Douyin चलाने वाले हर क्रिएटर की एक ही टीस है: क्रिएटर सेंटर में ढेर सारा डेटा पड़ा है—व्यूज़, लाइक्स, कम्प्लीशन रेट, फॉलोअर्स—लेकिन जब आप AI से पूछना चाहते हैं कि “ये वीडियो क्यों चला और वो क्यों फ्लॉप हुआ”, तो AI बस हाथ खड़े कर देता है। वो आपका बैकएंड नहीं देख सकता। स्क्रीनशॉट मैन्युअली फीड करना धीमा है और जानकारी छूट जाती है। ज़्यादातर क्रिएटर्स का डेटा रिव्यू “लगता है ये ठीक था” वाले अंधविश्वास पर टिका है।

दर्द: डेटा अंदर, AI बाहर

Douyin क्रिएटर सेंटर के मेट्रिक्स पेज पर रेंडर होते हैं, इंडिविजुअल क्रिएटर्स के लिए कोई आसान API नहीं खुला है। Claude या Cursor में Agent से रिव्यू कराने के तीन पुराने रास्ते हैं: नंबर हाथ से कॉपी करना, स्क्रीनशॉट पहचानना, या किसी थर्ड-पार्टी डेटा प्लेटफॉर्म की मेंबरशिप खरीदना। पहले दो में वक्त और गलतियां, तीसरे में पैसा—और थर्ड-पार्टी प्लेटफॉर्म पूरे इंडस्ट्री का डेटा देते हैं, आपके अपने अकाउंट का वीडियो-दर-वीडियो ब्योरा नहीं।

सबसे बड़ी चूक कंटेंट डाइमेंशन की है। डेटा बताता है “कम्प्लीशन रेट हाई है”, पर ये नहीं बताता कि “पहले तीन सेकंड में क्या बोला गया था”। डेटा और वीडियो की असल बातचीत को साथ जोड़कर देखना ही असली रिव्यू है—और यही मैन्युअली करना सबसे मुश्किल है।

मौका: एक लोकल टूल आखिरी गैप भरता है

GitHub का ओपन-सोर्स प्रोजेक्ट douyin-mcp (https://github.com/Kuhakucai/douyin-mcp ) ठीक यही हल करता है। जिन्होंने कभी नहीं सुना, उनके लिए एक लाइन: MCP को “AI का USB पोर्ट” समझें—एक कॉमन प्रोटोकॉल जिससे AI सॉफ्टवेयर पेन ड्राइव की तरह अलग-अलग डेटा सोर्स जोड़ लेता है। और “Agent” वो AI है जो आपकी बात समझकर खुद काम करता है—Claude Code, Cursor, Codex जैसे, वेबसाइट से डाउनलोड करके इंस्टॉल करें। douyin-mcp एक लोकल MCP Server है: आपके कंप्यूटर पर एक डेडिकेटेड Chrome की लॉगिन स्टेट रीयूज़ करता है, क्रिएटर सेंटर पेज पर असल में दिख रहे वीडियो लिस्ट, व्यूज़, लाइक्स, कमेंट्स, शेयर्स, सेव्स, कम्प्लीशन रेट, फॉलोअर ग्रोथ जैसे मेट्रिक्स को इंक्रीमेंटल तरीके से लोकल डेटाबेस में सिंक करता है, फिर MCP के ज़रिए किसी भी MCP-सपोर्टेड AI को दे देता है।

इसका एक किलर फीचर भी है: ऑन-डिमांड वीडियो ऑडियो ट्रांसक्रिप्ट। ध्यान दें—वीडियो में असल में बोले गए शब्द, टाइटल या ऑन-स्क्रीन टेक्स्ट नहीं। लोकल स्पीच रिकग्निशन मॉडल ऑडियो को टाइमस्टैम्प वाले टेक्स्ट में बदलता है, फिर AI एक साथ देख पाता है कि “इस वीडियो में क्या कहा गया” और “इसका परफॉर्मेंस कैसा रहा”—टॉपिक, ओपनिंग हुक, कंटेंट स्ट्रक्चर और फाइनल डेटा, सब एक टेबल पर।

प्रोजेक्ट के अभी 59 stars, 9 forks हैं, AGPL-3.0 लाइसेंस, और ये आर्टिकल लिखते वक्त भी एक्टिव अपडेट हो रहा है। macOS और Windows सपोर्ट, Python 3.11+, सिंगल यूज़र सिंगल अकाउंट लोकल रन। रेपो साफ कहता है कि ये नॉन-ऑफिशियल कम्युनिटी टूल है, ब्राउज़र ऑटोमेशन से आपके खुद के अकाउंट का विज़िबल डेटा पढ़ता है, और प्लेटफॉर्म रिस्क कंट्रोल ट्रिगर हो सकता है—ये बात किसी भी क्लाइंट को साफ-साफ बतानी होगी।

रास्ता 1: दस मिनट में सेटअप, पहले अपना अकाउंट चलाएं

किसके लिए: जिनके पास खुद का Douyin अकाउंट है और जो ज़ीरो कॉस्ट पर पहले रिज़ल्ट देखना चाहते हैं।

इंस्टॉलेशन “एक लाइन का काम” बनाया गया है। कोड समझने की ज़रूरत नहीं, बस MCP-सपोर्टेड Agent से कहें:

1

मेरे लिए https://github.com/Kuhakucai/douyin-mcp.git प्रोजेक्ट क्लोन और इंस्टॉल-कॉन्फ़िगर करो

Agent खुद README पढ़ेगा, एनवायरनमेंट चेक करेगा, इंस्टॉल स्क्रिप्ट चलाएगा (macOS पर bash ./easy-install.sh, Windows पर पावरशेल स्क्रिप्ट), डेटाबेस इनिशियलाइज़ करेगा, MCP कॉन्फ़िग आपके चल रहे क्लाइंट में लिखेगा, फिर डेडिकेटेड Chrome खोलकर QR लॉगिन कराएगा। पहली सिंक के बाद वीडियो लिस्ट और हाल की कुछ वीडियो डिटेल्स खींच लेगा।

वीडियो ट्रांसक्रिप्ट फीचर डिफ़ॉल्ट रूप से बंद रहता है। ज़रूरत पड़ने पर Agent से कहें “वीडियो ट्रांसक्रिप्ट चालू करो”—वो बताएगा कि FFmpeg और लोकल स्पीच मॉडल डाउनलोड होगा, कितनी डिस्क जगह लगेगी, आपकी सहमति के बाद ही इंस्टॉल करेगा। यही डिज़ाइन तय करता है कि आप दस मिनट में शुरू कर पाते हैं या नहीं—पहली सिंक कुछ मिनट में पूरी, सैकड़ों पुराने वीडियो का ट्रांसक्रिप्शन इंतज़ार नहीं करना पड़ता।

रास्ता 2: रिव्यू को दोहराने लायक प्रॉम्प्ट टेम्पलेट बनाएं

किसके लिए: जो कंटेंट डाल तो रहे हैं, पर रिव्यू पूरी तरह फीलिंग पर चलता है।

टूल इंस्टॉल करना सिर्फ शुरुआत है। असली कीमत सवाल पूछने के तरीके में है। रेपो का रिकमेंडेड यूसेज सीधे टेम्पलेट की तरह इस्तेमाल करें:

1
2
3

मेरा Douyin डेटा स्टेटस चेक करो। कैश एक्सपायर होने पर ही वीडियो लिस्ट और हाल के 20 वीडियो डिटेल अपडेट करो;
फिर पिछले 30 दिनों का कम्प्लीशन रेट, 5-सेकंड कम्प्लीशन रेट और इंटरैक्शन रेट कंपेयर करके रिव्यू कंक्लूज़न दो।
हर कंक्लूज़न में डेटा टाइम, कवरेज, मिसिंग आइटम और वीडियो एविडेंस बताओ।

रोज़ का रिव्यू तीन तरह के सवालों में बांटें। पैटर्न ढूंढना: “पिछले 30 दिनों में सबसे हाई इंटरैक्शन रेट वाले 5 वीडियो बताओ, कॉमन पॉइंट समझाओ।” कंपेरिज़न: “इन 3 वीडियो के ऑडियो ट्रांसक्रिप्ट और परफॉर्मेंस डेटा के साथ टॉपिक, ओपनिंग हुक, कंटेंट स्ट्रक्चर और इंटरैक्शन का अंतर बताओ।” अगला कदम: “कौन से वीडियो पर सीक्वल बनाना चाहिए? रैंकिंग का आधार और डेटा लिमिटेशन बताओ।”

डेटा झूठ नहीं बोलता, इसीलिए आप इस पर पैसे लेने की हिम्मत कर सकते हैं: पेज पर जो वैल्यू नहीं दिखी वो null स्टोर होती है, 0 या अंदाज़ा नहीं भरा जाता; हर कंक्लूज़न के साथ कलेक्शन टाइम, कैश फ्रेशनेस, फील्ड कवरेज और मिसिंग की वजह जुड़ी होती है; गलत अकाउंट स्विच का पता चलने पर राइट करने से मना कर देता है। AI का रिव्यू एविडेंस के साथ आता है, बिना सबूत के कहानी नहीं बनाता।

रास्ता 3: इस क्षमता को सर्विस बनाकर बेचें

किसके लिए: जो इंफॉर्मेशन गैप से साइड इनकम बनाना चाहते हैं। सबसे आसान क्लाइंट वो मिड-लेवल क्रिएटर हैं जो रेगुलर अपलोड कर रहे हैं पर डेटा की समझ ज़ीरो है—लोकल फूड रिव्यू चैनल, नॉलेज ब्लॉगर, प्रोडक्ट सेलर। इनके पास डेटा की चाह है पर डेटा की स्किल नहीं, MCP का नाम तक नहीं सुना।

तीन सर्विस फॉर्मेट। पहला: वन-टाइम रिव्यू रिपोर्ट—“पिछले 30 दिनों का परफॉर्मेंस एनालिसिस + वायरल कॉमन पैटर्न + अगले महीने के टॉपिक सजेशन” डिलीवर करें। डिमांड वैलिडेट करने का एंकर: अभी Mercari और Lemon8 पर “Douyin अकाउंट डायग्नोसिस” या “अकाउंट डेटा एनालिसिस” सर्च करें—ऐसी सर्विस ₹500 से ₹3,000 तक चल रही है, फॉलोअर काउंट और रिपोर्ट डेप्थ के हिसाब से। सर्च करके अपनी प्राइसिंग सेट करें। दूसरा: मेंटरशिप सब्सक्रिप्शन—हर महीने फिक्स रिव्यू रिपोर्ट प्लस टॉपिक ब्रेनस्टॉर्म सेशन, लॉन्ग-टर्म क्लाइंट लॉक करें। तीसरा: टीचिंग मॉनेटाइजेशन—इंस्टॉलेशन और प्रॉम्प्ट टेम्पलेट का कोर्स या ट्यूटोरियल बनाकर उन्हें बेचें जो खुद सीखना चाहते हैं। एक कंटेंट बार-बार बिकता है।

एक कंज़र्वेटिव हिसाब (अनुमान, गारंटी नहीं): मान लें एक रिव्यू रिपोर्ट ₹800 में बिकती है, प्रैक्टिस के बाद एक रिपोर्ट में 1 घंटा लगता है, Mercari पर लिस्टिंग से महीने में 10 ऑर्डर मिलते हैं—यानी करीब ₹8,000 की शुद्ध टाइम इनकम। रेपुटेशन बनने के बाद मेंटरशिप सब्सक्रिप्शन पर शिफ्ट करें, टिकट साइज़ और रिपीट रेट दोनों बढ़ते हैं।

कम्प्लायंस बाउंड्री पहले ही साफ करनी होगी, यही तय करती है कि आप लॉन्ग-टर्म टिक पाते हैं या नहीं: ये प्रोजेक्ट नॉन-ऑफिशियल है, सिर्फ आपके खुद के अकाउंट का विज़िबल डेटा पढ़ता है, और रेपो साफ कहता है कि प्लेटफॉर्म टर्म्स का उल्लंघन या रिस्क कंट्रोल ट्रिगर हो सकता है। इसलिए सर्विस देते वक्त क्लाइंट खुद QR स्कैन करे, खुद ऑपरेट करे, खुद रिस्क कन्फर्म करे—आप किसी का अकाउंट क्रेडेंशियल कभी अपने पास न रखें, और कोई डेटा री-सेल न करें। ऑर्डर लेने से पहले “अकाउंट रिस्ट्रिक्ट हो सकता है” का रिस्क सर्विस डिस्क्रिप्शन में लिखें, और पहले से तय करें: अगर प्लेटफॉर्म रिस्क कंट्रोल से सर्विस बीच में रुकती है, तो बचे हुए हिस्से का रिफंड। ये बॉटम लाइन है, और यही आपके लॉन्ग-टर्म चलने की शर्त है।

केस सिमुलेशन: एक नॉलेज ब्लॉगर का रिव्यू लूप

पहले साफ कर दूं: ये एक हाइपोथेटिकल डेमो है, दिखाता है कि ये फ्लो चलने पर कैसा दिखता है। लेखक ने अभी फुल फ्लो का रियल रन वेरिफाई नहीं किया है, ये असली क्लाइंट केस नहीं है।

मान लें एक नॉलेज ब्लॉगर हफ्ते में 3-5 वीडियो डालता है। टूल सेटअप करने के बाद Agent को रिव्यू इंस्ट्रक्शन देता है, और एविडेंस चेन के साथ कंपेरिज़न कंक्लूज़न पाता है। सबसे कीमती खोज ट्रांसक्रिप्ट डाइमेंशन से आती है—जैसे एक ही टॉपिक के दो वीडियो कंपेयर करने पर AI बताता है कि अच्छे वाले ने पहले पांच सेकंड में ही काउंटर-इंट्यूटिव कंक्लूज़न फेंक दिया, जबकि फ्लॉप वाले ने बीस सेकंड प्रस्तावना में बर्बाद कर दिए। ये “डेटा + असल बोला गया कंटेंट” क्रॉस-वैलिडेशन मैन्युअली सिस्टमैटिक तरीके से करना लगभग नामुमकिन है।

ऐसे क्रिएटर के लिए महीने में एक डीप रिव्यू, ओपनिंग हुक और टॉपिक डायरेक्शन लगातार ऑप्टिमाइज़ करना—अकाउंट का कम्प्लीशन रेट और फॉलोअर कर्व मैनेज होने लायक, इटरेट होने लायक एसेट बन जाता है, लॉटरी टिकट नहीं। असल एफिशिएंसी गेन कितना होगा, ये खुद एक रन करके रियल नंबर निकालें—वही डेटा आपकी सर्विस बेचते वक्त सबसे पावरफुल प्रूफ होगा।

अभी शुरू करें

टूल फ्री और ओपन-सोर्स है, ज़रूरत सिर्फ एक कंप्यूटर और एक Douyin अकाउंट की। आज तीन काम करें: एक, रेपो URL MCP-सपोर्टेड Agent को भेजकर इंस्टॉल कराएं; दो, ऊपर वाला रिव्यू टेम्पलेट अपने अकाउंट पर एक बार चलाएं, देखें AI का कंक्लूज़न आपकी इंट्यूशन से कितना अलग है; तीन, पूरी प्रक्रिया के स्क्रीनशॉट लें—यही आपकी सर्विस और कोर्स बेचने का पहला मटीरियल है। डेटा रिव्यू का नॉलेज गैप क्रिएटर्स के बीच फासला बना रहा है, जो पहले रन कर लेता है वही पहले फायदा उठाता है।