Meta Video Ad Deconstructor

Polar Sponsor
爱发电 赞助
.NET 9.0

利用 Gemini AI 将视频广告创意拆解为营销维度,提取钩子、社会证明、CTA、目标受众、情感触发点、紧迫感策略等要素。适用于分析竞品广告、生成创意简报或理解广告成效。

视频解析器

功能概述

视频解析器是一项面向实际任务的技能,主要用于AI 驱动的解析视频广告创意 成可操作的营销洞察力;此技能能做什么;

核心要点

  • Generate Security : 产品、 特性、受众、 CDA 提取。
  • 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
  • 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。

使用与执行

该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

视频广告解构器

利用 AI 将视频广告创意解构为可落地的营销洞察。

该技能的功能

  • 生成摘要:提取产品、功能、目标受众、行动号召(CTA)等关键信息
  • 解构营销维度:包括钩子(Hooks)、社交证明(Social Proof)、紧迫感(Urgency)、情绪触发点(Emotion)等
  • 支持多种内容类型:面向消费类产品与游戏类广告
  • 进度追踪:支持回调机制,适用于耗时较长的分析任务
  • JSON 输出:提供结构化数据,便于下游系统进一步处理

配置

1. 环境变量

# Gemini 所需
GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json

2. 依赖项

pip install vertexai

使用方法

基础广告解构

from scripts.deconstructor import AdDeconstructor
from scripts.models import ExtractedVideoContent
import vertexai
from vertexai.generative_models import GenerativeModel

# 初始化 Vertex AI
vertexai.init(project="your-project-id", location="us-central1")
gemini_model = GenerativeModel("gemini-1.5-flash")

# 创建解构器实例
deconstructor = AdDeconstructor(gemini_model=gemini_model)

# 构建已提取内容(可来自 video-ad-analyzer,或手动构造)
content = ExtractedVideoContent(
    video_path="ad.mp4",
    duration=30.0,
    transcript="Tired of messy cables? Meet CableFlow...",
    text_timeline=[{"at": 0.0, "text": ["50% OFF TODAY"]}],
    scene_timeline=[{"timestamp": 0.0, "description": "Person frustrated with tangled cables"}]
)

# 生成摘要
summary = deconstructor.generate_summary(
    transcript=content.transcript,
    scenes="0.0s: Person frustrated with tangled cables",
    text_overlays="50% OFF TODAY"
)
print(summary)

完整解构

# 解构全部营销维度
def on_progress(fraction, dimension):
    print(f"Progress: {fraction*100:.0f}% - Analyzed {dimension}")

analysis = deconstructor.deconstruct(
    extracted_content=content,
    summary=summary,
    is_gaming=False,  # 游戏类广告请设为 True
    on_progress=on_progress
)

# 访问各维度结果
for dimension, data in analysis.dimensions.items():
    print(f"\n{dimension}:")
    print(data)

输出结构

摘要输出示例

Product/App: CableFlow Cable Organizer

Key Features:
Magnetic design: Keeps cables organized automatically
Universal fit: Works with all cable types
Premium materials: Durable silicone construction

Target Audience: Tech users frustrated with cable management

Call to Action: Order now and get 50% off

解构输出示例

{
    "spoken_hooks": {
        "elements": [
            {
                "hook_text": "Tired of messy cables?",
                "timestamp": "0:00",
                "hook_type": "Problem Question",
                "effectiveness": "High - directly addresses pain point"
            }
        ]
    },
    "social_proof": {
        "elements": [
            {
                "proof_type": "User Count",
                "claim": "Over 1 million happy customers",
                "credibility_score": 7
            }
        ]
    },
    # ... 其他维度
}

已解构的营销维度

维度 提取内容说明
spoken_hooks 从口播文本中提取的开场钩子
visual_hooks 吸引注意力的视觉元素
text_hooks 画面中出现的文字钩子
social_proof 用户评价、用户数量、评分等社交证明信息
urgency_scarcity 限时优惠、库存紧张等营造紧迫感/稀缺感的信息
emotional_triggers 恐惧、渴望、归属感等情绪触发点
problem_solution 用户痛点及对应解决方案
cta_analysis 行动号召(CTA)的有效性分析
target_audience 广告所针对的目标人群
unique_mechanism 产品区别于竞品的核心独特机制

自定义提示词(Prompts)

编辑 prompts/marketing_analysis.md 文件,可自定义以下内容:

  • 需分析的营销维度
  • 输出格式
  • 评分标准
  • 侧重游戏类广告还是消费类产品广告

常见问题解答

  • “该广告使用了哪些钩子?”
  • “该广告的情绪诉求是什么?”
  • “该广告如何营造紧迫感?”
  • “该广告的目标人群是谁?”
  • “该广告展示了哪些社交证明?”
  • “请解构这个竞品的广告”

相关专题

更多
LLVM自定义Pass怎么写
LLVM自定义Pass怎么写

本专题聚焦LLVM自定义Pass开发,整理Pass类结构、run()方法、PreservedAnalyses、CMake构建、插件注册、-load-pass-plugin加载和测试用例编写流程。

2026.09.30

0

10

LLVM RISC-V参数配置教程
LLVM RISC-V参数配置教程

本专题介绍LLVM对RISC-V基础ISA和扩展的支持方式,涵盖RV32、RV64、标准扩展、实验性扩展、厂商扩展、-menable-experimental-extensions和版本差异。

2026.09.30

0

14

LLVM IR中间表示入门指南
LLVM IR中间表示入门指南

本专题整理LLVM IR的核心概念,包括中间表示作用、模块结构、函数、基本块、SSA形式、类型系统和常见语法,帮助新手理解LLVM编译流程中的关键层。

2026.09.30

0

12

PDF转图片方法
PDF转图片方法

需要把 PDF 页面用于上传、预览、分享或图片归档时,PDF 转图片方法专题整理 JPG/PNG 格式选择、逐页导出、清晰度设置、批量下载和结果检查等流程,帮助用户稳定完成 PDF 图片化处理。

2026.09.30

0

26

PixTV AI视频生成与无限画布创作
PixTV AI视频生成与无限画布创作

PixTV专题整理AI视频与视觉内容创作相关功能使用教程,涵盖AI生图、视频生成、无限画布、多模型创作、素材管理、声音音乐及视频剪辑等功能,帮助用户快速掌握PixTV从创意到成片的完整制作方法。

2026.09.29

0

15

Buffalo框架数据库开发全教程
Buffalo框架数据库开发全教程

本专题围绕Buffalo框架数据库开发,讲解database.yml多环境配置、soda与fizz迁移生成回滚、模型结构体标签、增删改查与条件查询、一对多与多对多关联、数据校验、回调钩子、事务处理及原生SQL执行能力。

2026.09.23

0

15

Buffalo框架路由与请求处理实操指南
Buffalo框架路由与请求处理实操指南

本专题讲解Buffalo框架路由与请求处理机制,涵盖路由注册与分组、资源路由、Handler编写规范、Context上下文方法、参数绑定、中间件编写挂载、Session与Cookie读写、Flash消息及错误页面定制方法。

2026.09.23

0

15

Buffalo框架零基础入门教程
Buffalo框架零基础入门教程

本专题整理Buffalo框架入门内容,涵盖Go环境准备、buffalo CLI安装、新项目生成、目录结构说明、dev热加载启动、数据库连接配置与常见报错排查,帮助新手按约定优于配置的思路跑通第一个Buffalo框架应用。

2026.09.23

0

15

Conan创建软件包配方指南
Conan创建软件包配方指南

本专题介绍通过conanfile.py创建软件包的方法,讲解包名、版本、依赖和构建设置等基础信息,以及source、build、package、package_info等常用方法的作用及编写思路。

2026.09.22

0

12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.6万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 133.4万人学习