要求

• API 密钥：需从 Memories.ai 获取 MEMORIES_API_KEY
• 外部 API：将视频 URL 发送至 https://mavi-backend.memories.ai 进行语音转录
• Python 包：generate_report.py 将在缺失时自动安装 fpdf2、pandas、openpyxl

隐私说明

• 视频 URL 将发送至 Memories.ai 用于语音转录
• 批量分析将读取包含创作者/ROI 数据的 Excel 文件
• 使用前请务必查阅 Memories.ai 的隐私政策

爆款视频分析

对视频进行分析，并为创作者提供可落地的反馈建议。

核心洞察

高 ROI 视频：字数 <100，单产品时长约 5 秒，视觉优先 + 背景音乐 低 ROI 视频：字数 >150，单产品时长 >15 秒，解释性内容过多

根本问题在于：创作者花了太多时间“推销”，而非“展示”。 谨记：广告触达的是非粉丝用户，你只有 3 秒钟抓住陌生人的注意力。

量化阈值

分析流程

环境配置

需 Memories.ai API 密钥。请前往 https://api-tools.memories.ai 获取

设置环境变量：

export MEMORIES_API_KEY="sk-mavi-your-key-here"

1. 获取音频转录文本（统计字数）

import os
import requests

BASE_URL = "https://mavi-backend.memories.ai/serve/api/v2"
API_KEY = os.environ.get("MEMORIES_API_KEY")
HEADERS = {"Authorization": API_KEY}

def get_transcript(url: str, platform: str = "instagram"):
    resp = requests.post(
        f"{BASE_URL}/{platform}/video/transcript",
        headers=HEADERS,
        json={"video_url": url, "channel": "rapid"},
        timeout=60
    )
    data = resp.json()
    if data.get("success"):
        text = data["data"]["transcripts"][0]["text"]
        return {"text": text, "word_count": len(text.split())}
    return {"error": data.get("msg")}

# 平台识别
def detect_platform(url):
    url = url.lower()
    if "tiktok" in url: return "tiktok"
    if "instagram" in url: return "instagram"
    if "twitter" in url or "x.com" in url: return "twitter"
    return "youtube"

2. 对照阈值进行分析

def analyze_video(url):
    platform = detect_platform(url)
    result = get_transcript(url, platform)
    
    if "error" in result:
        return result
    
    word_count = result["word_count"]
    
    return {
        "url": url,
        "word_count": word_count,
        "word_count_status": "GOOD" if word_count < 100 else "OK" if word_count < 150 else "BAD",
        "issues": [],
        "transcript_preview": result["text"][:200]
    }

3. 生成面向创作者的反馈

基于分析结果，提供具体反馈建议：

若字数 >150：

“你的视频共 {X} 字。表现优异的视频通常控制在 100 字以内。建议用视觉化演示替代口头解释——例如拉伸面料、原地旋转、直观展示上身效果。”

若节奏偏慢（单产品耗时 >15 秒）：

“你当前平均花费约 {X} 秒介绍每个产品。高表现视频通常在约 5 秒内完成单个产品展示。建议采用快剪节奏——一套穿搭对应一次镜头切换。”

若未前置展示全部产品：

“请在视频开头 2–3 秒内一次性展示所有产品。让观众第一时间看到完整开箱内容，这有助于建立预期并提升完播率。”

始终提醒：

“谨记：广告触达的是尚未关注你的用户。你只有 3 秒钟吸引陌生人的注意力——切勿将它浪费在开场白上。”

例外情况：Kirstin 方法

详尽的口播评测仍可奏效，前提是满足以下条件：

1. 先完整展示所有产品，再开始讲解
2. 使用无压力话术，例如：“如果不合身，直接退换即可”
3. 聚焦于产品介绍本身，而非“销售话术”

即使字数高达 373 字，只要结构得当，依然可能获得良好表现。

参考视频

优秀示例（可供创作者参考）

• instagram.com/reel/Cy1zs4gLGFG — 46 字，3 套穿搭共 15 秒，纯视觉化
• instagram.com/reel/DEybxPbNeOl — 56 字，快速展示，搭配背景音乐
• instagram.com/reel/DHHr5o2s1LG — 91 字，快剪节奏，突出产品特性
• instagram.com/reel/DBd6NxbOeBb — 91 字，通过视觉直观演示上身效果

例外示例（结构正确的深度评测）

• instagram.com/reel/DCQJ355RWSE — 373 字，但效果良好：前置展示全部产品 + 无压语言

欠佳示例（应避免）

• instagram.com/reel/DRCdjLlDcla — 168 字，单套穿搭耗时 30 秒，解释性内容过多

反馈模板

Hi [Creator],

Thanks for your video! Here's some feedback to help improve performance:

**What's Working:**
- [Specific positive]

**Opportunities:**
1. **Pacing**: Currently ~{X}s per product. Try ~5s per item with quick cuts.
2. **Word Count**: {X} words detected. Top performers use <100. Show more, tell less.
3. **Opening**: Consider showing all products in first 2-3 seconds.

**Key Reminder:**
Ads reach people who don't follow you yet. They need to be hooked in 3 seconds!

**Reference Videos:**
[Link to good example]

Best,
[Team]

批量分析

def analyze_batch(excel_path, sample_size=20):
    import pandas as pd
    df = pd.read_excel(excel_path)
    df.columns = [c.lower().replace('sum of ', '').replace(' ', '_') for c in df.columns]
    
    # Get top and bottom performers
    top = df.nlargest(sample_size // 2, 'roi')
    bottom = df.nsmallest(sample_size // 2, 'roi')
    
    results = []
    for _, row in pd.concat([top, bottom]).iterrows():
        url = row.get('video_url') or row.get('row_labels')
        analysis = analyze_video(url)
        analysis['roi'] = row['roi']
        analysis['tier'] = 'TOP' if row['roi'] > 1.0 else 'BOTTOM'
        results.append(analysis)
    
    return results

快捷指令

• “Analyze this video: [url]” → 返回字数统计 + 反馈建议
• “Why is this video underperforming?” → 提供深度分析
• “Give me feedback for [creator]” → 输出教练式反馈模板
• “Compare these videos” → 并排对比分析
• “Analyze my performance data” → 基于 Excel 文件执行批量分析