーマットを含む「パフォーマンス上位のフック」セクションを目立たせてください。

クイックリファレンス

パイプライン全体：

RUN_FOLDER="tiktok-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && \
python3 .claude/skills/tiktok-research/scripts/fetch_tiktok.py -o "$RUN_FOLDER/raw.json" && \
python3 .claude/skills/tiktok-research/scripts/analyze_posts.py -i "$RUN_FOLDER/raw.json" -o "$RUN_FOLDER/outliers.json" && \
python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py -i "$RUN_FOLDER/outliers.json" -o "$RUN_FOLDER/video-analysis.json" -p tiktok

次に、両方の JSON ファイルを読み込んでレポートを生成します。

エンゲージメント指標

エンゲージメントスコア：likes + (3 x comments) + (2 x shares) + (2 x saves) + (0.05 x views)

突出動画の検出：エンゲージメント率が平均 + (しきい値 x 標準偏差) を上回る動画

エンゲージメント率：(スコア / フォロワー数) x 100

TikTok 固有のフィールド

• diggCount：いいね／ハート
• shareCount：シェア数
• playCount：動画の再生回数
• commentCount：コメント数
• collectCount：保存／ブックマーク数
• authorFollowers：クリエイターのフォロワー数
• musicName：動画で使用されているサウンド
• musicOriginal：サウンドがオリジナルかどうか