channel-research

star 152

Use when /channel-new で収集したベンチマークデータを徹底分析したいとき。「競合分析」「ベンチマーク分析」「チャンネルリサーチ」「競合を調べて」「TTP 対象抽出」など、新チャンネル開設時の競合チャンネル分析に関わる場面で使用すること。/channel-new の後、/channel-direction の前に実行する

daiki-beppu By daiki-beppu schedule Updated 6/2/2026

name: channel-research description: "Use when /channel-new で収集したベンチマークデータを徹底分析したいとき。「競合分析」「ベンチマーク分析」「チャンネルリサーチ」「競合を調べて」「TTP 対象抽出」など、新チャンネル開設時の競合チャンネル分析に関わる場面で使用すること。/channel-new の後、/channel-direction の前に実行する"

Overview

/channel-new で収集したベンチマークデータ + コメントデータを読み込み、徹底的に分析してレポートを生成する。

前提: /channel-new が完了し、以下のデータが存在すること:

  • data/benchmark_YYYYMMDD.json — 競合チャンネルの動画データ
  • data/comments_YYYYMMDD.json — 競合動画のコメント
  • docs/benchmarks/*.md — 各チャンネルの個別レポート
  • docs/benchmarks/thumbnails/ — サムネイル画像(ある場合)

TTP 原則(ベンチマーク参照)

ベンチマーク分析の根本姿勢は TTP(徹底的にパクる)。 パクるのは「テーマそのもの」ではなく、競合動画に内在する 構造・パターン・型 — タイトルのフォーマット、サムネイルの構図、動画尺の分布、投稿スケジュール、 コメントに現れる利用シーンの語彙、勝ち動画の共通要素。 これらをそのまま自チャンネルの初期値として転写し、差別化はその上に重ねる。

既存実装の参照: .claude/skills/thumbnail/SKILL.md の TTP Swap モード、 src/youtube_automation/utils/metadata_generator.py の TTP 形式タイトル生成。

Instructions

実行場所: リポジトリルート(チャンネルの独立リポジトリ)

Step 1: データ読み込み

以下のファイルを読む:

  1. data/ 内の最新の benchmark_*.json
  2. data/ 内の最新の comments_*.json
  3. docs/benchmarks/ 内の全 .md ファイル

Step 2: 競合マトリクス作成

テーブル形式で全チャンネルを比較:

| チャンネル | 登録者 | 動画数 | 平均再生数 | 日次再生 | ER% | 投稿間隔 | 動画尺 |

加えて以下を分析:

  • 成長段階: 各チャンネルの推定フェーズ(立ち上げ/成長/安定/停滞)
  • 投稿トレンド: 加速/減速/安定
  • 勝ちパターン: 高再生数動画の共通点
  • TTP 対象: 上記から自チャンネルに転写すべき構造・パターン・型を明示(後段 /channel-direction の入力になる)

Step 3: コンテンツ戦略分析

タイトル分析:

  • フォーマットパターン(テーマ+ジャンル+用途+尺 等)
  • 頻出ワード・キーワード
  • 成功タイトル vs 平均タイトルの違い

動画尺の傾向:

  • チャンネル別の平均尺
  • 尺と再生数の相関

テーマ・世界観:

  • 頻出タグ分析
  • 各チャンネルの世界観マッピング
  • 未開拓のテーマ領域(ブルーオーシャン)

投稿スケジュール:

  • 曜日・時間帯の傾向(published_at から推定)

Step 4: サムネイル分析

docs/benchmarks/thumbnails/ のサムネイル画像を Read ツールで読み込み(画像対応):

  • 構図パターン: キャラ配置、テキスト位置、背景スタイル
  • 色使い: 暖色/寒色、明暗、彩度
  • テキスト: フォント感、文字数、言語
  • 共通成功パターン: 高再生動画のサムネイル特徴
  • 差別化の余地: 競合がやっていないスタイル

サムネイル画像がない場合は docs/benchmarks/*.md 内の thumbnail_analysis セクションを参照。

Step 5: 視聴者インサイト分析

コメントデータから以下を抽出:

利用シーン: いつ・どこで・何をしながら聴いているか 感情反応: どんな感情を表現しているか(癒し、懐かしさ、集中等) リクエスト: 視聴者が求めているもの(テーマ、長さ、頻度等) 言語分布: コメントの言語割合(国際性の指標) エンゲージメント: 深いコメント vs 浅いコメントの比率

Step 6: レポート生成

全分析結果を docs/channel-research.md に保存:

# チャンネルリサーチレポート
生成日: YYYY-MM-DD

## 競合マトリクス
[Step 2 のテーブル]

## コンテンツ戦略
[Step 3 の分析]

## サムネイルパターン
[Step 4 の分析]

## 視聴者インサイト
[Step 5 の分析]

## 機会領域(ブルーオーシャン)
- 競合がカバーしていないテーマ
- 未開拓のフォーマット
- 差別化可能なスタイル

## 推奨事項
- ポジショニング案(3案程度)
- リスクと機会

Step 7: 次フェーズへの案内

「分析レポートが完成しました。次は /channel-direction で方向性を一緒に決めましょう。」

障害時ガイダンス

競合データはローカルの data/ / docs/benchmarks/ を分析するため外部 API には依存しない。

状況 兆候 対処
入力データ不在 data/ のベンチマーク/Analytics スナップショットが無い 先に /benchmark/analytics-collect 等を実行して入力を用意

Cross References

  • /channel-new → 前フェーズ: データ収集
  • /channel-direction → 次フェーズ: 方向性ブレスト
Install via CLI
npx skills add https://github.com/daiki-beppu/youtube-automation --skill channel-research
Repository Details
star Stars 152
call_split Forks 1
navigation Branch main
article Path SKILL.md
More from Creator