Siapa yang buat TikTok tahu sakit yang sama: Creator Center penuh dengan data — tontonan, suka, kadar tonton penuh, pertambahan follower — tapi bila anda nak AI analisis “kenapa video ni meletup, video tu flop”, AI hanya boleh pandang kosong. Ia tak nampak dashboard anda. Tangkap skrin satu-satu? Lambat dan maklumat hilang. Kebanyakan pencipta buat “analisis” berdasarkan rasa semata-mata.

Masalahnya: data di dalam dashboard, AI di luar pintu

Metrik Creator Center dipaparkan sebagai halaman web, tiada API mudah untuk pencipta individu. Nak suruh Claude atau Agent dalam Cursor buat analisis, cara tradisional cuma tiga: salin angka manual, tangkap skrin, atau langgan platform data pihak ketiga. Dua cara pertama memakan masa dan mudah silap. Cara ketiga mahal — dan yang anda dapat ialah data pasaran umum, bukan perincian video demi video akaun anda sendiri.

Lebih penting: dimensi skrip. Data beritahu “video ni kadar tonton penuh tinggi”, tapi tak beritahu “sebab tiga saat pertama cakap apa”. Gabungkan data dengan apa yang sebenarnya diucapkan dalam video — itulah analisis sebenar, dan itulah bahagian paling susah nak buat secara manual.

Peluang: satu alat tempatan tutup jurang terakhir

Projek sumber terbuka di GitHub, douyin-mcp (https://github.com/Kuhakucai/douyin-mcp), selesaikan masalah ni. Untuk yang baru pertama kali dengar: MCP boleh difahami sebagai “port USB untuk AI” — protokol universal yang benarkan perisian AI cucuk pelbagai sumber data macam cucuk pendrive. “Agent” pula ialah AI yang faham arahan dan buat kerja sendiri, contohnya Claude Code, Cursor, Codex — muat turun dari laman rasmi dan pasang. douyin-mcp ialah MCP Server yang berjalan secara lokal: ia guna semula sesi log masuk Chrome khusus pada komputer anda, selaraskan senarai video, tontonan, suka, komen, kongsi, simpan, kadar tonton penuh dan pertambahan follower ke pangkalan data tempatan, kemudian hidangkan kepada mana-mana AI yang menyokong MCP.

Satu lagi ciri pembunuh: ekstrak transkrip audio video mengikut permintaan. Perhatian — ini apa yang benar-benar diucapkan dalam video, bukan tajuk atau OCR teks pada skrin. Model pengecaman suara tempatan tukar audio jadi teks bertanda masa, jadi AI nampak serentak “video ni cakap apa” dan “video ni perform macam mana” — bandingkan topik, hook pembukaan, struktur kandungan dengan data akhir.

Projek ini kini ada 59 stars, 9 forks, lesen AGPL-3.0, dan masih aktif dikemas kini sehingga artikel ini ditulis. Menyokong macOS dan Windows, Python 3.11 ke atas, satu pengguna satu akaun pada mesin sendiri. Repositori nyatakan dengan jelas ini alat komuniti bukan rasmi, membaca data akaun sendiri melalui automasi pelayar, dan boleh mencetuskan kawalan risiko platform — perkara ini wajib dimaklumkan kepada mana-mana pelanggan.

Laluan 1: Pasang dalam 10 minit, uji akaun sendiri dulu

Sesuai untuk: pencipta yang ada akaun TikTok dan nak sahkan hasil tanpa kos.

Pemasangan direka jadi “satu ayat sahaja”. Tak perlu tahu kod, cuma beritahu Agent yang menyokong MCP:

1

Tolong klon dan pasang projek https://github.com/Kuhakucai/douyin-mcp.git

Agent akan baca README sendiri, semak persekitaran, jalankan skrip pemasangan (macOS jalankan bash ./easy-install.sh, Windows guna skrip PowerShell berkaitan), mulakan pangkalan data, tulis konfigurasi MCP ke klien yang anda guna, kemudian buka Chrome khusus untuk anda imbas kod QR log masuk. Selepas penyelarasan pertama, ia tarik senarai video dan perincian beberapa video terkini.

Fungsi transkrip video tidak aktif secara lalai. Bila perlu, beritahu Agent “aktifkan transkrip video” — ia akan terangkan perlu muat turun FFmpeg dan model pengecaman suara tempatan, berapa ruang cakera diperlukan, dan hanya pasang selepas anda setuju. Reka bentuk inilah yang tentukan anda boleh mula dalam 10 minit — penyelarasan pertama siap dalam beberapa minit, tak perlu tunggu ratusan video lama ditranskrip satu-satu.

Laluan 2: Jadikan analisis templat soalan yang boleh diulang

Sesuai untuk: pencipta yang dah konsisten posting tapi analisis masih ikut rasa.

Pasang alat hanyalah permulaan. Yang bernilai ialah cara bertanya. Cadangan penggunaan dalam repositori boleh terus dijadikan templat:

1
2
3
4
5

Semak status data TikTok saya. Hanya kemas kini senarai video dan 20
perincian terkini jika cache luput; kemudian bandingkan kadar tonton
penuh, kadar tonton 5 saat dan kadar interaksi untuk 30 hari terakhir,
beri kesimpulan analisis. Setiap kesimpulan nyatakan masa data, liputan,
item yang hilang dan bukti video berkaitan.

Analisis harian boleh dipecah kepada tiga jenis soalan. Cari corak: “Kenal pasti 5 video dengan kadar interaksi tertinggi dalam 30 hari terakhir, terangkan persamaannya.” Buat perbandingan: “Gabungkan transkrip audio dan data prestasi 3 video ini, bandingkan topik, hook pembukaan, struktur kandungan dan perbezaan interaksi.” Pandu langkah seterusnya: “Video mana patut dibuat sambungan? Terangkan asas susunan dan batasan data.”

Data tak direka — inilah keyakinan anda untuk menjual servis ini: nilai yang tak dipaparkan halaman disimpan sebagai null, bukan diisi 0 atau tekaan; setiap kesimpulan dilampirkan masa kutipan, kesegaran cache, kadar liputan medan dan sebab kehilangan; jika dikesan salah tukar akaun, sistem tolak penulisan. Kesimpulan AI anda datang dengan bukti, bukan rekaan yang sedap didengar.

Laluan 3: Bungkus kemahiran ini jadi servis dan jual

Sesuai untuk: sesiapa yang nak jana duit sampingan melalui jurang maklumat. Pelanggan paling mudah diperoleh: pencipta kecil dan sederhana yang dah konsisten posting tapi buta data — akaun review makanan, blogger ilmu, peniaga live. Mereka sedar data penting tapi tiada kemahiran, langsung tak tahu MCP tu apa.

Tiga bentuk servis. Pertama, laporan analisis sekali sahaja: serahkan “analisis prestasi 30 hari + pecahan formula video meletup + cadangan topik bulan depan”. Sebagai penanda aras permintaan: cari “diagnosis akaun TikTok” atau “analisis data akaun” di Carousell atau Lemon8 — servis seumpamanya biasa dihargai RM50 hingga RM300 seunit mengikut jumlah follower dan kedalaman laporan. Kedua, langganan bimbingan bulanan: laporan analisis tetap plus sesi perbincangan topik, kunci pelanggan jangka panjang. Ketiga, monetisasi pengajaran: rakam proses pemasangan dan templat soalan jadi kursus atau tutorial bergambar, jual berulang kali.

Kiraan konservatif (unjuran, bukan janji): andaikan satu laporan berharga RM99, selepas mahir setiap satu ambil masa lebih kurang 1 jam, dan anda tutup 10 pesanan sebulan di Carousell — itu hampir RM1,000 pendapatan masa tulen. Bila reputasi terbina, tukar ke langganan bimbingan, nilai pelanggan dan pembelian berulang naik satu tahap.

Sempadan pematuhan mesti dihadapkan dulu — ini tentukan sama ada anda boleh buat lama: projek ini alat bukan rasmi, hanya baca data yang kelihatan pada akaun sendiri, dan repositori jelas memberi amaran ia mungkin melanggar syarat platform atau mencetuskan kawalan risiko. Jadi bila buat servis, pelanggan sendiri mesti imbas kod, sendiri operasi, sendiri sahkan risiko — anda jangan sekali-kali pegang kredensial akaun sesiapa, dan jangan jual semula sebarang data. Sebelum ambil tempahan, tulis risiko “akaun mungkin dihadkan” dalam penerangan servis, dan tetapkan awal-awal: jika servis terganggu kerana kawalan risiko platform, bayaran balik mengikut peratusan kerja yang belum siap. Ini garis bawah, dan syarat untuk anda bertahan lama.

Simulasi kes: kitaran analisis seorang blogger ilmu

Jelas dulu: yang berikut ialah demonstrasi hipotesis, menunjukkan rupa aliran ini bila siap — penulis belum menyelesaikan ujian penuh sebenar, dan ini bukan kes pelanggan sebenar.

Andaikan seorang blogger ilmu yang posting 3 hingga 5 video seminggu, selepas pasang alat ini, hantar arahan analisis kepada Agent dan terima kesimpulan perbandingan berantai bukti. Penemuan paling bernilai datang dari dimensi skrip — contohnya, selepas banding dua video bertopik sama, AI tunjukkan yang berprestasi baik melontar kesimpulan anti-intuitif dalam 5 saat pertama, manakala yang lemah ambil 20 saat berkata-kata sebelum masuk topik. Pengesahan silang “data + kandungan sebenar” macam ni hampir mustahil dibuat secara sistematik dengan tenaga manusia.

Untuk pencipta macam ni, satu analisis mendalam sebulan, penambahbaikan berterusan pada hook pembukaan dan arah topik — kadar tonton penuh dan lengkung pertumbuhan follower jadi aset yang boleh diurus dan diiterasi, bukan cabutan nasib. Berapa banyak peningkatan sebenar, anda kena jalankan sendiri dan dapatkan angka sebenar — itu sendiri bahan paling meyakinkan bila anda jual servis nanti.

Mula sekarang

Alat ini percuma dan sumber terbuka. Syaratnya cuma satu komputer dan satu akaun TikTok. Buat tiga perkara hari ini: satu, hantar alamat repositori kepada Agent yang menyokong MCP dan biarkan ia pasang; dua, jalankan templat analisis di atas pada akaun sendiri, tengok sejauh mana kesimpulan AI berbeza dengan intuisi anda; tiga, tangkap skrin seluruh proses — itulah bahan pertama anda untuk jual servis dan tutorial kelak. Jurang kesedaran analisis data sedang merenggangkan jurang antara pencipta — siapa yang mula dulu, dia yang kutip hasilnya dulu.