Контент-завод. Часть 1: Трендвотчинг и база залетающих видео

Какая есть проблема сейчас, которую мы наблюдаем и которую, мне кажется, уже все почувствовали — это то, что платный трафик постоянно дорожает.

И лучший способ защитить себя от инфляции рекламного трафика и создать защитный барьер от конкурентов — это инвестиция в контент.

А лучший и самый простой в производстве формат контента — это вертикальные видео.

Уже суперочевидно понятно, что подписчики — это новая валюта следующего десятилетия.

И бренды, у которых есть подписчики, растут X10 быстрее, чем те, кто просто двигается через рекламные инструменты.

Почему вертикаль — это тир-1

Вертикальный контент, виральность — это тир-1, это то, что вам на горизонте 3–5 лет может дать бесплатный трафик и гигантское конкурентное преимущество.

При этом это очень проблемная фигня, в которой ты вот, ну, не пойми, как это посчитать, не пойми, как спрогнозировать то, что у тебя видео какое-то — ты его выложишь, и оно залетит.

Для многих когда-то это выглядело как просто SMM-команда, в которую ты вбухиваешь до фига денег, они тебе делают красивые картинки, генерируют какие-то видосики, а там что-то с этого попадает.

Вот эти проблемы как раз-таки можно попытаться решить связкой AI + понимание того, как работают соцсети.

Какие есть в целом проблемы?

1. Видео не залетают

Видео, которое вы выкладываете, неважно в какой соцсети — Instagram, TikTok, YouTube — просто не залетают, деньги сливаются, а соцсети по сути не выполняют свою функцию, просто существуют для галочки:

«Мы есть в Инстаграме, и отлично, там есть какие-то рилсы».

2. Непредсказуемый результат для бизнеса

То есть непонятно, как посчитать вообще выхлоп с SMM.
Непонятно вообще, как верить в эту штуку, когда она настолько непонятно прогнозируемая.

Нет прогнозируемости — нет доверия.

3. Непонятно, как выстроить процесс

Третья проблема — это непонятно, как выстроить процесс, кто нужен в команде, какие расходы и как забюджетировать весь этот процесс.

Потому что SMM вообще выглядит как очень комплексная машина, где очень много функций.

Там и копирайт, и смонтировать это надо, и чтобы кто-то снялся. Этих всех актёров нужно менеджерить. Потом кто-то скажет, что на самом деле прикольно, чтобы несколько людей в Инстаграме снималось, чтобы каждая из них была ролевой моделью целевой аудитории.

И ты сидишь с этими вводными и понимаешь, что тебе просто нужно 10 человек, чтобы эту штуку контролировать.

Трендвотчинг

Трендвотчинг — это, по сути, ключевой процесс, который помогает снизить неопределённость и увеличить вероятность успеха. Этот блок всегда стоит самым первым в любом заводе.

Каждое видео — это набор параметров.

У нас в платном трафике есть креативы, рекламные баннеры, которые запускаются в рекламу. И вот мы часто говорим про то, что каждый креатив, какая-то картинка, на которой что-то написано, что-то изображено, которую вы запускаете в рекламу — это набор определённых параметров.

Вот в рилсах, в органике, в соцсетях — это следующие параметры:

• тема — про что само видео;
• хук.

Хук — это первые 3 секунды видео, самая важная часть любого рилса, тиктока или шортса.

Потому что первые 3 секунды происходит что?

Первые 3 секунды вы либо пролистываете — да, это время, которое нужно потратить на то, чтобы дёрнуть палец, — либо вы остаетесь и смотрите, и Instagram принимает решение: засчитать это как просмотр или нет.

Если он засчитывает это как просмотр, то более активно начинает показывать видео другой похожей аудитории. А если вы пролистали — то нет.

Поэтому это очень важная часть.

Есть два типа хуков:

• визуальный — то, что в видео происходит;
• текстовый — то, что вы произносите.

Дальше — контентная часть, звук и монтаж.

В чём задача

То есть не бить в неизвестность, а конкретно понимать:

Вот сейчас залетает вот это.
Мы это сделаем — оно залетит на миллион просмотров.
И мы получим примерно 100 000 человек с этого видео.

Вот такая логика.

Сильно абстрактная, но я думаю, что вы поняли, что я имею в виду.

Как это делается

Моделей, как собирать этот блок в контент-заводе оч много. Обычно его делают под конкретную задачу в конкретном заводе. Тут мы по верхам пройдемся по одному из вариантов. Главное понять идею.

Для этого мы собираем базу данных, где у нас парсятся видео наших конкурентов, которые залетают и которые разбиваются на все эти параметры и метрики, которые нам нужны.

База, куда спарсились все рилсы за определённый период времени из вашей базы аккаунтов, которую вы собрали для вашего проекта и которую вы раскладываете на параметры.

Создаем таблицу с полями:

• Дата
• Рубрика
• Тема видео
• Хук
• Описание
• Длина описания
• Количество подписчиков
• Количество просмотров
• Количество просмотров по отношению к количеству подписчиков
• Количество лайков/комментов
• ER
• Количество репостов
• Количество репостов по отношению к просмотрам
• Длительность
• Оценка вирусности
• Оценка ER

Какие параметры контролировать?

Во-первых, дату, потому что тренды живут определённое количество времени. Чаще всего это 2 месяца, но, конечно, чем быстрее — тем лучше.

Соответственно, когда вы делаете парсинг, вы первый раз ставите последние 2 месяца по дате. Потом эта дата сокращается до недели, потому что желательно на еженедельной основе внедрять парсинг как процесс.

Что важно считать

Важно считать, какое количество просмотров получило видео по отношению к количеству подписчиков.

Потому что у вас может быть так: вы смотрите на видео, и там, например, 5 млн просмотров, но в аккаунте всего лишь 50 000 подписчиков.

Это значит, что видео залетело в несколько сотен раз от количества людей, которые подписаны на аккаунт. То есть оно реально завиралилось.

А бывает так, что в аккаунте миллион подписчиков — и тоже 5 млн просмотров. Ну очевидно, что здесь уже была база, которая посмотрела, помогла этому видео продвинуться, и оно залетело с помощью какой-то уже изначально существующей аудитории, которая его там облайкала.

Это работает для всех площадок (где есть алгоритмы😶‍🌫️).

Поэтому первый случай, когда подписчиков мало, а просмотров много, для нас больше сигнал о том, что видео завиралилось.

Engagement rate и виральность

Лайки, комментарии, стандартный ER — какой процент людей повзаимодействовал с видео от количества просмотров.

Это классический engagement rate.

Количество репостов — репосты вообще считаются самой «золотой» метрикой виральности, потому что если видео хорошо шерится, то есть в нём что-то, что заставляет людей его распространять между собой — и это круто.

Графа «Вирусность» — это аномальные всплески в аккаунте.

То есть, например, есть ваш аккаунт, у вас видео в среднем залетает на 100 000 просмотров, и вдруг какое-то видео залетело на 2 млн.

Вот это значит, что по сравнению с медианным показателем видео показывает сильный потенциал виральности.

Поэтому мы ему присваиваем здесь тег: потенциально вирусное видео.

И так в каждом аккаунте.

И обязательно парсим скрипт видео. Это вообще золотые данные для SMM-команды, потому что вы потом дальше можете делать с этим вообще что угодно.

Вы можете на основании этого генерировать и рекламные подачи, и просто выгружать это в ChatGPT, генерировать новые варианты роликов.

Здесь можно сделать столбик, что у нас есть original_script — это оригинальный скрипт, который был озвучен в видео, а есть rewritten_script.

Агент забирает оригинальный сценарий и отправляет его в GPT.

И вот колонка rewritten_script — это видео, которые ChatGPT пытается уже сразу нам в этой же табличке адаптировать под нас.

Сразу несколько вариантов хуков предлагает.

Пытается адаптировать сценарий, чтобы его не точно копировать, а как-то его под нас видоизменять.

И это большая точка роста, над которой важно работать, чтобы сценарии, которые адаптировались, были X10 круче, чем они сейчас.

Это общая методика.

Теперь немного деталей.

Первое: чтобы получить такую базу и дальше на основании неё принимать решение, какие видео вам, собственно, генерировать, вам нужно собрать первичную базу из аккаунтов, где залетают видео.

Первая проблема, которая здесь появляется, — то, что если вы начнёте искать их путём вбивания ключевых слов или пытаться их как-то спарсить, вы никогда в жизни их не найдёте.

Почему?

Потому что Instagram никаким образом не индексирует аккаунты прям сильно по темам.

Он не может проиндексировать каждый рилс и как-то объединить их по тематикам.

Поэтому, когда вы парсите и, например, даже если зайдёте сейчас в Instagram и вобьёте какую-то вашу конкурентную нишу, вам выдаст пять несчастных, жалких конкурентов — и всё.

И с этим дальше ничего не поделать.

Рилсы там не залетают, и откуда брать вот эту базу — непонятно.

А это ключевой этап, потому что если у вас хреновая база, а вы потом будете её копировать, то понятно, что это плохая идея.

Шаг один — создать нулевой аккаунт, где ещё нет никаких рекомендаций.

То есть нулевой аккаунт, всё чисто, там ничего не лайкалось раньше, просто чистый аккаунт.

И подписывайтесь на ваших конкурентов.

Неважно, на каком они рынке. Единственное, что важно — на каком языке они разговаривают.

Потому что если вы на сборную солянку подпишетесь, то Инста не будет понимать, на каком языке вы разговариваете.

Поэтому лучше, если у вас разные языки или вам релевантен контент с разных рынков, под это отдельный аккаунт создавать.

И подписывайтесь на своих конкурентов.

Что происходит?

Instagram начинает думать, что вы потенциальная целевая аудитория этого контента, и адаптирует ленту под этот контент. Начинает вам показывать самые залетающие ролики, которые вообще только могут быть в нише, которая похожа на вас, на вашу целевую аудиторию.

Вы просто заходите в Instagram, листаете — и у вас это просто кладезь аккаунтов, у которых залетают видео и которые являются смежными, похожими, либо вашими прямыми конкурентами, либо на них подписана ваша целевая аудитория.

После того, как вы собрали базу, мы её загружаем в табличку. Не в ту что в начале описывали, это отдельная для сбора вручную аккаунтов конкурентов. Достаточно для первого раза 200 аккаунтов, но вообще создайте процесс, при котором эта база постоянно пополняется — она не должна быть статичной.

Для SMM-команды это один из самых ценных процессов.

Потому что, пока ты смотришь:

• во-первых, твоя нейросетка Инсты прокачивается;
• во-вторых, аккаунт, с которого ты собираешь эти аккаунты и сидишь, превращается в бесконечно адаптируемую ленту, которая постоянно обновляется.

И это уже самый лучший источник конкурентов, контента, трендов, которые только могут быть, потому что это в лайв-формате обновляющаяся лента под вашу целевую аудиторию.

И никакой парсинг вам этого не заменит. Никакого аналога сейчас нет, поэтому даже не пытайтесь там что-то спарсить.

Я вам просто сразу говорю, что вы потратите много времени, потому что я сам потратил много времени.

Как можно парсить данные?

Есть два варианта, как можно парсить видео и вообще данные с соцсетей.

Через API

Это плохой вариант, потому что с API вы идёте через свои официальные аккаунты в этих соцсетях.

У вас очень много ограничений.

Вы можете снимать метрики только со своих аккаунтов, но это может быть полезно для того, чтобы настроить аналитику.

Например, чтобы в Инстаграме считать, какое количество подписчиков вам принесла платная реклама, а какое количество подписчиков вам принесли рилсы.

То есть уже можно даже отслеживать источники, что раньше нельзя было.

Поэтому API — это нормальная идея, но трендвотчинг лучше парсить именно без API.

Какая связка работает

Здесь работает следующая связка: Apify + N8N + GPT + Whisper.

Достаточно простой сценарий.

Вы добавляете ноду Google Sheets.

Первое — чтобы он забрал логины. Дальше SplitInBatches — это функция, которая добавляет каждый логин отдельно и отправляет его дальше в Apify.

Это простой сценарий в N8N, который забирает логины аккаунтов из таблицы и отправляет их в Apify.

Apify — это сервис, который парсит аккаунты. Есть прямо template Instagram Scraper. Очень прикольно то, что он обходит многие ограничения.

Тут уже написан код, вам никакой код писать не нужно. Это уже офигенный готовый темплейт от разрабов, который есть.

Он вытаскивает весь датасет, высчитывает метрики по формулам — все, которые мы обсудили выше — и дальше отправляет реквест в Whisper.

Whisper — это транскрибация аудио в текст, и дальше данные дополняются в таблицу.

Вот такой сценарий примерно.

И вы получаете в итоге базу данных в таблице, где есть точное понимание, какая комбинация параметров помогла, чтобы видео залетело и попало в алгоритмы.

Еще раз ноды в n8n — полный сценарий:

1. Google Sheets → Read Rows

Забираем логины аккаунтов из таблицы.

Google Sheets можно заменить на Airtable.

После этого формируется база аккаунтов, которые нужно обработать.

2. SplitInBatches

Разбиваем список логинов так, чтобы каждый аккаунт отправлялся в обработку отдельно.

Это нужно, чтобы:

• корректно обрабатывать каждый логин
• не ловить лимиты
• управлять нагрузкой

3. Trigger (Cron)

Запуск по расписанию.

Можно настроить:

• раз в неделю
• раз в день
• в зависимости от объёма базы

4. HTTP Request → запуск Apify Instagram Scraper

Отправляем логин в Apify.

Используется готовый template:

https://apify.com/apify/instagram-scraper

Код писать не нужно — используется готовый темплейт.

5. Wait

Ожидание завершения парсинга.

Если аккаунтов много — лучше ставить больший тайм-аут, чтобы избежать ошибок.

6. Get Dataset

Получаем датасет из Apify.

Из него вытягиваются:

• подписчики
• просмотры
• лайки
• комментарии
• репосты

7. Метрики (Code)

Вычисляются показатели по формулам:

• engagement rate
• отношение просмотров к подписчикам
• вирусность
• аномальные всплески

8. HTTP Request → Whisper API

Отправляем видео в Whisper.

Whisper делает транскрибацию аудио → текст.

9. Google Sheets

Возвращаем всё в таблицу.

В итоге в таблице появляются:

• original_script
• rewritten_script (если подключён GPT)
• метрики
• показатели вирусности
• транскрибация

Результат

Вы получаете структурированную базу данных, где видно:

• какие комбинации параметров дают залёт
• какие темы работают
• какие хуки масштабируются
• какие аккаунты реально завиралились

Это и есть основа для управляемого вертикального продакшена.

А что мы делаем с этим дальше?

Дальше в таблице мы ставим фильтры по нужным вам метрикам.

Эту часть часто делают вручную, потому что всё равно все попытки привести соцсети под одни правила, подогнать — типа «смотри вот на это, вот это точно сработает» — часто имеют изъяны, потому что в соцсетях всё-таки остаётся некоторая часть креатива.

Обычно ориентируемся на то, насколько залетело видео по отношению к количеству подписчиков.

Ставим фильтр и забираем в работу первые 50 видео из базы.

Как адаптировать сценарии

Есть несколько вариантов.

1. Полное копирование

Первый вариант — ты копируешь полностью всё.

Работает, особенно если вы на начальной стадии, потому что нет никакой ответственности. И вряд ли кто-то вообще когда-либо заметит, что вы там какую-то идею взяли, потому что все друг у друга тырят в Инстаграме идеи для рилсов, они даже между брендами постоянно перекликаются.

Но если вы крупная корпорация, то понятное дело, что такой вариант уже не подходит.

2. Адаптация

Хорошо работает тема с адаптированием, когда сохраняются первые 3 секунды видео, а дальше вы контентную часть либо меняете копирайт, либо чуть-чуть адаптируете под себя.

3. Кросс-языковая стратегия

Третий вариант — это когда вы берёте видео, например, с другого языка, то есть добавляете в базу контент на хинди, а потом просто делаете такое же видео, но на английском.

Это очень замечательная стратегия.
Она очень хорошо работает.

Воркфлоу в n8n по созданию видео

Что здесь происходит?

Отправляется запрос через Telegram. То есть мы пишем, что нам нужно сегодня выложить какое-то видео.

Он обращается к таблице, вытаскивает сценарий, отправляет его в ChatGPT.

ChatGPT разбивает его на раскадровку, и после этого отправляет в видеомейкер. Это место, где генерируются с помощью аишки сами видосы.

Мы её здесь используем, потому что она дешёвая, но можно ещё использовать что-то круче — то есть всякие Kling, разные нейросетки сюда подставлять.

Получается: GPT генерирует промпт → это отправляется в видеомейкер → генерируется видео → дальше всё объединяется и отправляется обратно в Telegram, и накладываются субтитры.

То есть запрос → сценарий → раскадровка → промпт → генерация → сборка → Telegram → субтитры.

Еще раз про воркфлоу:

Telegram → AI-агент → тренды → сценарий → видео → проверка → публикация

1. Берёт тренд из базы
2. Генерирует сценарий
3. Создаёт видео
4. Проверяет статус
5. Возвращает готовый результат

Порядок работы системы

1. Telegram Trigger — точка входа

Пользователь пишет в Telegram:

“Сделай видео по тренду про X”

Что важно:

• Используется session_id (user_id)
• Все сообщения логируются в Supabase
• Сохраняется контекст

Нюанс

Без сохранения контекста бот будет “тупить” и забывать, что уже обсуждали.

2. Логирование запроса (Supabase)

Перед тем как агент начнёт думать:

• Сохраняем user message
• Привязываем к session_id
• Фиксируем роль (human)

Это нужно для:

• истории диалога
• аналитики
• обучения

3. AI Agent — мозг системы

Агент получает:

• текст из Telegram
• доступ к памяти (Postgres Chat Memory)
• доступ к инструментам
• доступ к векторной базе трендов

В systemMessage прописана его роль:

Ты анализируешь тренды → формируешь сценарий → генерируешь видео → ждёшь результат → возвращаешь ссылку.

Нюанс

Если system prompt слабый — агент начинает генерировать воду вместо системной логики.

4. Vector Store — анализ трендов

Если пользователь просит трендовую тему:

• агент обращается к Supabase Vector Store
• embeddings OpenAI ищут похожие документы
• возвращаются релевантные тренды

Это ключевой момент

Без этого агент просто “придумывает”.
С этим — он опирается на реальные залетевшие видео.

5. Генерация сценария (GPT)

После выбора темы агент:

1. Формирует сценарий
2. Делит на структуру
3. Подготавливает script
4. Формирует video_description

Важно:

Кавычки должны быть удалены из video_description и script перед передачей в Video_maker.

6. Video_maker — запуск генерации

Агент вызывает инструмент:

{
  "video_description": "...",
  "script": "..."
}

Video_maker возвращает:

{
  "pid": "G2sRFui4NhcLJecK9JmN"
}

pid — это ID проекта.

Нюанс

Video_maker — это отдельный workflow.
Он должен начинаться с Execute Workflow Trigger и возвращать финальный результат.

Это вспомогательный воркфлоу-генератор видео. Он принимает video_description и script, отправляет их в revid.ai, получает pid проекта и возвращает его в основной агент.

1. ExecuteWorkflowTrigger

When Executed by Another Workflow

Точка входа.

Он принимает JSON:

{
  "video_description": "...",
  "script": "..."
}

Нюанс

Это не Telegram-trigger.
Этот воркфлоу нельзя запускать напрямую — только из родительского.

2. HTTP Request → revid.ai

Отправляется POST-запрос:

https://www.revid.ai/api/public/v2/render

Передаются:

• script → как inputText
• video_description → как generationUserPrompt
• формат 9:16
• включена генерация:
• голоса
• музыки
• видео
• субтитров
• sound effects

Что здесь важно

• flowType: text-to-video
• slug: create-tiktok-video
• ratio: 9 / 16
• hasToGenerateVideos: true
• hasEnhancedGeneration: true

То есть это полноценная AI-сборка вертикального видео.

3. Ответ revid.ai

API возвращает:

{
  "pid": "G2sRFui4NhcLJecK9JmN"
}

pid — это ID проекта рендера.

Видео в этот момент ещё не готово.

4. Edit Fields (Set node)

Берётся:

$json.pid

И сохраняется как:

response

Этот pid возвращается в основной workflow.

Что происходит дальше (в родительском процессе)

1. Основной агент получает pid
2. Вызывает Video_status_checker
3. Проверяет статус рендера
4. Ждёт готовность
5. Забирает videoUrl

7. Проверка статуса — Video_status_checker

После получения pid:

1. Агент вызывает Video_status_checker
2. Если статус = building → ждёт 60 секунд
3. Повторяет проверку
4. Когда статус = ready → получает videoUrl

Это асинхронная архитектура.

Ошибка новичков

Не реализуют ожидание — и бот просто падает.

8. Финальный ответ пользователю

Когда видео готово:

• Агент объясняет, что было создано
• Возвращает ссылку
• Отправляет в Telegram

Перед отправкой текст проходит через Code node:

• Экранируются Markdown символы
• Чтобы Telegram не ломал форматирование

9. Логирование ответа

Assistant message сохраняется в Supabase.

Это нужно для:

• истории
• аналитики
• повторной генерации
• обучения модели

Самый лучший пока что сценарий — это когда ты генерируешь картинку, а из картинки потом оживляешь видео. Раскадровка. Это экономит время и деньги при создании видео.

Вот поэтому мы сначала генерируем картинку если создаем ролик вручную, но в случае сценария с AI-агентом это будет немножко топорный, долгий путь, поэтому там сразу мы генерируем видос.

Полуавтоматическая схема с аватаром

А есть, знаете, какая клёвая тема.

Есть ещё система, когда вы не полностью автоматизируете процесс, а когда подключается аватар через AI, и дальше к нему на задний фон подтягиваются реальные видео.

Берете топ видео, которое можете прокомментировать. Отдаете монтажеру или он сам забирает файл вашей генерации аватара (через Хайген) и склеивает топ видео и вашего аватара с видео.

То есть здесь вы вообще не принимает участия никакого в съёмках.

В этом формате особо нет монтажа. Монтажер просто склеивает материалы из интернета и добавляет субтитры автоматически через captions.

Таким образом, ты смотришь в основном на видео и понимаешь, что это AI, но замечаешь это не сразу, просто потому что это не является главным объектом на видео.

Эта штука очень легко настраивается.

Инструкцию как создать AI-аватара я делал тут давно, еще актуально: https://youtu.be/Kdda0UcjQfs

Что происходит сейчас на рынке

По поводу генерации видео — здесь очень много всего происходит прямо сейчас.

Ваша задача — не бежать за инструментами и не учиться конкретным инструментам реализации автоматизации, а увидеть архитектурно и принципы, как строятся такие системы.

И тогда вас не особо будут волновать постоянные обновления или релизы новых инструментов.

Шум в интернете сам подскажет вам, что стоит попробовать или заменить в тех тулах, которые вы уже используете.

это первая часть из трех в этой тематике... когда нибудь будет продолжение 🤣