channel-research
Analyzes competitor benchmark data and viewer feedback to identify content patterns and strategic opportunities.
Install
mkdir -p .claude/skills/channel-research && curl -L -o skill.zip "https://agentskills.codes/api/skills/download/17454" && unzip -o skill.zip -d .claude/skills/channel-research && rm skill.zipInstalls to .claude/skills/channel-research
Activation
This is the description your AI agent reads to decide when to run this skill — the better it matches your request, the more reliably it fires.
Use when /benchmark と /viewer-voice のデータからタイトル・動画尺・投稿・コメントを含むチャンネル全体を徹底分析するとき。「競合分析」「チャンネルリサーチ」「TTP 対象抽出」で発動。サムネイルだけの深掘りは /thumbnail-research。データ収集・更新は /benchmark（未実行なら先に案内）Key capabilities
- →Analyze benchmark and viewer voice data
- →Identify TTP patterns for channel strategy
- →Generate channel research reports
- →Create thumbnail text profiles
- →Map viewer desires to content strategies
How it works
The agent delegates data analysis to a subagent to generate a research report and a thumbnail profile based on identified TTP patterns.
Inputs & outputs
When to use channel-research
- →Conducting competitor analysis
- →Identifying TTP benchmarks for new video series
- →Analyzing viewer comments to refine channel strategy
- →Generating thumbnail design patterns
About this skill
前後工程
前工程:/setup --channel,/setup --import後工程:/channel-strategy --direction,/channel-strategy --persona,/wf-new,/thumbnail委譲先:なし
成果物
書き込む:docs/benchmarks/benchmark-report.json,docs/benchmarks/benchmark-report.html,docs/benchmarks/thumbnails/<channel>_<video-id>.jpg,data/benchmark_<YYYYMMDD>.json,research/<niche>-discovery.md,research/<niche>-discovery.csv,.cache/youtube-automation/discover-competitors-search.json,docs/research/market-<YYYY-MM-DD>.json,docs/research/market-<YYYY-MM-DD>.html,docs/channel-research.json,docs/channel-research.html,data/comments_<YYYYMMDD>.json,docs/plans/viewer-voice-analysis.json,docs/plans/viewer-voice-analysis.html,docs/benchmarks/thumbnail-analysis.json,docs/benchmarks/thumbnail-analysis.html,data/thumbnail_compare/benchmark/*_<video-id>.jpg読み込む:config/channel/analytics.json,config/channel/content.json,config/skills/benchmark.yaml,config/skills/discover-competitors.yaml,data/benchmark_*.json,data/comments_*.json, 検証済み channel-research report JSON,data/video_analysis/<channel>/<video-id>.json
モード判定
$ARGUMENTS から、下表に登録された mode flag の個数を最初に数える。同じ flag の重複も別々に数える。
- 2 個以上なら排他違反として停止し、1 つだけ指定するよう促す
- 1 個なら対応する reference を読み、その一段だけを実行する。残りの引数はその mode の引数として扱う
- 0 個なら chain manifest に従い状態判定付きで進める
- mode は上限 5 件であり、下表の 5 mode 以外は未知の mode として停止する。判定規則を複製しない
| mode | 読む reference |
|---|---|
--benchmark | references/benchmark.md |
--discover | references/discover.md |
--market | references/market.md |
--voice | references/voice.md |
--thumbnail | references/thumbnail.md |
共通前提
分析レポートの保存・移行・読み取りは references/structured-report.md を正本とする。AI と下流 skill は JSON+HTML pair を検証し、JSON だけを入力に使う。
config/channel/ が存在し、load_config() でロード可能であること。満たさない場合は、新規チャンネルなら /setup --channel（.claude/skills/setup/references/ttp-seed-and-duration.md）、既存チャンネルなら /setup --import を案内して停止する。
設定読み込みゲート
同梱 default は mode ごとの benchmark / discover 節に分ける。公開 skill 名の統合後も Python と下流 override の設定キーは互換性のため benchmark / discover-competitors のまま維持する。
| mode | 同梱 default | チャンネル上書き | loader |
|---|---|---|---|
--benchmark | .claude/skills/channel-research/config.default.yaml::benchmark | config/skills/benchmark.yaml（存在する場合） | load_skill_config("benchmark") |
--discover | .claude/skills/channel-research/config.default.yaml::discover | config/skills/discover-competitors.yaml（存在する場合） | load_skill_config("discover-competitors") |
各行の default とチャンネル上書きを deep-merge し、上書きを優先する。config/skills/channel-research.yaml は先行作成しない。名前空間キーへの実移行が提供された段階で uv run yt-skills migrate-config --channel-dir . --dry-run で計画を確認し、明示 apply する。現段では旧キーを改名せず、下流 override を勝手に作成しない・変更しない。
--market の旧 2 owner、--voice と --thumbnail の旧 owner は config.default.yaml / config/skills/*.yaml を持たなかったため、新しい設定キーや override を先行作成しない。
一括実行
references/channel-research-chain-manifest.json と references/channel-research-chain-state.py を検証し、manifest 順に benchmark → discover → voice → market を進める。voice を market より先に置くことで、collected-analysis branch が必要とするコメント成果物を同じ chain 内で準備する。
--thumbnail は任意の深掘りであり chain manifest には含めない。フラグなし実行では起動せず、明示指定された場合だけ references/thumbnail.md を読む。
uv run python .claude/skills/channel-research/references/channel-research-chain-state.py \
--channel-dir . --step <benchmark|discover|voice|market>
| exit | decision | 処理 |
|---|---|---|
| 0 | skip | その段の成果物条件を満たしているため記録し、manifest の次の段の状態判定へ進む |
| 10 | run | 判定した step に -- を付けてモード表の reference を引き、その段だけを実行する（例: voice → --voice → references/voice.md） |
| 20 | blocked | 不足している前提と解消方法を表示して停止する |
| その他 | error | config / manifest / script のエラーとして停止する |
実行後は同じ step の状態判定を再実行し、exit 0 になった段だけ次へ進む。run のままなら成果物が未完了、blocked / error なら理由を示してその段で止める。先頭や途中の skip で chain 全体を終了しない。再発動時は manifest の先頭から状態を確認し、完了済みの段を飛ばして未完了の段へ進む。
完了条件
- フラグなし: manifest の四工程
benchmark、discover、voice、marketがすべてskipまたは実行後skipになっている。全段が最初からskipなら収集・分析を再実行せず完了する --benchmark:references/benchmark.mdの完了条件を満たしている--discover:references/discover.mdの完了条件を満たしている--market:references/market.mdが自動選択した branch の完了条件を満たしている--voice:references/voice.mdの完了条件を満たしている--thumbnail:references/thumbnail.mdの完了条件を満たしている
実行段、skip 段、使用した freshness_days と設定 source、更新成果物を短く報告する。
想定 API call 数
各 mode の詳細は対応 reference を正とする。
| API | call 数 / 実行 | 変動要因 |
|---|---|---|
| YouTube Data API v3 | ceil(更新チャンネル数 / 50) + 更新チャンネル数 × 2 × ceil(scan_recent / 50) units | 更新チャンネル数、scan_recent |
| Vertex AI Gemini | 既定 OFF。有効時は分析対象サムネイル枚数分 | gemini_thumbnail_analysis、対象枚数 |
| YouTube Data API v3 search.list | --discover のキーワード数 × 100 units | キーワード数（既定 3-5、上限 8） |
| YouTube Data API v3 channels.list / videos.list | --discover の候補数に応じて約 1 + 2 × 候補数 units | pre-filter 通過数 |
| Web 検索 / 接続済み一次情報 | --market の market-comparison branch で根拠数に応じる | 比較対象数、評価軸数。collected-analysis は 0 call |
| YouTube Data API v3 commentThreads.list | --voice の対象動画数 × 1 call | 1 万再生以上の動画数、--min-views、--max-comments |
| 外部 API | --thumbnail は 0 call | 既存のローカル benchmark JSON・画像・分析だけを使用 |
- 上限 / 承認:
freshness_days内は skip し、収集実行は-y/--forceがない限り事前確認する
When not to use it
- →When benchmark data is missing
- →When viewer voice data is missing
- →When performing thumbnail-only research
Prerequisites
Limitations
- →Requires specific data files in the data directory
- →Does not perform thumbnail-only deep dives
- →Requires individual reports to exist in docs/benchmarks
How it compares
This workflow uses a specific TTP (Tactics, Techniques, and Procedures) methodology to abstract successful patterns rather than copying surface-level elements.
Compared to similar skills
channel-research side by side with the closest alternatives in the catalog.
| Skill | Installs | Updated | Safety | Difficulty |
|---|---|---|---|---|
| channel-research (this skill) | 0 | 1mo | Review | Advanced |
| market-sizing-analysis | 73 | 3mo | No flags | Intermediate |
| exploratory-data-analysis | 15 | 3mo | Review | Intermediate |
| model-compare | 7 | 8mo | Review | Advanced |
Try saying
Example prompts that trigger this skill in your AI assistant.
More by daiki-beppu
View all by daiki-beppu →You might also like
market-sizing-analysis
wshobson
This skill should be used when the user asks to "calculate TAM", "determine SAM", "estimate SOM", "size the market", "calculate market opportunity", "what's the total addressable market", or requests market sizing analysis for a startup or business opportunity.
exploratory-data-analysis
K-Dense-AI
Perform comprehensive exploratory data analysis on scientific data files across 200+ file formats. This skill should be used when analyzing any scientific data file to understand its structure, content, quality, and characteristics. Automatically detects file type and generates detailed markdown reports with format-specific analysis, quality metrics, and downstream analysis recommendations. Covers chemistry, bioinformatics, microscopy, spectroscopy, proteomics, metabolomics, and general scientific data formats.
model-compare
rawwerks
Compare 3D CAD models using boolean operations (IoU, Dice, precision/recall). Use when evaluating generated models against gold references, diffing CAD revisions, or computing similarity metrics for ML training. Triggers on: model diff, compare models, IoU, intersection over union, model similarity, CAD comparison, STEP diff, 3D evaluation, gold reference, generated model, precision recall 3D.
astropy
davila7
Comprehensive Python library for astronomy and astrophysics. This skill should be used when working with astronomical data including celestial coordinates, physical units, FITS files, cosmological calculations, time systems, tables, world coordinate systems (WCS), and astronomical data analysis. Use when tasks involve coordinate transformations, unit conversions, FITS file manipulation, cosmological distance calculations, time scale conversions, or astronomical data processing.
statistical-analysis
anthropics
Apply statistical methods including descriptive stats, trend analysis, outlier detection, and hypothesis testing. Use when analyzing distributions, testing for significance, detecting anomalies, computing correlations, or interpreting statistical results.
datacommons-client
davila7
Work with Data Commons, a platform providing programmatic access to public statistical data from global sources. Use this skill when working with demographic data, economic indicators, health statistics, environmental data, or any public datasets available through Data Commons. Applicable for querying population statistics, GDP figures, unemployment rates, disease prevalence, geographic entity resolution, and exploring relationships between statistical entities.