Minden TikTok-készítő ugyanazzal a fájdalommal küzd: a Studio tele van adatokkal – megtekintések, lájkok, végignézési arány, követőnövekedés –, de amikor megkérnéd az AI-t, hogy elemezze ki, „miért ment be ez a videó és miért fulladt az a másik”, csak néz maga elé. Nem látja a felületedet. Kézzel screenshotolgatod neki, ami lassú és információt veszít. A legtöbb készítő „elemzése” annyi, hogy „érzésre ez jó lett”.

A probléma: az adat bent van, az AI kint marad

A TikTok Studio mutatói oldalrendereléssel jönnek létre, nincs kényelmes, egyéni készítőknek szánt API. Ha azt akarod, hogy a Claude vagy a Cursor Agentje elemezzen, három út marad: kézzel leírod a számokat, screenshotból ismertetsz fel, vagy fizetsz egy harmadik féltől származó adatplatformért. Az első kettő lassú és hibás, a harmadik drága – és az iparági aggregált adatokat adja, nem a te videóid soronkénti részleteit.

A szöveg dimenzió a kritikusabb. Az adat megmondja, hogy „ennek magas a végignézési aránya”, de nem azt, hogy „mert az első három másodpercben ezt mondtad”. Az igazi elemzés az, amikor a számokat a videóban ténylegesen elhangzott tartalommal veted össze – és pont ezt a legnehezebb kézzel csinálni.

A lehetőség: egy helyi eszköz zárja be a kört

A GitHubon elérhető nyílt forráskódú douyin-mcp (https://github.com/Kuhakucai/douyin-mcp) pont ezt oldja meg. Aki most hallja először: az MCP-t képzeld el úgy, mint „az AI USB-portja” – egy általános protokoll, amivel az AI-szoftverek úgy csatlakoznak adatforrásokhoz, ahogy a pendrive-ot dugod be. Az „Agent” pedig olyan AI, ami érti az emberi utasítást és önállóan dolgozik: Claude Code, Cursor, Codex – letölthető a hivatalos oldalról. A douyin-mcp egy helyben futó MCP Server: a gépeden újrahasznosítja egy dedikált Chrome bejelentkezését, a Studio oldalán ténylegesen látható videólistát, megtekintéseket, lájkokat, kommenteket, megosztásokat, mentéseket, végignézési arányt és követőnövekedést inkrementálisan egy helyi adatbázisba szinkronizálja, majd MCP-n keresztül bármely MCP-képes AI-nak átadja.

Van egy ütős funkciója: igény szerint kinyeri a videók hanganyagának szövegét. Figyelj: a videóban ténylegesen kimondott szavakat, nem a címet és nem a képernyőszöveget. Egy helyi beszédfelismerő modell időbélyeges szöveggé alakítja a hangsávot, így az AI egyszerre látja, „mit mondtál” és „hogyan teljesített” – a téma, a nyitóhorog, a felépítés és a végeredmény egy táblázatban.

A projekt jelenleg 59 csillagnál és 9 forknál tart, AGPL-3.0 licenccel, a cikk írásakor aktívan fejlesztik. macOS és Windows támogatott, Python 3.11+, egy felhasználó, egy fiók, helyi futtatás. A repo egyértelműen kimondja: ez nem hivatalos közösségi eszköz, böngészőautomatizálással olvassa a saját fiókod látható adatait, ami kiválthat platformoldali kockázatkezelést – ezt minden ügyfélnek őszintén el kell mondani.

Első út: tíz perc alatt telepítsd, és futtasd le a saját fiókodon

Kinek való: akinek van TikTok-fiókja, és nulla költséggel akarja validálni az eredményt.

A telepítés „egy mondatosra” van tervezve. Nem kell kódot értened, csak mondd az MCP-képes Agentnek:

1

Klónozd és telepítsd beállítva ezt a projektet: https://github.com/Kuhakucai/douyin-mcp.git

Az Agent elolvassa a README-t, ellenőrzi a környezetet, lefuttatja a telepítőt (macOS-en bash ./easy-install.sh, Windowson a megfelelő PowerShell-szkriptet), inicializálja az adatbázist, beírja az MCP-konfigot a kliensedbe, majd megnyitja a dedikált Chrome-ot, hogy bejelentkezz. Az első szinkron lehúzza a videólistát és a legutóbbi videók részleteit.

A videószöveg-funkció alapból ki van kapcsolva. Ha kell, mondd az Agentnek: „kapcsold be a videószöveget” – elmondja, hogy FFmpeg-et és egy helyi beszédfelismerő modellt kell letölteni, mennyi tárhely kell, és csak a beleegyezésed után telepít. Ez a dizájn dönti el, hogy tíz perc alatt kész vagy-e: az első szinkron percek alatt lefut, nem kell megvárnod, amíg több száz régi videót átír.

Második út: alakítsd az elemzést újrafelhasználható prompt-sablonná

Kinek való: aki már posztol, de az elemzése puszta megérzés.

A telepítés csak a kezdet, az igazi érték a kérdezési módszer. A repo ajánlott használata közvetlenül sablonként működik:

1
2
3
4
5

Ellenőrizd a TikTok-adataim állapotát. Csak lejárt cache esetén frissítsd a videólistát
és a legutóbbi 20 videó részleteit; ezután az elmúlt 30 napban hasonlítsd össze
a végignézési arányt, az 5 másodperces megtartást és az interakciós arányt,
és adj elemzési következtetéseket. Minden következtetésnél tüntesd fel az adat
időpontját, a lefedettséget, a hiányzó mezőket és a kapcsolódó videóbizonyítékokat.

A napi elemzés három kérdéstípusra bontható. Mintakeresés: „Keresd meg az elmúlt 30 nap 5 legmagasabb interakciós arányú videóját, és írd le a közös pontokat.” Összevetés: „Ennek a 3 videónak a hangszövegét és teljesítményét összevetve hasonlítsd össze a témát, a nyitóhorgot, a felépítést és az interakciós különbségeket.” Következő lépés: „Melyik videóknak érdemes folytatást készíteni? Indokold a sorrendet és az adatkorlátokat.”

Az adat nem hazudik – ez adja a bátorságot, hogy pénzt kérj érte: amit az oldal nem mutat, az null-ként tárolódik, nem 0-val vagy találgatással töltik fel; minden következtetéshez tartozik gyűjtési idő, cache-frissesség, mezőlefedettség és hiányok oka; véletlen fiókváltás észlelésekor megtagadja az írást. Az AI bizonyítékkal adja a következtetést, nem magabiztosan kitalálja.

Harmadik út: csomagold szolgáltatássá és add el

Kinek való: aki információs előnyből akar mellékjövedelmet. A legkönnyebb ügyfél az, aki rendszeresen posztol, de fogalma sincs az adatokról – helyi vállalkozók, szakértői bloggerek, termékajánló készítők. Van adattudatuk, de nincs adatképességük, azt sem tudják, mi az az MCP.

Három szolgáltatási forma. Az első az egyszeri elemzési jelentés: „30 napos teljesítményelemzés + a sikervideók közös mintái + jövő havi témajavaslatok”. Horgony a kereslet validálásához: keress rá a Vinteden, a Jófogáson vagy a Facebook Marketplace-en „TikTok fiókelemzés”, „fiókdiagnosztika” kifejezésekre – a hasonló szolgáltatások jellemzően 15–100 euró (kb. 6–40 ezer forint) között mozognak darabonként, követőszám és jelentésmélység szerint sávozva. A második a kísérő előfizetés: havi fix jelentés plusz témaegyeztetés, hosszú távú ügyfelek. A harmadik a tudáseladás: a telepítést és a prompt-sablonokat vedd fel kurzusnak vagy írd meg útmutatónak, és add azoknak, akik maguk akarnak nekiállni – egy tartalom, végtelen eladás.

Egy konzervatív számítás (becslés, nem ígéret): ha egy jelentés 35 euró (kb. 14 ezer forint), gyakorlás után darabja kb. 1 óra, és havi 10 megrendelés jön össze, az 350 euró tiszta időbevétel. Ha kialakul a hírnév, átállsz előfizetésre, és a kosárérték meg a visszatérés is feljebb megy.

A megfelelőségi határokat előre tisztázd, ettől függ, hogy sokáig csinálhatod-e: ez nem hivatalos eszköz, csak a saját fiók látható adatait olvassa, és a repo figyelmeztet, hogy sértheti a platformfeltételeket vagy kockázatkezelést válthat ki. Ezért szolgáltatáskor mindig az ügyfél jelentkezzen be, az ügyfél működtesse, az ügyfél fogadja el a kockázatot – soha ne tárold más fiókjának hitelesítő adatait, és ne adj el adatot. Megrendelés előtt írd bele a szolgáltatási leírásba a korlátozás kockázatát, és rögzítsd: ha platformintézkedés miatt akad meg a munka, arányosan visszatérítesz. Ez az alap – és a hosszú távú működésed feltétele.

Esettanulmány-vázlat: egy szakértői blogger elemzési köre

Legyünk tiszták: ez egy hipotetikus bemutató, ami azt mutatja, hogyan néz ki a lefutott folyamat – a szerző még nem végezte el a teljes éles tesztet, ez nem valós ügyféleset.

Képzelj el egy heti 3–5 videót posztoló szakértői bloggert, aki telepítés után lefuttatja az elemzési utasítást, és kap egy bizonyítékláncos összevetést. A legértékesebb a szöveges dimenzió: két azonos témájú videót összevetve az AI rámutat, hogy a jól teljesítő az első öt másodpercben közölte a józan paraszti ésszel ellentétes állítást, a gyenge pedig húsz másodpercig vezetett fel. Ezt a „adat + ténylegesen elhangzott tartalom” keresztvalidációt kézzel szisztematikusan gyakorlatilag lehetetlen csinálni.

Egy ilyen készítőnél a havi mélyelemzés, a nyitóhorgok és témák folyamatos finomítása azt jelenti, hogy a végignézési arány és a követőgörbe kezelhető, iterálható eszköz lesz, nem lottó. Hogy a gyakorlatban mennyit javít, fuss neki és mérd meg – az lesz a legmeggyőzőbb értékesítési anyagod.

Most csináld

Az eszköz ingyenes és nyílt forráskódú, a belépési küszöb egy számítógép és egy TikTok-fiók. Ma három dolgot tegyél: egy, küldd el a repo címét egy MCP-képes Agentnek, és telepíttesd vele; kettő, futtasd le a fenti sablont a saját fiókodon, és nézd meg, mennyire tér el az AI következtetése a megérzésedtől; három, screenshotold végig az egészet – ez lesz az első értékesítési anyagod a szolgáltatáshoz és a kurzushoz. Az adatelemzési tudáskülönbség most nyitja szét a készítők közötti ollót – aki előbb futtatja, az szedi be a hasznot.