固定上游版本 a9f11007aca3,包含 5 个文件。 加搜已生成可下载技能包、原始文件镜像及 7 种 Agent 安装页面。
调研与策略 · YouTube Competitor Analysis
YouTube 竞品分析 Skill
找出竞品频道中播放量显著高于常态的视频,并总结标题、选题和包装规律。
用异常高表现视频识别经过市场验证的内容机会,支持频道定位、选题库和视频包装优化。
WHAT IT SOLVES
解决的营销问题
找出竞品频道中播放量显著高于常态的视频,并总结标题、选题和包装规律
找出竞品频道中播放量显著高于常态的视频,并总结标题、选题和包装规律。跑完你拿到的是各频道订阅量、视频数量、长短视频数量、平均播放和发布频率摘要,中间一共 7 步。
最适合的真实场景
- 01
分析一组指定 YouTube 竞品频道,找出近期明显高于各自平均水平的视频。
- 02
分别研究长视频与 Shorts 的异常标题、主题和包装模式。
- 03
比较多个频道的发布频率、平均表现和高表现内容比例。
- 04
为新视频收集标题、缩略图、开头和主题包装灵感。
- 05
按周运行脚本,持续追踪竞品新出现的异常视频。
- 06
把竞品规律与自有频道 CTR、留存、观看时长和订阅数据结合验证。
你要先准备的资料
- YouTube Data API v3 key。
- 需要分析的频道 Handle,或使用原项目预设频道组。
- 回看时间范围,以及长视频、Shorts 或两者的分析要求。
- 运行 analyze.py 的 Python 环境。
- 如需验证包装效果,需要自有频道的曝光、CTR、留存、观看时长和订阅等分析数据。
跑完你会拿到什么
- 各频道订阅量、视频数量、长短视频数量、平均播放和发布频率摘要。
- 按相对频道平均值排序的长视频与 Shorts 异常清单。
- 视频标题、播放、点赞、评论、发布时间、链接和异常倍数数据。
- 异常视频标题常用词和候选包装结构。
- 控制台报告或可继续分析的 JSON 数据。
- 结合自有频道回读后的标题、缩略图、开头和内容结构调整建议。
METHOD
Skill 工作流程
确定分析范围 → 准备 API → 采集近期视频 等 7 个环节
一共 7 步。其中 4 项能力决定了换个 AI 会不会更麻烦。
- 确定分析范围选择具体频道或预设频道组,设定回看天数,并明确关注长视频、Shorts 或两者。
- 准备 API获取 YouTube Data API v3 key,安装或确认 Python 环境,并通过参数传入脚本。
- 采集近期视频解析频道 ID、频道统计和上传列表,获取回看窗口内的视频元数据与表现数据。
- 拆分内容形态根据视频时长将内容分成长视频与 Shorts,分别计算每个频道的平均播放水平。
- 识别异常视频计算每条视频相对频道平均值的倍数,将达到原文阈值的内容列入异常清单。
- 提取包装规律观察异常视频标题中的常用词、结构、主题和长短视频差异,形成候选标题与包装模式。
- 结合自有数据验证发布候选方案后回读 CTR、留存、观看时长、订阅和流量来源,判断规律是否适用于自己的频道。
这个 Skill 用到的能力: 运行脚本MCP 与连接器操作前确认打开网页取正文 。不同 AI 对这些能力的支持程度不一样,所以同一个 Skill 换个 AI,有几步做法会变。
WORKED EXAMPLE
业务示例
寻找三家竞品频道近期的高表现主题
寻找三家竞品频道近期的高表现主题
一个 B2B 软件品牌计划制作 YouTube 内容,希望分析三家竞品最近 60 天的视频,分别找出长视频和 Shorts 中值得进一步研究的异常内容。
- 准备三个频道 Handle、YouTube API key 和 60 天回看参数。
- 运行脚本采集视频,按长视频与 Shorts 分组并计算各频道平均值。
- 筛选超过原文异常阈值的视频,整理标题、主题、倍数和发布时间。
- 提取候选标题与包装规律,再与自有频道相似主题的历史表现对照。
预期结果:得到一份竞品频道摘要、长短视频异常清单和候选包装模式,供内容团队选择测试主题;这些模式仍需通过自有频道数据验证。
PITFALLS · VERIFICATION
能力边界与常见问题
把所有频道放在一起计算统一平均值,忽略频道体量和内容形态差异
最常踩的坑
- 把所有频道放在一起计算统一平均值,忽略频道体量和内容形态差异。
- 将长视频和 Shorts 混合比较,导致异常倍数失真。
- 把竞品异常视频直接认定为可复制规律,没有检查自有频道基线。
- 只看播放量,忽略 CTR、留存、观看时长、订阅和流量来源。
- 发布后过早宣布包装有效,没有完成约定的回读窗口。
怎么确认这次跑对了
- 已经形成可检查的各频道订阅量、视频数量、长短视频数量、平均播放和发布频率摘要,关键判断能回到输入资料或过程证据。
- 已经形成可检查的按相对频道平均值排序的长视频与 Shorts 异常清单,关键判断能回到输入资料或过程证据。
- 已经形成可检查的视频标题、播放、点赞、评论、发布时间、链接和异常倍数数据,关键判断能回到输入资料或过程证据。
- 已逐项检查「把所有频道放在一起计算统一平均值,忽略频道体量和内容形态差异」等高频问题,并记录需要人工确认的下一步。
YouTube 竞品分析 Skill适合哪些岗位使用?
YouTube 运营、视频团队、出海品牌、内容研究。典型场景包括分析一组指定 YouTube 竞品频道,找出近期明显高于各自平均水平的视频;分别研究长视频与 Shorts 的异常标题、主题和包装模式;比较多个频道的发布频率、平均表现和高表现内容比例。
开始前需要准备什么资料?
至少需要YouTube Data API v3 key、需要分析的频道 Handle,或使用原项目预设频道组、回看时间范围,以及长视频、Shorts 或两者的分析要求。资料越具体,结果越能直接用于决策。
最后能得到什么可检查的结果?
各频道订阅量、视频数量、长短视频数量、平均播放和发布频率摘要、按相对频道平均值排序的长视频与 Shorts 异常清单、视频标题、播放、点赞、评论、发布时间、链接和异常倍数数据。每项都可以逐条核对来源和数字。
哪些情况下结果会不可靠?
把所有频道放在一起计算统一平均值,忽略频道体量和内容形态差异;将长视频和 Shorts 混合比较,导致异常倍数失真。出现这些情况时需要人工复核。
支持哪些 AI Agent?
已适配 WorkBuddy、OpenClaw、Hermes Agent、Codex、Claude Code、TRAE、ZCode 共 7 种,每种都有独立的安装说明和能力对照。
ORIGINAL SOURCE
完整 Skill 内容与版本资料
5 个原始文件,31 个文档章节,固定在 a9f11007
上游原文完整保留在加搜服务器上,可逐节查看,也可以直接下载。 当前镜像共 5 个文件、19.0 KB。
YouTube Competitive Analysis
Outlier detection and packaging pattern extraction for YouTube channels.
When to Use
- User asks for YouTube competitive analysis
- User wants to find viral video patterns
- User wants packaging/title inspiration from specific creators
- User wants to track competitor YouTube performance
Prerequisites
- YouTube Data API v3 key set as
$YOUTUBE_API_KEY
Usage
# Analyze specific channels
python3 analyze.py "$YOUTUBE_API_KEY" --channels "@handle1,@handle2" --days 30
# Use predefined sets
python3 analyze.py "$YOUTUBE_API_KEY" --set ai
python3 analyze.py "$YOUTUBE_API_KEY" --set business
python3 analyze.py "$YOUTUBE_API_KEY" --set both
# Export formats
python3 analyze.py "$YOUTUBE_API_KEY" --set both --output json
python3 analyze.py "$YOUTUBE_API_KEY" --set both --output console
Predefined Channel Sets
AI Creators: Jeff Su, Alex Finn, Riley Brown, Dan Martell, Matt Wolfe, Nate Herk, Grace Leung, Matt Berman
Business Creators: Alex Hormozi, Gary Vaynerchuk, Patrick Bet-David, Codie Sanchez, Leila Hormozi, Iman Gadzhi, My First Million
Output Interpretation
- Multiplier: Times above channel average (2.0x = double normal)
- Outlier threshold: 2x average. Study anything above this.
- Title patterns: Common words in outlier titles indicate proven formats
- Cadence: Videos per week. Higher cadence creators may have lower per-video averages.
Channel Analytics Feedback Loop
Competitive analysis is only half the loop. When you have access to the channel's own analytics, compare candidate packaging against actual performance after publish.
Before recommending a package:
- Pull channel baseline by topic, title pattern, thumbnail pattern, length, publish day/time, and format.
- Check impressions, CTR, average view duration, retention curve, watch time, subscribers gained, comments, and traffic source.
- Compare the proposed title/thumbnail/hook against similar historical videos and competitor outliers.
After publishing:
- Log video ID, title, thumbnail concept, hook, topic bucket, retention devices, and publish date.
- Pull analytics after the chosen readback window.
- Compare baseline vs candidate.
- Patch title formulas, thumbnail rules, hook patterns, retention beats, chapter structure, Shorts selection, or repurposing guidance only if the candidate wins.
Readback windows:
- 24-48 hours for CTR and early retention
- 7 days for average view duration and watch time
- 28 days for topic durability and subscriber gain
Do not call packaging validated until analytics are checked. Otherwise it is a screenplay wearing a lab coat.
Packaging Skeletons (Proven Formats)
Long-form:
- "X, Clearly Explained"
- "X hours of Y in Z minutes"
- "The Laziest Way to X"
- "Give me X minutes and I'll Y"
- "X INSANE Use Cases for Y"
Shorts:
- "2024 vs 2025 X" (year comparison)
- "Bad Good Great X" (tier ranking)
- "Stop doing X, do Y instead" (contrarian)
当前镜像保留 5 个文件,共 19.0 KB。点击文件名可查看加搜服务器上的原始内容。
| 文件 | 大小 | 内容指纹 |
|---|---|---|
| README.md | 4,384 B | 9fdc6c0ddf8d… |
| SKILL.md | 3,297 B | da7d4d51eb76… |
| UPSTREAM_LICENSE.txt | 1,069 B | 01be386d352f… |
| analyze.py | 10,669 B | 71774055ecc1… |
| requirements.txt | 65 B | 932dd1438d5b… |
评价将按 Skill 与版本归档,帮助营销人了解真实任务中的使用体验。敬请期待。
来源与版本声明
本页面由加搜科技整理业务说明并托管安装文件。原始 Skill 来源渠道:GitHub AI Marketing Skills; 原始项目名称:yt-competitive-analysis; 固定版本:a9f11007aca3; 许可证:MIT。技能包内保留完整出处和许可证说明。
各 Agent 能力说明参考对应官方文档。页面不提供外部跳转。
INSTALL
三种安装方式
YouTube 竞品分析 Skill v1.0.0,ZIP 带 SHA256 校验
默认做法是把提示词复制给 AI Agent,让它自己下载并安装。提示词里已经写清要用完整 ZIP、装完报告目录、并先跑一个小任务验证。
METHOD 01 · 交给 AI 自己装
复制提示词
适合大多数情况。Agent 会下载 ZIP、解压、放到正确目录,并在缺少权限时告诉你需要手工做哪一步。
请帮我把「YouTube 竞品分析 Skill」安装到我正在使用的 AI Agent。 1. 下载完整 Skill ZIP:https://www.vibemarketing.work/packages/skill-youtube-competitor-analysis/1.0.0/skill-youtube-competitor-analysis.zip 注意:网页 HTML 不能当作 Skill 文件安装,必须使用 ZIP 里的完整文件。 2. 解压后保留 SKILL.md 及全部配套文件,按你所用 Agent 的 Skill 目录规则安装。 3. 安装完成后告诉我实际安装目录。 4. 用一个只读小任务验证 Skill 已被识别。 5. 如果你没有联网、下载或写目录权限,请直接告诉我哪几步需要我手工完成。 参考:原始 SKILL.md https://www.vibemarketing.work/raw/skill-youtube-competitor-analysis/SKILL.md;安装指南 https://www.vibemarketing.work/agent-install/skill-youtube-competitor-analysis.md
METHOD 02 · 自己下载
下载完整 ZIP
包内含 SKILL.md 与全部配套文件,附 manifest.json 与 SHA256 校验值,可离线安装与版本冻结。
METHOD 03 · 手动放目录
手动安装
解压 ZIP 后,按所用 Agent 的目录规则放入:
- WorkBuddy
技能 → 添加技能 → 上传技能 → 选择本地技能包 - OpenClaw
openclaw skills install ./skill-youtube-competitor-analysis --as youtube_competitor_analysis_skill - Hermes Agent
mkdir -p ~/.hermes/skills && cp -R ./skill-youtube-competitor-analysis ~/.hermes/skills/ - Codex
mkdir -p ~/.codex/skills && cp -R ./skill-youtube-competitor-analysis ~/.codex/skills/ - Claude Code
mkdir -p ~/.claude/skills && cp -R ./skill-youtube-competitor-analysis ~/.claude/skills/ - TRAE
在 Skills 设置中导入包含 SKILL.md 的 skill-youtube-competitor-analysis 目录;项目级 Skill 可放入 .agents/skills/skill-youtube-competitor-analysis - ZCode
mkdir -p ~/.zcode/skills && cp -R ./skill-youtube-competitor-analysis ~/.zcode/skills/
HTML 业务页面不能直接当作 Skill 文件安装。AI 需要下载完整 ZIP 并保留配套文件。
BY AGENT
适配的 AI Agent
7 个 Agent 里,4 项能力决定了差异
同一个 Skill,换个 AI 做法就不一样。点进去能看到它在这 7 步里能直接跑通几步、哪几步得你自己补、装完先跑什么验证。
- WorkBuddy YouTube 竞品分析 Skill 中文办公、本地资料和企业协作
- OpenClaw YouTube 竞品分析 Skill 本地工作区、目录化 Skill、命令和批处理
- Hermes Agent YouTube 竞品分析 Skill 长任务、消息入口和阶段进度
- Codex YouTube 竞品分析 Skill 本地文件、数据、代码和正式交付物
- Claude Code YouTube 竞品分析 Skill 项目上下文、文件、终端和 MCP
- TRAE YouTube 竞品分析 Skill 营销工作与网站、落地页和程序化 SEO
- ZCode YouTube 竞品分析 Skill 长上下文、长任务、项目文件和远程跟进
FURTHER READING
YouTube 竞品分析 Skill 相关的实操文章
别人做同类任务时踩过的坑和总结,动手前后都值得翻一下。
YouTube 切片最容易做成高光合集:听见一句金句就剪,标题还用原视频那句,封面还是原视频缩略图缩小。观众在切片频道刷到时,不知道这八分钟为什么要点开。切片要当一条新视频发,就得自己有选题理由,自己
市场团队准备改官网首页,先把三家同行交给 AI 研究。首页说了什么、产品有哪些功能、价格怎样分档、案例里用了哪些客户,很快就整理成一份完整的对照表。 开会时,大家依然答不上来:我们的首页究竟要赢过谁?
竞品分析 Skill 怎么用,关键不是丢一句“帮我看看竞品”,而是交给它一组网址、自家产品和对比维度,让它按同一结构产出可核对的档案。VibeMKT Hub 收录页把这个执行单元叫做 Competit
定价页已经把 Starter、Professional、Enterprise 排成三张卡,价格、功能和“最受欢迎”角标也都在,销售仍然反复收到同一个问题:我们该买哪一档?这时团队很容易删一档套餐、放大
竞品分析提示词怎么写:变量、证据规则与一段可直接替换的Prompt
直接回答:竞品分析提示词的核心不是让 AI“帮我看下竞品”,而是把证据规则写进指令——每条结论必须标注来源,查不到的数据明确写“未公开”,而不是补一个看起来合理的数字。下面给出一段可直接替换变量的本站
搭配使用
应用商店优化 Skill、网站面包屑导航设计 Skill、网站内容卡片设计 Skill、营销动作效果验证 Skill、海外社区论坛推广 Skill、海外社区搭建 Skill
按这个 Skill 的产出能不能直接被下一个 Skill 用上来推荐,不是固定名单。多数情况下按顺序跑完一组,比单独用一个效果更好。
应用商店优化 Skill
应用商店优化把商店页链接转成六维 ASO 审计与整改清单。
网站面包屑导航设计 Skill
为内容站、电商独立站、产品文档和多层级官网规划清楚的面包屑导航。统一页面层级、主面包屑路径、标签和链接状态,并核对可见导航与 BreadcrumbList。
网站内容卡片设计 Skill
把产品、文章、模板或工具信息整理成便于快速浏览的网站内容卡片。明确标题、图片、说明、元数据和主要动作的顺序。
营销动作效果验证 Skill
把营销改动前后的平台数据拉取出来,对比核心指标,生成一份决定保留或放弃该改动的验证报告。
海外社区论坛推广 Skill
把论坛发帖和社群邀请的执行规则,整理成包含渠道选择、发帖文案和邀请触点的行动清单。
海外社区搭建 Skill
把空白的海外 Discord 或 Reddit 群组,整理成有新人引导路径、版规和活跃度指标的社区运营手册。
- 01
应用商店优化 Skill
这个 Skill 产出的copy,正好是它需要的输入,可以直接接着跑
- 02
网站面包屑导航设计 Skill
这个 Skill 产出的copy,正好是它需要的输入,可以直接接着跑
- 03
网站内容卡片设计 Skill
这个 Skill 产出的copy,正好是它需要的输入,可以直接接着跑
- 04
营销动作效果验证 Skill
这个 Skill 产出的copy,正好是它需要的输入,可以直接接着跑
- 05
海外社区论坛推广 Skill
这个 Skill 产出的copy,正好是它需要的输入,可以直接接着跑
- 06
海外社区搭建 Skill
这个 Skill 产出的copy,正好是它需要的输入,可以直接接着跑