youtube-research

YouTube 調査

高い成果を上げている YouTube の外れ値動画を調査し、人気コンテンツを AI で分析して、実行可能なレポートを作成します。

前提条件

• TUBELAB_API_KEY 環境変数。キーは https://tubelab.net/settings/api から取得します
• GEMINI_API_KEY 環境変数（動画分析用）
• Python パッケージ google-genai と requests

ワークフロー

ステップ 1：実行フォルダーを作成する

mkdir -p youtube-research/$(date +%Y-%m-%d_%H%M%S)

ステップ 2：チャンネル ID を取得する

.claude/context/youtube-channel.md を読み、チャンネル ID を取得します。

ステップ 3：チャンネル動画を取得する

python scripts/get_channel_videos.py CHANNEL_ID --format summary

チャンネルの動画タイトルと視聴回数を含む JSON が返されます。

ステップ 4：チャンネルを分析する

チャンネルのデータを分析し、以下を抽出します：

• keywords：チャンネルの直接的なニッチ分野を表す検索語句を 4 つ
• adjacent-keywords：同じ視聴者が見るトピックを表す検索語句を 4 つ
• audience：反論、変化、利害関係を含む視聴者プロフィールを 2〜3 件
• formulas：再利用可能なタイトルのテンプレート

スキーマ全体と出力例については、references/channel-analysis-schema.md を参照してください。

ステップ 5：外れ値を検索する

両方のキーワードセットを使って外れ値を検索します：

python .claude/skills/youtube-research/scripts/find_outliers.py \
  --keywords "keyword1" "keyword2" "keyword3" "keyword4" \
  --adjacent-keywords "adjacent1" "adjacent2" "adjacent3" "adjacent4" \
  --output-dir youtube-research/{run-folder} \
  --top 5

次の 2 つの検索が実行されます：

• 直接的なニッチ分野：5K 回以上の視聴数をしきい値としてキーワードを検索
• 隣接する視聴者層：10K 回以上の視聴数をしきい値として adjacent-keywords を検索

出力ファイル：

• outliers.json - 動画分析用に正規化されたすべての外れ値
• report.md - 基本的な Markdown レポート
• thumbnails/*.jpg - 動画のサムネイル
• transcripts/*.txt - 動画のトランスクリプト

ステップ 6：分析対象の関連動画を絞り込む

outliers.json と .claude/context/youtube-channel.md に記載されたユーザーのニッチ分野を読みます。

重要：ユーザーのニッチ分野に最も関連する動画を最大 3 本選択します。次の基準で絞り込みます：

1. タイトルの関連性：タイトルにユーザーのニッチ分野／トピックに関するキーワードが含まれている
2. トランスクリプトの関連性：トランスクリプトがある場合、関連トピックに言及しているか確認する
3. 直接的なニッチ分野を優先：隣接するキーワードの検索結果よりも、直接的なキーワードの検索結果から動画を選ぶ

ユーザーのコンテンツスタイルから明らかに外れる動画は除外します（例：チュートリアルを作成するユーザーの場合、エンターテインメントや Vlog の動画）。

絞り込んだ動画を {RUN_FOLDER}/filtered-outliers.json に書き込みます：

{
  "outliers": [/* max 3 relevant videos */],
  "filter_reason": "Selected based on relevance to [user's niche]"
}

ステップ 7：人気動画を AI で分析する

python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py \
  --input {RUN_FOLDER}/filtered-outliers.json \
  --output {RUN_FOLDER}/video-analysis.json \
  --platform youtube \
  --max-videos 3

各動画から以下を抽出します：

• フックの手法と再現可能な公式
• コンテンツの構成とセクション
• 視聴維持のテクニック
• CTA 戦略

出力スキーマ全体とフック／フォーマットの種類については、video-content-analyzer スキルを参照してください。

ステップ 8：最終レポートを作成する

{RUN_FOLDER}/outliers.json と {RUN_FOLDER}/video-analysis.json を読み、{RUN_FOLDER}/report.md を作成します。

レポートの構成：

# YouTube Research Report

Generated: {date}

## Top Performing Hooks

Ranked by engagement. Use these formulas for your content.

### Hook 1: {technique} - {channelTitle}
- **Video**: "{title}"
- **Opening**: "{opening_line}"
- **Why it works**: {attention_grab}
- **Replicable Formula**: {replicable_formula}
- **Views**: {viewCount} | **zScore**: {zScore}
- [Watch Video]({url})

[Repeat for each analyzed video]

## Content Structure Patterns

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

## CTA Strategies

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

## All Outliers

### Direct Niche
| Rank | Channel | Title | Views | zScore |
|------|---------|-------|-------|--------|
[List direct niche outliers]

### Adjacent Audience
| Rank | Channel | Title | Views | zScore |
|------|---------|-------|-------|--------|
[List adjacent outliers]

## Actionable Takeaways

[Synthesize patterns into 4-6 specific recommendations based on video analysis]

実行可能なインサイトを重視してください。再現可能な公式を含む「成果の高いフック」セクションを目立つように配置してください。

クイックリファレンス

パイプライン全体：

RUN_FOLDER="youtube-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && \
python .claude/skills/youtube-research/scripts/find_outliers.py \
  --keywords "k1" "k2" "k3" "k4" \
  --adjacent-keywords "a1" "a2" "a3" "a4" \
  --output-dir "$RUN_FOLDER" --top 5

続いて、ニッチ分野との関連性に基づいて外れ値を絞り込み（最大 3 本）、動画分析を実行してレポートを作成します。

スクリプトリファレンス

get_channel_videos.py

python .claude/skills/youtube-research/scripts/get_channel_videos.py CHANNEL_ID [--format json|summary]

引数	説明
CHANNEL_ID	YouTube チャンネル ID（24 文字）
--format	json（全データ）または summary（分析用）

find_outliers.py

python .claude/skills/youtube-research/scripts/find_outliers.py --keywords K1 K2 K3 K4 --adjacent-keywords A1 A2 A3 A4 --output-dir DIR [options]

引数	説明
--keywords	直接的なニッチ分野のキーワード（推奨：4 つ）
--adjacent-keywords	隣接トピックのキーワード（推奨：4 つ）
--output-dir	出力ディレクトリ（必須）
--top	カテゴリーごとの動画数（デフォルト：5）
--days	検索対象の日数（デフォルト：30）
--json	生の JSON データも保存

出力：outliers.json、report.md、thumbnails/、transcripts/

スコアリングアルゴリズム

動画の順位は zScore × recency_boost で決まります。

• zScore：動画がチャンネルの平均をどの程度上回っているか
• recency_boost：今日の動画は 1.0、1 日ごとに 5% 低下（最小 0.3×）