Každý, kdo tvoří na TikToku, zná stejnou bolest: v TikTok Studiu leží hromada dat — zhlédnutí, lajky, dokoukanost, noví sledující — ale když chcete, aby vám AI vysvětlila „proč tohle video vystřelilo a tamto propadlo”, AI jen civí. Do vašeho backendu nevidí. Ručně jí posílat screenshoty je pomalé a ztrácíte informace. Většina tvůrců dělá „analýzu” stylem „pocitově tohle fungovalo dobře”.

Problém: data v backendu, AI za dveřmi

Metriky TikTok Studia se vykreslují na stránce a pro běžné tvůrce neexistuje pohodlné API. Chcete-li, aby vám Claude nebo Agent v Cursoru pomohl s analýzou, máte tradičně tři cesty: ručně opisovat čísla, rozpoznávat screenshoty, nebo platit předplatné datové platformy třetí strany. První dvě jsou zdlouhavé a náchylné k chybám, třetí je drahá — a navíc dostanete obecná data celého trhu, ne detail vašich vlastních videí.

Klíčová je ještě dimenze obsahu. Data vám řeknou „tohle video má vysokou dokoukanost”, ale ne „protože první tři sekundy řekly tohle”. Spojit čísla s tím, co se ve videu skutečně říká — to je skutečná analýza, a právě to se ručně dělá nejhůř.

Příležitost: lokální nástroj, který domácky propojí poslední kus

Open-source projekt douyin-mcp na GitHubu (https://github.com/Kuhakucai/douyin-mcp) řeší přesně tohle. Pro úplné nováčky: MCP si představte jako „USB port pro AI” — univerzální protokol, přes který AI software připojíte k datovým zdrojům jako flashku. „Agent” je AI, která rozumí lidské řeči a sama vykonává úkoly — třeba Claude Code, Cursor nebo Codex, všechny stáhnete z oficiálních webů. douyin-mcp je lokálně běžící MCP Server: na vašem počítači využije přihlášení ve vyhrazeném Chromu, inkrementálně synchronizuje do lokální databáze seznam videí, zhlédnutí, lajky, komentáře, sdílení, uložení, dokoukanost a nárůst sledujících — a přes MCP je zpřístupní jakékoli AI s podporou MCP.

Má i zabijáckou funkci: extrakci mluveného slova ze zvukové stopy videa na vyžádání. Pozor — jde o to, co se ve videu skutečně řekne, ne o titulky nebo OCR obrazu. Lokální model rozpoznávání řeči převede zvuk na text s časovými razítky, takže AI vidí současně „co video říká” a „jak si vedlo” — a může porovnávat téma, úvodní hook, strukturu obsahu a výsledná čísla dohromady.

Projekt má aktuálně 59 hvězd a 9 forků, licenci AGPL-3.0 a k datu vydání se aktivně vyvíjí. Podporuje macOS a Windows, Python 3.11+, běží lokálně pro jednoho uživatele a jeden účet. Repozitář jasně uvádí, že jde o neoficiální komunitní nástroj, který čte data viditelná vašemu účtu pomocí automatizace prohlížeče a může spustit rizikovou kontrolu platformy — tohle musíte říct každému klientovi.

Cesta 1: deset minut instalace, nejdřív vlastní účet

Pro koho: tvůrce s vlastním TikTok účtem, kteří chtějí ověřit efekt s nulovými náklady.

Instalace je navržená jako „jedna věta”. Nemusíte umět programovat, stačí Agentovi s podporou MCP říct:

1

Naklonuj a nainstaluj projekt https://github.com/Kuhakucai/douyin-mcp.git

Agent si sám přečte README, zkontroluje prostředí, spustí instalační skript (na macOS bash ./easy-install.sh, na Windows odpovídající PowerShell skript), inicializuje databázi, zapíše MCP konfiguraci do vašeho klienta a otevře vyhrazený Chrome pro přihlášení QR kódem. Po první synchronizaci stáhne seznam videí a detaily posledních položek.

Přepis mluveného slova je ve výchozím stavu vypnutý. Když ho potřebujete, řeknete Agentovi „aktivuj přepis videa” — vysvětlí, že stáhne FFmpeg a lokální model rozpoznávání řeči, kolik zaberou místa, a nainstaluje je až po vašem souhlasu. Právě tohle rozhoduje, jestli jste za deset minut hotovi: první synchronizace trvá pár minut, nečekáte, až se přepíšou stovky starých videí.

Cesta 2: proměňte analýzu v opakovatelné šablony dotazů

Pro koho: tvůrce, kteří už publikují, ale analýza je čistá intuice.

Nainstalovaný nástroj je jen začátek. Hodnota je v tom, jak se ptát. Doporučené použití z repozitáře funguje přímo jako šablona:

1
2
3
4

Zkontroluj stav mých TikTok dat. Seznam videí a posledních 20 detailů
aktualizuj jen při expiraci cache; pak porovnej za posledních 30 dní
dokoukanost, 5sekundovou dokoukanost a míru interakcí a dej závěry.
U každého závěru uveď čas dat, pokrytí, chybějící položky a důkaz z videí.

Denní analýzu rozdělte na tři typy otázek. Hledání vzorců: „Najdi 5 videí s nejvyšší mírou interakcí za posledních 30 dní a popiš, co mají společného.” Porovnání: „Zkombinuj přepis zvuku a výkonnostní data těchto 3 videí a porovnej téma, úvodní hook, strukturu a interakce.” Navádění dalšího kroku: „Která videa si zaslouží pokračování? Odůvodni pořadí a uveď limity dat.”

Data nelžou — a to je váš základ pro prodej: hodnoty, které stránka nezobrazila, se uloží jako null, ne jako nula nebo odhad; každý závěr nese čas sběru, čerstvost cache, pokrytí polí a důvod chybějících dat; při detekci přepnutí na cizí účet nástroj odmítne zapisovat. Závěry od AI jsou podložené důkazy, ne sebevědomě vymyšlené.

Cesta 3: zabalte to jako službu a prodejte

Pro koho: lidi, kteří chtějí vydělávat na informační výhodě. Nejsnáze konvertující klienti jsou menší a střední tvůrci, kteří pravidelně publikují, ale datům vůbec nerozumí — foodblogeři recenzující podniky, edukativní tvůrci, prodejci přes affiliate. Mají povědomí o datech, ale ne schopnosti — a o MCP nikdy neslyšeli.

Tři formáty služby. První: jednorázová analytická zpráva — „výkon videí za 30 dní + rozbor společných znaků hitů + návrhy témat na příští měsíc”. Jako kotvu poptávky: na Vinted, Bazoši nebo Facebook Marketplace dnes najdete služby typu „audit Instagram/TikTok účtu” běžně za 500–2 500 Kč podle velikosti účtu a hloubky reportu — vyhledejte si je a naceněte se proti nim. Druhý: měsíční doprovázení — pravidelná zpráva plus porada k tématům, dlouhodobí klienti. Třetí: prodej know-how — instalaci a šablony dotazů natočte jako kurz nebo sepište jako návod a prodávejte opakovaně.

Konzervativní výpočet (odhad, ne slib): zpráva za 1 000 Kč, po zaučení hodina práce, 10 zakázek měsíčně přes inzerci — to je 10 000 Kč čistého za čas. Po vybudování reputace přejdete na předplatné a zvýšíte jak cenu, tak opakované nákupy.

Hranice compliance řekněte upfront, na tom stojí dlouhodobá udržitelnost: jde o neoficiální nástroj, čte jen data viditelná vlastnímu účtu a repozitář upozorňuje na možné porušení podmínek platformy a rizikové kontroly. Proto klient musí sám naskenovat QR kód, sám vše odsouhlasit a sám potvrdit rizika — nikdy nedržte jeho přihlašovací údaje a nepřeprodávejte žádná data. Do podmínek služby napište riziko omezení účtu a předem se dohodněte: pokud platforma službu přeruší, vracíte poměrnou část. To je základ, na kterém se dá podnikat dlouhodobě.

Modelový příklad: analytická smyčka edukativního tvůrce

Jasně: následující je hypotetická ukázka toho, jak proces vypadá po zprovoznění. Autor zatím celý tok reálně neodtestoval, nejde o skutečný klientský případ.

Představte si edukativního tvůrce publikujícího 3–5 videí týdně. Po instalaci zadá Agentovi analytický dotaz a dostane porovnání s řetězcem důkazů. Nejcennější je dimenze obsahu — třeba porovnání dvou videí na stejné téma, kde AI ukáže, že úspěšnější v prvních pěti sekundách hodilo kontraintuitivní tvrzení, zatímco slabší se dvacet sekund rozjíždělo. Tohle křížové ověření „data + skutečně řečený obsah” se ručně systematicky dělat prakticky nedá.

Pro takového tvůrce se měsíční hloubková analýza stává nástrojem, jak iterovat hooky a témata — dokoukanost a růst sledujících jsou spravovatelné aktivum, ne loterie. Kolik času to reálně ušetří, zjistíte jedině vlastním testem — a právě ta čísla jsou pak váš nejlepší prodejní materiál.

Začněte hned

Nástroj je zdarma a open-source, jedinou bariérou je počítač a TikTok účet. Dnes udělejte tři věci: jedna, pošlete odkaz na repozitář Agentovi s podporou MCP a nechte ho nainstalovat; dva, spusťte šablonu analýzy na vlastním účtu a porovnejte závěry AI se svou intuicí; tři, celý proces zdokumentujte screenshoty — to je vaše první sada materiálů pro prodej služby i kurzu. Poznávací propast v datové analýze mezi tvůrci se otevírá — kdo si to zprovozní dřív, sklidí výhodu.