Laat AI je TikTok-backend direct uitlezen: douyin-mcp als bijverdienste voor data-analyse
Laat AI je TikTok-backend direct uitlezen: douyin-mcp als bijverdienste voor data-analyse
RichardsonIedereen die TikTok serieus doet, kent dezelfde pijn: je Creator Center staat vol data — views, likes, watch time, volgersgroei — maar zodra je AI wilt vragen “waarom ging deze video viraal en die andere niet?”, kijkt het je glazig aan. Het ziet je backend niet. Screenshots uploaden is traag en verliest context. De meeste creators blijven hangen in “dit voelde goed” als analyse.
Het probleem: data zit in de backend, AI staat buiten
De statistieken in TikTok Creator Center worden in de pagina gerenderd; er is geen handige API voor individuele creators. Wil je Claude of een Agent in Cursor je account laten analyseren, dan heb je drie klassieke opties: cijfers handmatig overtypen, screenshots laten uitlezen, of een duur abonnement op een extern dataplatform. De eerste twee kosten tijd en leveren fouten op. De derde is prijzig en geeft je marktgemiddelden, niet de prestaties per video van jóuw account.
De belangrijkste dimensie ontbreekt sowieso: de inhoud. Data vertelt je “deze video had een hoge completion rate”, maar niet “omdat de eerste drie seconden dit zeiden”. Data combineren met wat er in de video daadwerkelijk gezegd wordt — dát is echte analyse, en precies dat is handmatig bijna onmogelijk.
De kans: een lokaal tooltje dat de laatste kilometer overbrugt
Het open-source project douyin-mcp op GitHub (https://github.com/Kuhakucai/douyin-mcp) lost precies dit op. Even voor wie het nog nooit heeft gehoord: MCP kun je zien als “de USB-poort voor AI” — een universeel protocol waarmee AI-software databronnen inplugt als een USB-stick. Een “Agent” is AI die mensentaal begrijpt en zelf taken uitvoert; bekende voorbeelden zijn Claude Code, Cursor en Codex, gewoon te downloaden via de officiële sites. douyin-mcp is zo’n lokale MCP Server: hij hergebruikt de ingelogde sessie van een speciale Chrome-instantie op je eigen computer, synchroniseert de zichtbare statistieken uit Creator Center (videolijst, views, likes, comments, shares, saves, completion rate, volgersgroei) incrementeel naar een lokale database, en serveert die via MCP aan elke AI die MCP ondersteunt.
De killer feature: on-demand transcriptie van de audiotrack. Let op — wat er in de video daadwerkelijk gézegd wordt, niet de titel of on-screen tekst. Een lokaal spraakherkenningsmodel zet audio om naar tekst met tijdstempels. Zo ziet de AI tegelijk “wat deze video vertelde” én “hoe deze video presteerde”, en kan hij onderwerp, openingshook, structuur en cijfers naast elkaar leggen.
Het project staat op 59 stars en 9 forks, draait onder AGPL-3.0 en wordt op het moment van schrijven actief bijgehouden. Werkt op macOS en Windows, vereist Python 3.11+, single-user, single-account, volledig lokaal. De repository stelt expliciet dat dit een onofficiële community-tool is die via browserautomatisering data uitleest die je zelf kunt zien — en dat dit platform-riskcontrol kan triggeren. Dat moet je elke klant eerlijk vertellen.
Route 1: in tien minuten geïnstalleerd, eerst je eigen account draaien
Voor wie: creators met een eigen account die gratis willen valideren dat het werkt.
De installatie is ontworpen als “één zinnetje”. Je hoeft niet te kunnen coderen; je zegt tegen een MCP-compatibele Agent:
1 | Kloon en installeer het project https://github.com/Kuhakucai/douyin-mcp.git |
De Agent leest zelf de README, checkt je omgeving, draait het installatiescript (bash ./easy-install.sh op macOS, het PowerShell-equivalent op Windows), initialiseert de database, schrijft de MCP-configuratie in je client en opent de speciale Chrome zodat je met een QR-code kunt inloggen. Daarna haalt hij de videolijst en de details van de meest recente video’s binnen.
De transcriptiefunctie staat standaard uit. Zeg “activeer videotranscriptie” als je hem nodig hebt; de Agent legt dan uit dat hij FFmpeg en een lokaal spraakmodel moet downloaden, hoeveel schijfruimte dat kost, en installeert pas na je akkoord. Dat ontwerp bepaalt of je binnen tien minuten draait: de eerste sync duurt enkele minuten, je hoeft niet te wachten tot honderden oude video’s getranscribeerd zijn.
Route 2: maak van analyse een herhaalbaar vraagtemplate
Voor wie: creators die al publiceren maar op gevoel analyseren.
De tool installeren is het begin; de echte waarde zit in hoe je vragen stelt. De aanbevolen prompt uit de repository werkt direct als template:
1 | Check de status van mijn TikTok-data. Update de videolijst en de laatste |
Dagelijkse analyse valt uiteen in drie soorten vragen. Patronen vinden: “Vind de 5 video’s met de hoogste interactieratio van de laatste 30 dagen en benoem de overeenkomsten.” Vergelijken: “Vergelijk aan de hand van de audiotranscripties en cijfers van deze 3 video’s het onderwerp, de openingshook, de structuur en de interactie.” De volgende stap bepalen: “Welke video’s verdienen een vervolg? Onderbouw de ranking en benoem de beperkingen van de data.”
De data liegt niet — dat is je verkoopargument: waarden die de pagina niet toont, worden als null opgeslagen, niet als 0 of gok; elke conclusie vermeldt verzameltijd, cache-versheid, velddekking en reden van ontbrekende data; bij een verkeerd account weigert de tool te schrijven. De AI levert conclusies mét bewijs, geen zelfverzekerd verzonnen verhaal.
Route 3: verpak deze capability als dienst en verkoop hem
Voor wie: wie met een informatievoorsprong een bijverdienste wil opbouwen. De makkelijkste klanten zijn kleine en middelgrote creators die consistent publiceren maar niets van data snappen — lokale foodbloggers, kenniscreators, affiliate-sellers. Ze hebben databewustzijn maar geen datavaardigheden, en ze hebben nog nooit van MCP gehoord.
Drie dienstvormen. De eerste: een eenmalig analyserapport — “prestaties laatste 30 dagen + ontleed wat je hits gemeen hebben + onderwerpsuggesties voor volgende maand”. Als anker voor de vraag: zoek op Marktplaats of Vinted-achtige kanalen en op Lemon8 naar “TikTok account audit” of “accountanalyse” — vergelijkbare diensten gaan voor €25 tot €150 per opdracht, gestaffeld naar volgersaantal en rapportdiepte. De tweede: een maandelijks abonnement met vast rapport plus onderwerpsessie — recurring klanten. De derde: kennis verkopen — leg installatie en vraagtemplates vast in een cursus of geschreven handleiding voor creators die het zelf willen doen. Eén keer maken, eindeloos verkopen.
Een conservatieve rekensom (projectie, geen belofte): stel €35 per rapport, na oefening circa een uur werk per stuk, 10 opdrachten per maand via een Marktplaats-advertentie — dat is €350 aan pure tijdsinkomsten. Bouw je reputatie op, schakel over op abonnementen, en zowel orderwaarde als herhaalaankopen stijgen.
De compliance-grens moet je vooraf helder maken; die bepaalt of je dit langdurig kunt doen: dit is een onofficiële tool die alleen data leest die het eigen account kan zien, en de repository waarschuwt expliciet voor mogelijke schending van platformvoorwaarden of riskcontrol. Dus: de klant scant zelf de QR-code, handelt zelf, bevestigt zelf het risico — jij houdt nooit iemands inloggegevens vast en je verkocht nooit data door. Zet het risico van mogelijke accountbeperking in je dienstbeschrijving en spreek vooraf af: als platformingrijpen de dienst onderbreekt, restitueer je naar rato. Dat is de ondergrens — en de voorwaarde om dit lang vol te houden.
Casus-doordenker: de analyse-loop van een kenniscreator
Voor de duidelijkheid: dit is een hypothetische demonstratie van hoe de workflow eruitziet als hij draait. De auteur heeft de volledige flow nog niet end-to-end getest; dit is geen echte klantcase.
Stel: een kenniscreator die 3 tot 5 video’s per week post, installeert de tool en geeft de Agent een analyse-opdracht. Het resultaat is een vergelijking met bewijsketen. De meest waardevolle inzichten komen uit de transcriptiedimensie — bijvoorbeeld: van twee video’s over hetzelfde onderwerp opende de betere in de eerste vijf seconden met een contrair statement, terwijl de zwakkere twintig seconden aanliep naar het punt. Die kruisvalidatie van “data + wat er echt gezegd werd” is handmatig vrijwel onmogelijk systematisch te doen.
Voor zo’n creator wordt een maandelijkse diepgaande analyse — steeds de openingshooks en onderwerpkeuzes aanscherpen — een beheersbaar, itereerbaar proces in plaats van een loterij. Hoeveel efficiëntie het echt oplevert? Loop het zelf een keer door en meet het. Die echte cijfers zijn meteen je sterkste verkoopmateriaal.
Begin vandaag
De tool is gratis en open source; de enige drempel is een computer en een TikTok-account. Doe vandaag drie dingen: één, stuur de repository-link naar een MCP-compatibele Agent en laat hem installeren. Twee, draai het analysetemplate hierboven op je eigen account en vergelijk de AI-conclusies met je eigen intuïtie. Drie, leg het hele proces vast in screenshots — dat is je eerste batch materiaal voor je dienst of cursus. De kenniskloof in data-analyse scheidt creators steeds scherper; wie als eerste draait, pakt de voorsprong.
