Cách tôi xây dựng một vòng lặp phản hồi cho YouTube

Tôi vận hành một kênh YouTube tự động. Mỗi ngày, một quy trình (pipeline) sẽ tạo kịch bản và dựng video.

Trong nhiều tháng, hệ thống hoạt động trong một môi trường tách biệt. Trình tạo kịch bản tạo ra nội dung mà không biết cái nào hiệu quả hay cái nào thất bại. Tôi không có vòng lặp phản hồi.

Tuần trước, tôi đã khắc phục điều này bằng một đoạn mã Python dài 330 dòng. Nó tạo ra một vòng lặp khép kín giữa hiệu suất và quá trình sáng tạo.

Dưới đây là cách nó hoạt động:

• Thu thập dữ liệu: Đoạn mã sử dụng YouTube Data API v3 để đọc 30 video gần nhất. • Phân loại: Nó sử dụng một ngưỡng dựa trên trung vị (median) để xếp hạng video.

  • CAO: Các video có lượt xem trên 1,5 lần trung vị.
  • THẤP: Các video có lượt xem dưới 0,6 lần trung vị (chỉ áp dụng nếu video đã đăng trên 72 giờ).
  • Tất cả các trường hợp khác đều bị bỏ qua để tránh nhiễu. • Khớp mẫu (Pattern Matching): Đoạn mã kết nối hiệu suất với các "nguyên mẫu" (archetypes) như hướng dẫn (tutorials) hoặc so sánh (comparisons) bằng cách khớp các từ trong tiêu đề. • Phân tích Hook: Nó kiểm tra từ đầu tiên của kịch bản để xem đó là một câu hỏi, một con số hay một lời khẳng định cá nhân. • Cập nhật tự động: Kết quả sẽ ghi các "gợi ý thiên kiến" (bias hints) vào một tệp markdown.

Trình tạo kịch bản sẽ đọc tệp này trước khi viết kịch bản tiếp theo. Nó thấy được mẫu nào đang thành công và mẫu nào đang thất bại. Nó sử dụng ngữ cảnh này để đưa ra những lựa chọn tốt hơn cho ngày mai.

Tại sao tôi chọn cách tiếp cận này:

  • Trung vị thay vì Trung bình: Một video lên xu hướng có thể làm sai lệch giá trị trung bình. Trung vị thì giữ được sự ổn định.
  • Quy tắc 72 giờ: Video mới cần có thời gian. Tôi không gắn nhãn một video là thất bại chỉ vì nó mới đăng được một ngày.
  • Các quy tắc kinh nghiệm (Heuristics) đơn giản: Hiện tại, tôi sử dụng phương pháp phát hiện từ đầu tiên thay vì gọi các LLM đắt đỏ. Nó nhanh và rẻ.

Đây không phải là phép màu. Đó là một hệ thống tự học hỏi từ dữ liệu của chính nó.

Mục tiêu không phải là thay thế sự phán đoán của con người, mà là cung cấp ngữ cảnh tốt hơn cho trình tạo. Tôi đang xây dựng một hệ thống thông minh hơn sau mỗi 24 giờ.

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

Cộng đồng học tập tùy chọn: https://t.me/GyaanSetuAi