finding-youtube-sponsorship-candidates

用途

该技能用于发现适合品牌赞助合作的 YouTube 频道。其核心思路是：已有赞助历史的频道是最有效的触达目标，因为它们已经证明愿意接受赞助。技能会围绕指定细分领域搜索内容、收集频道、评估赞助匹配度，并输出排序后的拓展名单。

主要能力

通过 apidojo 的 YouTube scraper（Apify actor：apidojo~youtube-scraper）搜索细分领域内容并收集频道。
支持多种输入参数：startUrls（YouTube 频道、播放列表、Shorts、搜索结果 URL）、youtubeHandles（频道句柄，如 @kurzgesagt）、getTrending（获取热门视频）、keywords（搜索关键词）、gl（国家代码，默认 us）、hl（语言代码，默认 en）、uploadDate（上传日期过滤：any、hour、today、week、month、year）、duration（时长过滤：any、short、long）、features（特性过滤：4k、hd、live、cc、3d、hdr 等）、sort（搜索结果排序）、maxItems（最大返回视频数）、customMapFunction（用于转换每个输出对象的 JavaScript 函数）。
对频道数据进行丰富，并基于观看比率、订阅数区间、评论互动率、赞助历史等维度计算赞助匹配分数。
输出按 TIER A / TIER B / TIER C 分级的候选名单，并附带细分领域赞助格局分析。

使用方式

前置条件：设置 APIFY_TOKEN 环境变量；可选安装 Apify MCP 服务器。

工作流程分为五步：

搜索细分领域频道内容。推荐使用 run_actor.js（自动处理等待、输出和文件保存）：

# 快速回答（在聊天中打印表格）
node scripts/run_actor.js \
  --actor "apidojo~youtube-scraper" \
  --input '{"param": "value"}'

# 保存为 CSV
node scripts/run_actor.js \
  --actor "apidojo~youtube-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.csv --format csv

# 保存为 JSON
node scripts/run_actor.js \
  --actor "apidojo~youtube-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.json --format json

APIFY_TOKEN 必须设置在环境变量或 .env 文件中。

若 Apify MCP 可用：

Tool: apify:run-actor
Actor: "apidojo~youtube-scraper"
Input:
{
  "searchKeywords": ["best [NICHE] tools", "[NICHE] review", "[NICHE] for beginners", "top [NICHE]"],
  "maxResults": 50,
  "type": "video"
}

REST API 备用方式：

curl -X POST   "https://api.apify.com/v2/acts/apidojo~youtube-scraper/runs?token=$APIFY_TOKEN"   -H "Content-Type: application/json"   -d '{
    "searchKeywords": ["best personal finance tools", "personal finance review"],
    "maxResults": 50,
    "type": "video"
  }'

收集唯一的 channelId 和 channelName 值。

丰富频道数据。若 Apify MCP 可用：

Tool: apify:run-actor
Actor: "apidojo~youtube-scraper"
Input:
{
  "startUrls": [{"url": "https://www.youtube.com/channel/[CHANNEL_ID]"}],
  "maxResults": 10,
  "type": "video"
}

计算赞助匹配分数：

view_ratio = avg_views / subscriber_count

sponsorship_score = (view_ratio > 0.1 ? 1 : view_ratio / 0.1) * 0.30
                  + (subscriber_count in 10000..200000 ? 1 : 0.6) * 0.20
                  + (avg_comments / avg_views > 0.005 ? 1 : (avg_comments/avg_views)/0.005) * 0.20
                  + (has_sponsor_history ? 1 : 0) * 0.30

赞助信号检测（在最近 10 个视频标题/描述中）：

sponsor_count = count(videos where description contains ["sponsored by", "use code", "thanks to", "partner"])
has_sponsor_history = sponsor_count >= 1
repeat_sponsor = sponsor_count >= 3

等级划分：TIER A ≥ 0.70 | TIER B 0.45–0.69 | TIER C < 0.45

处理边界情况：

单个爆款视频导致观看量激增：使用最近 10 个视频的中位数观看量而非平均值；标记 max_views > 10× 中位数的频道。
频道处于相邻但非目标细分领域：评估细分领域对齐度——最近 20 个视频中属于目标细分领域的百分比。
订阅数过时：YouTube 计数存在滞后；使用 avg_views 作为真实触达的代理指标。
无描述可用：跳过赞助历史检查；该分项按 0.5 计分。

输出格式：

# YouTube Sponsorship Candidates: [NICHE]
Channels evaluated: [N] | TIER A: [N] | TIER B: [N] | Date: [DATE]

## TIER A — Strong Sponsorship Candidates
| Channel | Subscribers | Avg Views | View Ratio | Sponsor History | Niche Fit | Score |
|---------|------------|-----------|------------|-----------------|-----------|-------|
| [name] | [N] | [N] | [X.XX] | [Yes/No/Repeat] | [%] | [0.XX] |

## TIER B — Secondary Candidates
| Channel | Subscribers | Avg Views | View Ratio | Last Sponsor |
|---------|------------|-----------|------------|-------------|

## Sponsorship Landscape in [NICHE]
- Channels already running sponsors: [N]/[N] evaluated ([X%])
- Most common sponsor in category: [brand name] (seen on [N] channels)
- Typical viewer demographic signal (from video titles): [description]

适用场景

品牌方或营销人员寻找特定细分领域内适合赞助合作的 YouTube 频道。
需要按赞助匹配度对候选频道进行分级排序的拓展场景。
需要了解某细分领域赞助格局（已有赞助的频道比例、常见赞助品牌等）的分析场景。

限制

需要 APIFY_TOKEN 环境变量；可选安装 Apify MCP 服务器。
无法从描述中检测赞助历史时，赞助语言有时隐藏在视频字幕（而非描述）中，这是已知限制，建议对前 5 个候选频道进行人工检查。
若结果全是百万级大频道（> 1M 订阅），需用 "beginner" 或 "indie" 等限定词缩小搜索，或在抓取后按订阅数过滤。
细分领域过宽时需缩小到子细分领域（如 "personal finance" → "fire movement"，"crypto" → "Bitcoin long-term investing"）。
关于收费、价格、平台支持范围等具体信息，资料中暂未提供。

技能介绍

用途

主要能力

使用方式

适用场景

限制