Każdy, kto publikuje na TikToku, zna ten ból: w panelu twórcy leżą dane — wyświetlenia, polubienia, retencja, przyrost obserwujących — ale kiedy chcesz, żeby AI odpowiedziało na pytanie „dlaczego ten film wypalił, a tamten nie”, AI może tylko rozłożyć ręce. Nie widzi Twojego panelu. Robisz zrzuty ekranu i wklejasz je ręcznie — wolno i z utratą informacji. Analiza wyników większości twórców kończy się na „czuję, że ten był dobry”.

Problem: dane w panelu, AI za drzwiami

Metryki w panelu twórcy są renderowane na stronie, bez wygodnego API dla zwykłego użytkownika. Chcesz, żeby Claude albo Agent w Cursorze zrobił Ci analizę? Masz trzy klasyczne opcje: przepisywać liczby ręcznie, rozpoznawać zrzuty ekranu albo kupić abonament w zewnętrznej platformie analitycznej. Dwie pierwsze są czasochłonne i podatne na błędy, trzecia kosztuje — i daje dane branżowe z całego rynku, a nie szczegóły Twoich własnych filmów.

Kluczowy jest jeszcze wymiar treści. Dane mówią „ten film ma wysoką retencję”, ale nie mówią „bo w pierwszych trzech sekundach padło to konkretne zdanie”. Połączenie liczb z tym, co faktycznie zostało powiedziane w filmie — to jest prawdziwa analiza. I to jest dokładnie ta część, której ręcznie zrobić się nie da.

Okazja: lokalne narzędzie domyka ostatni kilometr

Projekt open-source douyin-mcp na GitHubie (https://github.com/Kuhakucai/douyin-mcp) rozwiązuje właśnie ten problem. Dla osób zupełnie zielonych: MCP to coś jak „port USB dla AI” — uniwersalny protokół, dzięki któremu programy AI podłączasz do źródeł danych jak pendrive’a. A „Agent” to AI, które rozumie polecenia i samo wykonuje pracę — Claude Code, Cursor, Codex, do pobrania z oficjalnych stron. douyin-mcp to lokalny serwer MCP: działa na Twoim komputerze, wykorzystuje sesję logowania w dedykowanej przeglądarce Chrome i synchronizuje do lokalnej bazy danych wszystko, co widzisz w panelu — listę filmów, wyświetlenia, polubienia, komentarze, udostępnienia, zapisania, retencję, przyrost obserwujących. Potem udostępnia to przez MCP dowolnemu AI.

Ma też funkcję, która robi różnicę: ekstrakcję transkrypcji ścieżki audio na żądanie. Uwaga — chodzi o to, co faktycznie padło w filmie, nie o tytuł czy napisy na ekranie. Lokalny model rozpoznawania mowy zamienia audio na tekst ze znacznikami czasu. AI widzi jednocześnie „co ten film mówił” i „jak sobie poradził” — i porównuje temat, hak otwarcia, strukturę i wyniki.

Projekt ma obecnie 59 gwiazdek i 9 forków, licencja AGPL-3.0, aktywnie rozwijany w momencie publikacji. Obsługuje macOS i Windows, Python 3.11+, jeden użytkownik, jedno konto, działanie lokalne. Repozytorium jasno deklaruje: to nieoficjalne narzędzie społecznościowe, odczytujące przez automatyzację przeglądarki dane widoczne dla właściciela konta — może wywołać reakcję systemów antyfraudowych platformy. To musisz uczciwie komunikować każdemu klientowi.

Ścieżka 1: dziesięć minut instalacji, najpierw własne konto

Dla kogo: masz konto na TikToku i chcesz zweryfikować efekt za zero złotych.

Instalacja została zaprojektowana jako „jedno zdanie”. Nie musisz znać się na kodzie — wystarczy powiedzieć Agentowi obsługującemu MCP:

1

Sklonuj, zainstaluj i skonfiguruj projekt https://github.com/Kuhakucai/douyin-mcp.git

Agent sam przeczyta README, sprawdzi środowisko, uruchomi skrypt instalacyjny (na macOS bash ./easy-install.sh, na Windows odpowiedni skrypt PowerShell), zainicjuje bazę danych, dopisze konfigurację MCP do Twojego klienta i otworzy dedykowane Chrome, żebyś zalogował się kodem QR. Przy pierwszej synchronizacji pobierze listę filmów i szczegóły ostatnich pozycji.

Transkrypcje są domyślnie wyłączone. Kiedy ich potrzebujesz, mówisz Agentowi „włącz transkrypcje wideo” — wyjaśni, że trzeba pobrać FFmpeg i lokalny model rozpoznawania mowy, poda zajęte miejsce na dysku i zainstaluje dopiero po Twojej zgodzie. To decyduje o tym, że start trwa dziesięć minut: pierwsza synchronizacja zajmuje kilka minut, nie czekasz na transkrypcję setek starych filmów.

Ścieżka 2: zamień analizę w powtarzalne szablony pytań

Dla kogo: publikujesz regularnie, ale analizujesz „na czuja”.

Narzędzie to dopiero początek — prawdziwą wartością jest sposób zadawania pytań. Rekomendowane użycie z repozytorium działa jako gotowy szablon:

1
2
3
4

Sprawdź stan moich danych. Zaktualizuj listę filmów i ostatnie 20 szczegółów
tylko jeśli cache wygasł; potem porównaj retencję, retencję 5-sekundową
i wskaźnik interakcji z ostatnich 30 dni i wyciągnij wnioski.
Każdy wniosek opatrz datą danych, pokryciem, brakami i dowodami z filmów.

Codzienną analizę dzielę na trzy typy pytań. Szukanie wzorców: „Znajdź 5 filmów z najwyższą interakcją z ostatnich 30 dni i wskaż, co je łączy.” Porównania: „Zestawiając transkrypcje i wyniki tych 3 filmów, porównaj temat, hak otwarcia, strukturę i interakcje.” Wskazówki na przyszłość: „Które filmy zasługują na kontynuację? Uzasadnij kolejność i ograniczenia danych.”

Dane nie kłamią — i to jest Twój argument sprzedażowy: wartości niewidoczne na stronie zapisują się jako null, nie jako zero ani zgadywanka; każdy wniosek ma datę zbierania, świeżość cache, pokrycie pól i powody braków; wykrycie przełączenia na złe konto blokuje zapis. AI daje Ci wnioski z dowodami, a nie pewnie brzmiące wymysły.

Ścieżka 3: spakuj tę umiejętność i sprzedawaj

Dla kogo: chcesz zarobić na luce wiedzy. Najłatwiejsi klienci to mali i średni twórcy, którzy publikują regularnie, ale kompletnie nie ogarniają danych — lokalne restauracje, eksperci, sprzedawcy produktów. Mają świadomość danych, nie mają kompetencji. Nie wiedzą nawet, czym jest MCP.

Trzy formaty usługi. Pierwszy: jednorazowy raport — „analiza wyników z 30 dni + dekonstrukcja najlepszych filmów + propozycje tematów na kolejny miesiąc”. Punkt odniesienia do wyceny: na Allegro Lokalnie, OLX czy w grupach dla twórców usługi typu „audyt konta TikTok” kosztują zwykle 150–500 zł za sztukę, w zależności od wielkości konta i głębokości raportu — sprawdź i wycenij się względem konkurencji. Drugi: abonament „opieki” — comiesięczny raport plus sesja tematyczna, stały klient. Trzeci: sprzedaż wiedzy — nagraj kurs albo napisz poradnik o instalacji i szablonach pytań, sprzedawaj tym, którzy wolą zrobić to sami. Jedna treść, wielokrotna sprzedaż.

Konserwatywna kalkulacja (projekcja, nie obietnica): raport za 199 zł, po wprawie godzina pracy na sztukę, 10 zleceń miesięcznie przez OLX — to prawie 2000 zł czystego przychodu za czas. Po zbudowaniu reputacji przechodzisz na abonamenty: wyższy koszt pozyskania klienta spada, przychód rośnie.

Granice compliance trzeba postawić na początku, bo od nich zależy, czy przetrwasz: to nieoficjalne narzędzie, czyta tylko dane widoczne dla właściciela konta, a repozytorium wprost ostrzega przed naruszeniem regulaminu i reakcją platformy. Dlatego w usłudze klient sam skanuje kod, sam operuje, sam akceptuje ryzyko — nigdy nie przejmujesz jego danych logowania i nie odsprzedajesz żadnych danych. Przed zleceniem wpisz do oferty ryzyko ograniczenia zasięgu konta i ustal z góry: jeśli blokada platformy przerwie usługę, zwracasz proporcjonalną część. To podłoga, nie sufit.

Symulacja: pętla analizy eksperta

Jasno na start: to hipotetyczna demonstracja pokazująca, jak wygląda proces po uruchomieniu — autor nie przeprowadził jeszcze pełnego testu end-to-end, to nie jest prawdziwy case klienta.

Załóżmy: ekspert publikujący 3–5 filmów tygodniowo instaluje narzędzie, wydaje Agentowi polecenie analizy i dostaje wnioski z łańcuchem dowodów. Najcenniejszy jest wymiar transkrypcji — np. porównanie dwóch filmów na ten sam temat pokazuje, że lepszy w pierwszych pięciu sekundach rzucił kontraintuicyjną tezę, a słabszy przez dwadzieścia sekund „rozgrzewał” widza. Takiej krzyżowej weryfikacji „dane + faktyczna treść” ręcznie nie da się robić systemowo.

Dla takiego twórcy comiesięczna głęboka analiza, iterowanie haków otwarcia i tematów, zamienia retencję i przyrost obserwujących w zarządzalny aktyw — zamiast loterii. Ile to realnie daje? Odpal to na własnym koncie i zmierz — te liczby będą Twoim najmocniejszym materiałem sprzedażowym.

Zacznij dziś

Narzędzie jest darmowe i open-source, próg wejścia to komputer i konto na TikToku. Trzy rzeczy na dziś: po pierwsze, wyślij link do repozytorium Agentowi z MCP i pozwól mu zainstalować; po drugie, przepuść własne konto przez szablon analizy i zobacz, jak bardzo wnioski AI różnią się od Twojej intuicji; po trzecie, udokumentuj cały proces zrzutami ekranu — to Twoje pierwsze materiały do sprzedaży usług i kursu. Przepaść poznawcza w analizie danych dzieli twórców coraz mocniej. Kto odpali pierwszy, ten zje zysk.