Problemet det löser
Inflytelserika åsikter om produkter uttrycks allt oftare muntligt i recensioner, poddar och kommentarsvideor, ofta utan att varumärket står i titeln. PR-team får reda på det flera dagar senare, om alls. De behöver larm när ett varumärke nämns, sammanhanget kring vad som sades och ett sätt att mäta share of voice mot konkurrenterna.
Vad den första versionen bör innehålla
- En bevakningslista med kanaler och poddar per kund
- Matchning av nyckelord och alias för varumärken, produkter och personer
- AI-klassificering av varje omnämnande som positivt, negativt eller neutralt
- Larm via Slack och e-post med citatet och en tidsstämplad länk
- Veckorapporter om share of voice jämfört med konkurrenterna
Så bygger du det, steg för steg
- 01
Bygg bevakningslistan
Spara kanalerna som ska bevakas för varje kund. Slå upp varje handle en gång med /channels/resolve för att få kanal-ID:t.
- 02
Polla efter nya uppladdningar
Slå med jämna mellanrum upp varje kanal med en låg gräns och jämför video-ID:na med dem du redan har bearbetat.
- 03
Transkribera bara nya videor
Skicka nya ID:n till /transcribe eller /batch. Du lägger bara krediter på videor du inte har sett.
- 04
Hitta och klassificera omnämnanden
Sök i transkripten efter varumärkesnamn och alias och skicka sedan det omgivande stycket till en LLM för att bekräfta relevansen och klassificera tonläget.
- 05
Larma och rapportera
Skicka varje bekräftat omnämnande till Slack eller e-post med citatet och en tidsstämplad länk, och sammanställ omnämnandena i veckorapporter.
Startkod
Den här idén bygger på mönstret "Recept 2: Bevaka kanaler och larma vid nya uppladdningar". Byt till dina egna kanaler, promptar och lagring.
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}")Så tjänar den pengar
Sälj månadsprenumerationer som prissätts efter antal bevakade varumärken och kanaler. Byråer som hanterar flera kunder är de starkaste köparna; enbart en veckorapport kan motivera planen.
Misstag att undvika
- Att skicka råa nyckelordsträffar som larm: namn som "Apple" eller "Notion" behöver en relevanskontroll med LLM för att undvika brus.
- Att bevaka för få kanaler: värdet ligger i täckningen, så gör det enkelt för kunderna att lägga till kanaler.
- Att missa omnämnanden i videor utan undertexter: aktivera AI-taligenkänning för viktiga kanaler.
Frågor om den här idén
Kan jag bevaka omnämnanden av varumärken i YouTube-videor?
Ja. Genom att transkribera nya uppladdningar från en bevakningslista med kanaler kan du söka efter varumärkesnamn i allt som sägs i varje video och få exakt tidsstämpel.
Hur ofta bör jag kolla kanaler efter nya videor?
En gång i timmen räcker för de flesta typer av varumärkesbevakning. Snabbrörliga kategorier som finans kan motivera tätare kontroller.
Hur minskar jag antalet falska träffar?
Kombinera nyckelordsmatchning med en LLM-kontroll som läser det omgivande stycket och bekräftar att omnämnandet syftar på varumärket.