mcpField
V
video-performance-analyzer

video-performance-analyzer

github.com/reymerekar7营销与增长3748 次安装13 周前更新
代码仓库

关于 video-performance-analyzer

video-performance-analyzer 是一项短视频分析技能,可处理本地 MP4 或公开 YouTube 视频。它提供带时间戳的转录、基于增长框架的表现分析,以及内容再利用方案。

主要功能

  1. 01转录语音、画面文字和音频线索
  2. 02按时间戳整理完整转录
  3. 03分析 Hook、结构、可信度与留存
  4. 04评估 CTA 和观众导向表达
  5. 05生成内容再利用创意

适用场景

  1. 01分析本地 MP4 短视频
  2. 02评估公开 YouTube 视频表现
  3. 03从视频提炼社交媒体内容创意
  4. 04将视频分析保存为 Markdown

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/reymerekar7/rm-skills --skill video-performance-analyzer

安装后在 Claude Code 中输入/video-performance-analyzer确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

README.md
requirements.txt
scripts/
analyze_video.py

详细介绍

视频表现分析器

此技能的功能

接收一段短视频(MP4 文件或 YouTube URL),并返回以下三项内容:

  1. 完整转录稿 — 包含每句口述、屏幕文字和音频提示,并标注时间戳
  2. 表现分析 — 结合经验证有效的增长框架,分析视频为何有效
  3. 内容再利用指南 — 根据视频衍生的具体内容创意

设置

分析脚本使用 Google 的 Gemini API(生成式模型,用于转录和分析)。

API 密钥: 从仓库根目录的 .env 中读取 — GEMINI_API_KEY

安装依赖(仅需一次):

pip install google-genai --break-system-packages

脚本位置: <skill-directory>/scripts/analyze_video.py


输入格式

格式传入方式说明
本地 MP4 文件将文件路径作为参数传入最大支持 2GB(免费版)/20GB(付费版)
YouTube URL将 URL 作为参数传入仅限公开视频
TikTok/Instagram先下载,再传入 MP4 路径使用浏览器扩展或 yt-dlp

运行分析

快速运行
python <skill-directory>/scripts/analyze_video.py /path/to/video.mp4
YouTube URL
python <skill-directory>/scripts/analyze_video.py "https://www.youtube.com/watch?v=VIDEO_ID"
将输出保存到文件
python <skill-directory>/scripts/analyze_video.py /path/to/video.mp4 --output /path/to/output.md

脚本会将结构化 Markdown 输出到标准输出。按需通过管道传递或重定向。


分析工作流

第 1 步:运行脚本

使用视频路径运行 analyze_video.py。脚本将:

  • 将视频上传到 Gemini Files API(或直接传入 YouTube URL)
  • 等待处理完成(通常需要 10-30 秒)
  • 将分析提示词发送给 gemini-3-flash-preview
  • 返回原始结构化输出
第 2 步:结合增长框架分析

脚本返回结果后,通过以下增长维度解读输出:

钩子 — “钩子是一份契约”

  • 钩子是否让观众感到自己被卷入其中、被直接点名,或产生强烈的好奇心?
  • 是否运用了 5 种钩子技巧中的任意一种?(矛盾、具体数字 + 意料之外的语境、直接指责、说出观众心声、荒诞重构)
  • 内容讲的是观众的处境,还是创作者的成就?
  • 值得留意的框架技巧:刻意选择措辞,提高观众对利害关系的感知

结构 — 层层递进的悬念

  • 标记每个时间戳对应的节拍,并评估节拍之间的利害关系是否逐步升级
  • 留意“因此/但是”链条——每个节拍是否引出下一个,还是仅仅按顺序出现?
  • 找出信息差从哪里出现,又在哪里填补
  • 标记所有能从前一个节拍预知的内容

可信度 — 具体性信号

  • 统计具体数字、人名、具体日期和金额
  • 注意任何“佐证证据”时刻(提出主张时,是否在画面中展示收据/来源)
  • 泛泛而谈 = 说服力弱;有名有数 = 说服力强。

框架 — 观众优先

  • 视频讲的是创作者的成就,还是观众的处境?
  • 每条表现出色的视频都会围绕观众能获得什么来呈现价值
  • 个人里程碑式的呈现方式,能打动现有受众,却无法在其他地方奏效

留存 — 视觉模式中断

  • 视觉画面多久变化一次?目标是每 5-10 秒变化一次
  • 更好的背景/叠加元素 = 更高的留存率 = 平台向新受众推荐
  • 注意那些能重新吸引注意力的转场、叠加元素、文字卡片和 B-roll 切换

行动号召 — 闭环还是开环

  • 结尾是解答观众的问题,还是留下一个未解的问题?
  • 最好的行动号召会创造一种情境,让观众觉得关注是顺理成章的下一步(隐含式行动号召)
  • 较弱的行动号召:“如果你学到了什么,就点赞并关注”“欢迎在评论区告诉我”
  • 较强的行动号召:“几个小时后看看会发生什么”(营造继续关注的动力)
Step 3:生成内容再利用创意

根据分析,找出所有可以单独制作成内容的角度。对每个创意,说明:

  • 最适合的形式(短视频、LinkedIn 帖文、X 话题串、新闻简报章节)
  • 开场钩子/横幅文案
  • 对应的内容支柱/主题(如果有)
  • 漏斗阶段(TOFU / MOFU / BOFU)

可挖掘的内容再利用来源:

  • 视频中最有力的一条主张 → 单独制作成犀利观点帖
  • 叙事中隐含的「前后对比」或「X 与 Y」→ 对比形式
  • 提到的任何分步工作流 → 清单文章或工具视频
  • 情感核心(恐惧、惊讶、愤怒、释然)→ 个人视角脚本
  • 任何统计数据或数字 → 数据驱动的短视频
  • 反主流的表达方式(如果有)→ X 话题串或新闻简报开场钩子
Step 4:(可选)添加到内容日历

如果你使用 Notion 作为内容日历,可以在分析后将内容再利用创意添加到日历。

在项目设置中配置 Notion 数据源 ID:

data_source_id: <your-notion-database-id>

再利用内容的默认字段:

  • 状态:Backlog
  • 平台:根据形式匹配度确定
  • 内容形式:脚本使用 ["Video"],帖文使用 ["Text"]
  • 内容类型:根据角度确定
  • 漏斗阶段:TOFU(大多数再利用内容属于认知阶段)
  • 是否再利用?:Yes

输出格式

按以下顺序交付结果:

1. 完整转录稿

带时间戳,逐字记录。将屏幕文字叠加内容内联标注。

2. 视觉与音频分析
  • 形式(对镜讲述/画外音/B-roll/屏幕录制)
  • 背景/布景质量
  • 音乐/音频基调
  • 视觉变化频率(每分钟的模式中断次数)
3. 表现分析

对每个维度评分(强/中等/弱):

维度评分备注
开场钩子力度
递进式悬念
具体性/可信度
以读者为先的表达
视觉模式中断
CTA 质量

然后用 3-5 个项目符号说明这段视频为何表现出色——阐述具体机制,而非泛泛而谈。

4. 内容再利用方案

对每个创意:

**[Format] — [Working title / angle]**
- Hook: ...
- Format: ...
- Content pillar / theme: ... (if you use them)
- Funnel stage: ...
- Why it'll work: 1 sentence

每段视频建议提供 4-8 个内容再利用创意,至少 2 个应能立即写成脚本。

5. 值得借鉴之处

从这段视频中提取 3-5 个具体、可执行的技巧,直接复制到你自己的内容系统中。要求具体,不要泛泛而谈。请指出视频中每项技巧出现的具体时刻。


此技能不会做什么

  • 下载 TikTok 或 Instagram 视频(请手动下载后再提供路径)
  • 发布或发布任何内容——此技能仅用于分析和构思
  • 访问私密或未公开的 YouTube 视频
  • 取代你的创意判断——分析会指出哪些做法有效,由你决定借鉴什么

模型选择说明

  • 转录稿 + 分析: gemini-3-flash-preview——视频理解能力最佳,轻松处理 3-5 分钟的短视频
  • 嵌入(未来): gemini-embedding-2-preview——用于将视频与素材库中的表现者进行语义比较。脚本尚未实现此功能,但架构已准备就绪。
  • 免费套餐限制: 每天可处理 8 小时 YouTube 视频。上传文件没有限制(付费套餐)。短视频远低于限制。

评论

支持 Markdown