agentleFS
sergi-rzsergi-rz/claudia-os/.claude/skills/claudia-yt-analytics/SKILL.md

claudia-yt-analytics

Skill39 starsChanged 7 months agoMITView on GitHub

Conecta con YouTube Data API + Analytics API, extrae métricas del canal y vídeos, y analiza rendimiento cruzado con el corpus de transcripciones. Usar cuando el usuario pregunte por analíticas de YouTube, rendimiento de vídeos, ideas de contenido basadas en datos, o comparativas.

  • Reads credentials
  • Installs packages

The file

Files
SKILL.md

YouTube Analytics

Skill para extraer, almacenar y analizar métricas de YouTube cruzadas con el corpus de transcripciones del usuario.

Prerequisitos — comprobar ANTES de cualquier comando

Antes de ejecutar cualquier acción, verifica que el entorno está listo:

  1. Venv existe:
    test -f .claude/skills/claudia-yt-analytics/venv/bin/activate
    Si NO existe, créalo:
    python3 -m venv .claude/skills/claudia-yt-analytics/venv
    source .claude/skills/claudia-yt-analytics/venv/bin/activate
    pip install google-auth google-auth-oauthlib google-api-python-client isodate
  2. Configuración existe: comprobar que user/config/settings.json tiene sección skill_yt_analytics con al menos un canal.
  3. Token OAuth existe: comprobar que user/credentials/youtube/tokens/<token>.json existe para el canal configurado.

Si falta el paso 2 o 3, redirigir al usuario a /yt-analytics setup. Si solo falta el venv, crearlo silenciosamente e informar al usuario.

Scripts

Todos en .claude/skills/claudia-yt-analytics/:

# Activar venv primero
source .claude/skills/claudia-yt-analytics/venv/bin/activate

# Auth
python3 .claude/skills/claudia-yt-analytics/auth.py <canal> [--port N] [--no-browser]

# CLI principal
python3 .claude/skills/claudia-yt-analytics/yt_analytics.py --action <action> --channel <canal> [opciones]

Comandos

/yt-analytics setup

Guía al usuario por la configuración completa. Ejecutar los pasos en orden, saltando los que ya estén hechos:

  1. Venv: comprobar si existe .claude/skills/claudia-yt-analytics/venv/bin/activate. Si no:
    python3 -m venv .claude/skills/claudia-yt-analytics/venv
    source .claude/skills/claudia-yt-analytics/venv/bin/activate
    pip install google-auth google-auth-oauthlib google-api-python-client isodate
  2. Credentials OAuth: comprobar si existe user/credentials/youtube/credentials.json.
    • Si no existe, comprobar user/credentials/gmail/credentials.json (se puede reutilizar el mismo proyecto de Google Cloud).
    • Si no hay ninguno, mostrar instrucciones de setup de Google Cloud Console (crear proyecto, habilitar YouTube Data API v3 y YouTube Analytics API, crear credenciales OAuth Desktop app, descargar JSON).
  3. Autorizar canal: ejecutar auth.py <canal> con los flags adecuados según el entorno (headless: --no-browser --port <puerto>).
  4. Configuración: añadir/verificar sección skill_yt_analytics en user/config/settings.json con channel_id, token y opcionalmente workspace.
  5. Primer sync: sugerir ejecutar /yt-analytics sync --full para poblar la base de datos.

/yt-analytics sync

Sincroniza datos del canal.

  1. Si el canal tiene un workspace configurado con corpus.json que incluya fuente YouTube, ejecutar primero:
    python3 .claude/skills/claudia-corpus-sync/sync.py <workspace> --source yt --sync
  2. Ejecutar sync de analytics:
    python3 yt_analytics.py --action sync --channel <canal>
    Usar --full para sync completo o --since YYYY-MM-DD para rango específico.
  3. Ejecutar corpus-link si hay workspace:
    python3 yt_analytics.py --action corpus-link --channel <canal> --workspace <ws>
  4. Reportar resumen al usuario.

/yt-analytics report

Análisis de rendimiento. Sigue este workflow:

  1. Ejecutar --action overview para snapshot del canal.
  2. Ejecutar --action trends --period 30d para momentum reciente.
  3. Ejecutar --action video-stats --top 5 --sort views para top performers por vistas.
  4. Ejecutar --action video-stats --top 5 --sort ctr para mejor CTR.
  5. Ejecutar --action video-stats --top 5 --sort subs para mejor conversión a suscriptores.
  6. Ejecutar --action traffic para fuentes de tráfico globales.
  7. Si hay vídeos con corpus linkeado (has_corpus: true):
    • Leer las transcripciones de los 3 mejores y 3 peores vídeos (por vistas relativas al canal).
    • Analizar patrones: estilo de apertura, longitud, tema, estructura.
  8. Generar informe estructurado:
    • Salud del canal: crecimiento, tendencia, comparativa 7d vs 30d.
    • Qué funciona: patrones comunes en los vídeos top, con datos.
    • Qué no funciona: patrones en los vídeos de bajo rendimiento.
    • Recomendaciones: 3-5 acciones concretas respaldadas por datos.

Si el canal tiene menos de 10 vídeos, simplificar: saltar análisis comparativo y centrarse en métricas absolutas y tendencia.

/yt-analytics ideas

Generación de ideas de contenido basadas en datos.

  1. Completar el workflow de report (o usar datos recientes si se ejecutó hace poco).
  2. Identificar huecos temáticos:
    • Temas en el corpus/vault que no se han cubierto en vídeo.
    • Temas de vídeos exitosos que se pueden expandir o actualizar.
  3. Identificar huecos de formato:
    • Si vídeos largos superan a cortos o viceversa, sugerir el formato infrautilizado.
  4. Para cada idea:
    • Título sugerido (basado en CTR de títulos anteriores).
    • Por qué esta idea (dato que la respalda).
    • Formato y duración recomendados.
    • Sugerencia de apertura (basada en qué aperturas correlacionan con retención).
  5. Rankear ideas por impacto estimado.

/yt-analytics compare

Comparar vídeos específicos.

python3 yt_analytics.py --action compare --channel <canal> --videos "id1,id2,id3"

/yt-analytics search

Buscar en el catálogo de vídeos por texto.

python3 yt_analytics.py --action search --channel <canal> --query "texto"

Configuración

En user/config/settings.json:

{
  "skill_yt_analytics": {
    "channels": {
      "<nombre>": {
        "channel_id": "<ID del canal>",
        "token": "<nombre del token>",
        "workspace": "<workspace con corpus>"
      }
    },
    "default_channel": "<nombre>",
    "sync_days_back": 90,
    "ignore_shorts": true
  }
}

Datos

  • DB SQLite: user/data/yt-analytics/<channel_id>.db (una por canal)
  • Tokens: user/credentials/youtube/tokens/<nombre>.json
  • La DB se puede regenerar ejecutando --action sync --full

Personalización

Editar .claude/skills/claudia-yt-analytics/user/behavior.md para ajustar:

  • Métricas prioritarias en los informes
  • Formato de las recomendaciones
  • Idioma de los informes
  • Criterios para clasificar vídeos como "exitosos" o "bajo rendimiento"

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.