tiktok-research

TikTok 研究

研究表现出色的 TikTok 视频，找出异常值，并分析热门视频内容中的钩子和结构。

前置条件

• APIFY_TOKEN 环境变量或 .env 文件中的变量
• GEMINI_API_KEY 环境变量或 .env 文件中的变量
• Python 包 apify-client 和 google-genai
• 已在 .claude/context/tiktok-accounts.md 中配置账号

验证设置：

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"

工作流

1. 创建运行文件夹

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

2. 获取内容

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

参数：

• --days：向前搜索的天数（默认：30）
• --limit：每个账号的视频数量上限（默认：50）
• --sorting："latest"、"popular" 或 "oldest"（默认：latest）
• --usernames：使用指定用户名覆盖账号文件中的账号

3. 找出异常值

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

输出的 JSON 包含：

• total_videos：分析的视频总数
• outlier_count：找到的异常值数量
• topics：热门话题标签、声音和关键词
• accounts：已分析的账号列表
• outliers：异常视频数组及其互动指标

4. 使用 AI 分析热门视频

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

从每个视频中提取：

• 钩子技巧和可复用的公式
• 内容结构和各个部分
• 留存技巧
• CTA 策略

完整的输出架构以及钩子／格式类型，请参阅 video-content-analyzer 技能。

5. 生成报告

读取 {RUN_FOLDER}/outliers.json 和 {RUN_FOLDER}/video-analysis.json，然后生成 {RUN_FOLDER}/report.md。

报告结构：

# 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]

重点提供可执行的见解。「表现最佳的钩子」部分应突出展示可复用的公式。

快速参考

完整流程：

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

然后读取两个 JSON 文件并生成报告。

互动指标

互动评分：likes + (3 x comments) + (2 x shares) + (2 x saves) + (0.05 x views)

异常值检测：互动率 > 平均值 +（阈值 x 标准差）的视频

互动率：（评分 / 粉丝数）x 100

TikTok 专属字段

• diggCount：点赞数
• shareCount：分享数
• playCount：视频观看次数
• commentCount：评论数
• collectCount：收藏数
• authorFollowers：创作者的粉丝数
• musicName：视频使用的声音
• musicOriginal：声音是否为原创