הבעיה שזה פותר
דעות משפיעות על מוצרים נאמרות יותר ויותר בביקורות, בפודקאסטים ובסרטוני פרשנות, לעיתים קרובות בלי שם המותג בכותרת. צוותי יחסי ציבור מגלים את זה ימים אחר כך, אם בכלל. הם צריכים התראות כשהמותג מוזכר, את ההקשר של מה שנאמר, ודרך למדוד נתח קול מול מתחרים.
מה לכלול בגרסה הראשונה
- רשימת מעקב של ערוצים ופודקאסטים לכל לקוח
- התאמת מילות מפתח וכינויים למותגים, מוצרים ואנשים
- סיווג AI של כל אזכור כחיובי, שלילי או ניטרלי
- התראות ב-Slack ובמייל עם הציטוט וקישור עם חותמת זמן
- דוחות שבועיים של נתח קול מול מתחרים
איך לבנות את זה, שלב אחר שלב
- 01
בנו את רשימת המעקב
שמרו את הערוצים לניטור עבור כל לקוח. המירו כל שם ערוץ פעם אחת באמצעות /channels/resolve כדי לקבל את מזהה הערוץ.
- 02
בדקו העלאות חדשות
לפי לוח זמנים, המירו כל ערוץ עם מגבלה קטנה והשוו את מזהי הסרטונים לאלה שכבר עיבדתם.
- 03
תמללו רק סרטונים חדשים
שלחו מזהים חדשים ל-/transcribe או ל-/batch. אתם מוציאים קרדיטים רק על סרטונים שעוד לא ראיתם.
- 04
זהו וסווגו אזכורים
חפשו בתמלולים שמות מותגים וכינויים, ואז העבירו את הפסקה שמסביב ל-LLM כדי לאשר רלוונטיות ולסווג סנטימנט.
- 05
התריעו ודווחו
שלחו כל אזכור מאושר ל-Slack או במייל עם הציטוט וקישור עם חותמת זמן, ורכזו את האזכורים בדוחות שבועיים.
קוד התחלתי
הרעיון הזה מבוסס על התבנית "מתכון 2: מעקב אחרי ערוצים והתראה על העלאות חדשות". החליפו בערוצים, בפרומפטים ובאחסון שלכם.
import requests
API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}
WATCHLIST = ["@somechannel", "@anotherchannel"]
KEYWORDS = ["your brand", "competitor"]
seen = set() # persist this in a database in production
for handle in WATCHLIST:
latest = requests.post(f"{API}/channels/resolve", headers=HEADERS,
json={"handle": handle, "limit": 10}).json()
for video in latest["items"]:
if video["video_id"] in seen:
continue
seen.add(video["video_id"])
t = requests.post(f"{API}/transcribe", headers=HEADERS,
json={"video": video["video_id"]}).json()
text = t.get("data", {}).get("transcript", {}).get("text", "").lower()
hits = [k for k in KEYWORDS if k in text]
if hits:
print(f"ALERT {video['title']}: {hits}")איך זה מרוויח כסף
מכרו מנויים חודשיים שמתומחרים לפי מספר המותגים במעקב והערוצים המנוטרים. סוכנויות שמנהלות כמה לקוחות הן הקונות החזקות ביותר; דוח שבועי לבדו יכול להצדיק את המסלול.
טעויות שכדאי להימנע מהן
- שליחת התאמות גולמיות של מילות מפתח כהתראות: שמות כמו "Apple" או "Notion" דורשים בדיקת רלוונטיות של LLM כדי למנוע רעש.
- ניטור של מעט מדי ערוצים: הערך הוא בכיסוי, אז אפשרו ללקוחות להוסיף ערוצים בקלות.
- פספוס אזכורים בסרטונים בלי כתוביות: הפעילו זיהוי דיבור מבוסס AI לערוצים החשובים.
שאלות על הרעיון הזה
אפשר לנטר אזכורי מותג בסרטוני YouTube?
כן. כשמתמללים העלאות חדשות מרשימת מעקב של ערוצים, אפשר לחפש בכל מה שנאמר בכל סרטון שמות מותגים ולקבל את חותמת הזמן המדויקת.
באיזו תדירות כדאי לבדוק אם יש סרטונים חדשים בערוצים?
בדיקה פעם בשעה מספיקה לרוב צורכי ניטור המותג. בתחומים מהירים כמו פיננסים אולי מוצדק לבדוק לעיתים קרובות יותר.
איך מצמצמים התראות שווא?
שלבו התאמת מילות מפתח עם בדיקת LLM שקוראת את הפסקה שמסביב ומאשרת שהאזכור אכן מתייחס למותג.