Comment créer un outil de vérification d'influenceurs pour les sponsorings YouTube

Le problème résolu

Les équipes d'influence évaluent les créateurs en regardant quelques vidéos récentes. Elles passent à côté d'un sponsoring concurrent d'il y a six mois, d'une remarque controversée ou d'une habitude de se moquer des sponsors à l'écran. Le découvrir après le lancement d'une campagne coûte cher. Visionner des centaines d'heures à la main est impossible.

Ce que doit inclure votre première version

• ■Analyse en masse des vidéos récentes d'un créateur
• ■Détection des anciens sponsors et des marques concurrentes
• ■Signalements de sécurité du contenu : grossièretés, sujets sensibles, controverses
• ■Sentiment envers les sponsors et les catégories de produits
• ■Un rapport partageable avec citations et preuves horodatées

Comment le construire, étape par étape

1. 01

   Récupérer le catalogue

   Appelez /channels/resolve avec le handle du créateur et une limite de 100 à 500 pour obtenir les identifiants des vidéos récentes.

2. 02

   Transcrire en un seul lot

   Envoyez les identifiants à /batch. Pour les vidéos sans sous-titres, les options ASR comme la modération de contenu et l'analyse de sentiment ajoutent des signaux de sécurité structurés.

3. 03

   Extraire sponsors et risques

   Passez chaque transcription dans un LLM pour lister les sponsors mentionnés, les marques concurrentes et les propos qui correspondent aux catégories de risque de la marque.

4. 04

   Noter et produire le rapport

   Combinez les résultats en une note par catégorie et générez un rapport où chaque signalement renvoie à la citation et à son horodatage.

Code de démarrage

Cette idée repose sur le modèle « Recette 3 : charger une playlist en masse dans une base de connaissances ». Remplacez par vos propres chaînes, prompts et stockage.

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

Comment ça rapporte

Facturez au rapport pour les marques qui vérifient ponctuellement, et vendez des abonnements par siège aux agences et marketplaces de créateurs qui vérifient chaque semaine. Le prix se justifie facilement face au coût d'un seul sponsoring raté.

Erreurs à éviter

• ✕Signaler sans preuve : chaque risque doit avoir une citation et un horodatage pour qu'un humain juge le contexte.
• ✕Considérer toutes les grossièretés comme également risquées : laissez chaque marque définir ses propres seuils.
• ✕N'analyser que les vidéos récentes : les partenariats concurrents se trouvent souvent plus loin dans le catalogue.

Questions sur cette idée