Comment j'ai construit une boucle de rétroaction YouTube

Je gère une chaîne YouTube automatisée. Chaque jour, un pipeline génère des scripts et réalise le rendu des vidéos.

Pendant des mois, le système a fonctionné en vase clos. Le générateur de scripts produisait du contenu sans savoir ce qui fonctionnait ou ce qui échouait. Je n'avais aucune boucle de rétroaction.

La semaine dernière, j'ai réglé ce problème avec un script Python de 330 lignes. Il crée une boucle fermée entre la performance et la création.

Voici comment cela fonctionne :

• Collecte de données : Le script utilise l'API YouTube Data v3 pour lire les 30 dernières vidéos. • Classification : Il utilise un seuil basé sur la médiane pour classer les vidéos.

  • ÉLEVÉ : Vidéos avec un nombre de vues supérieur à 1,5x la médiane.
  • FAIBLE : Vidéos avec un nombre de vues inférieur à 0,6x la médiane (uniquement si elles ont plus de 72 heures).
  • Tout le reste est ignoré pour éviter le bruit. • Reconnaissance de modèles : Le script relie la performance à des « archétypes » tels que les tutoriels ou les comparaisons en faisant correspondre les mots des titres. • Analyse de l'accroche : Il vérifie le premier mot d'un script pour voir s'il s'agit d'une question, d'un nombre ou d'une déclaration personnelle. • Mises à jour automatisées : Les résultats écrivent des « indices de biais » dans un fichier markdown.

Le générateur de scripts lit ce fichier avant d'écrire le script suivant. Il voit quels modèles gagnent et quels modèles perdent. Il utilise ce contexte pour faire de meilleurs choix pour le lendemain.

Pourquoi j'ai choisi cette approche :

  • La médiane plutôt que la moyenne : Une vidéo virale peut fausser une moyenne arithmétique. La médiane, elle, reste stable.
  • La règle des 72 heures : Les nouvelles vidéos ont besoin de temps. Je ne classe pas une vidéo comme un échec simplement parce qu'elle n'a qu'un jour.
  • Heuristiques simples : J'utilise la détection du premier mot au lieu d'appels LLM coûteux pour le moment. C'est rapide et économique.

Ce n'est pas de la magie. C'est un système qui apprend de ses propres données.

L'objectif n'est pas de remplacer le jugement humain, mais de donner au générateur un meilleur contexte. Je construis un système qui devient plus intelligent toutes les 24 heures.

Source : https://dev.to/morinaga/how-i-built-a-youtube-performance-classifier-that-adjusts-tomorrows-video-script-bias-19ba

Communauté d'apprentissage optionnelle : https://t.me/GyaanSetuAi