Cómo crear una herramienta de verificación de influencers para patrocinios en YouTube

El problema que resuelve

Los equipos de influencer marketing verifican a los creadores viendo un puñado de vídeos recientes. Se les escapa un patrocinio de la competencia de hace seis meses, un comentario polémico o la costumbre de burlarse de los patrocinadores ante la cámara. Descubrirlo cuando la campaña ya ha empezado sale caro. Revisar cientos de horas a mano es imposible.

Qué incluir en tu primera versión

• ■Análisis en bloque de los vídeos recientes de un creador
• ■Detección de patrocinadores anteriores y marcas de la competencia
• ■Alertas de seguridad de contenido por lenguaje malsonante, temas sensibles y polémicas
• ■Sentimiento hacia los patrocinadores y las categorías de producto
• ■Un informe que se puede compartir con citas y pruebas con marcas de tiempo

Cómo construirlo, paso a paso

1. 01

   Obtén el catálogo anterior

   Llama a /channels/resolve con el identificador del creador y un límite de 100 a 500 para obtener los IDs de sus vídeos recientes.

2. 02

   Transcribe en un solo lote

   Envía los IDs a /batch. Para los vídeos sin subtítulos, las opciones de ASR como la moderación de contenido y el análisis de sentimiento añaden señales de seguridad estructuradas.

3. 03

   Extrae patrocinadores y riesgos

   Pasa cada transcripción por un LLM para listar los patrocinadores mencionados, las marcas de la competencia y las declaraciones que encajan con las categorías de riesgo de la marca.

4. 04

   Puntúa e informa

   Combina los hallazgos en una puntuación por categoría y genera un informe en el que cada alerta enlace a la cita y su marca de tiempo.

Código de inicio

Esta idea se basa en el patrón "Receta 3: carga en bloque una lista de reproducción en una base de conocimiento". Usa tus propios canales, prompts y almacenamiento.

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

playlist = requests.post(f"{API}/playlists/resolve", headers=HEADERS,
                         json={"playlist_url": "https://www.youtube.com/playlist?list=PLAYLIST_ID",
                               "limit": 100}).json()

ids = [v["video_id"] for v in playlist["items"]]
batch = requests.post(f"{API}/batch", headers=HEADERS, json={
    "video_ids": ids,
    "format": {"timestamp": True, "paragraphs": True},
}).json()

# Large batches run async: poll GET /batch/{batch_id} until status is "completed"
for r in batch.get("results", []):
    if r["status"] == "completed":
        for p in r["data"]["transcript"].get("paragraphs") or []:
            store(video_id=r["video_id"], start=p["start"], text=p["text"])  # your vector DB

Cómo genera ingresos

Cobra por informe a las marcas que verifican de vez en cuando y vende planes por licencia a las agencias y marketplaces de creadores que verifican cada semana. El precio es fácil de justificar frente al coste de un solo patrocinio fallido.

Errores que debes evitar

• ✕Señalar riesgos sin pruebas: cada riesgo necesita una cita y una marca de tiempo para que una persona pueda valorar el contexto.
• ✕Tratar todo el lenguaje malsonante como igual de arriesgado: deja que cada marca fije sus propios umbrales.
• ✕Analizar solo los vídeos recientes: los acuerdos con la competencia suelen aparecer más atrás.

Preguntas sobre esta idea