nestyme/awesome-prompts

Trendwatch

Eine Pipeline für organisches TikTok/Instagram-Wachstum: Entdecke, was bei Wettbewerbern funktioniert, zerlege es auf sieben Achsen, generiere angepasste Hook-Ideen für dein Produkt und sammle mit der Zeit Erkenntnisse, sodass das Skill mit jeder Nutzung schärfer wird.

Gemeinsame Werkzeuge

Bevorzuge die tools/ CLI-Befehle des Repos gegenüber manuellem Sammeln/Analysieren – sie geben ein einheitliches JSON-Format aus und lassen sich verketten. Hier relevant:

Schritt	Werkzeug	Verwendung
3	trending_sounds.py	Trending-Sounds/-Hashtags von Creative Center nach Region + Zeitfenster
4	tiktok_account.py	Videos + Statistiken + Kommentare eines Kontos sammeln (TikTokApi → yt-dlp Fallback)
4	video_metadata.py	Fallback-Sammler für eine manuelle URL-Liste, wenn Scraper blockiert sind
4-5	account_stats.py	Konto-Median / Kadenz / Ausreißer / Paid-Amp + Shadow-Signale / Größen-Bucket
4-5	engagement.py ⭐	Engagement-Score pro Video, Speicherrate, Verhältnisse, Frische, Format-vs.-Creator-vs.-Paid-Zuordnung
5	decompose_video.py	Keyframes + Thumb-Stop-Frame + Transkript für die 7-Achsen-Zerlegung

Kanonische Kette: tiktok_account.py → account_stats.py (Median/Signale ermitteln) → engagement.py --account-median <M> --top 10 (Ideen-berechtigte Videos ranken). Vollständige Karte + Flags in tools/README.md.

Arbeitsprinzipien

1. Automatisch entdecken, bevor du fragst – immer. Schöpfe zuerst Werkzeuge aus: WebSearch (URLs, Handles, Neuigkeiten), WebFetch (App-Store-Seiten, Landing Pages, Wettbewerberprofile), Read/grep (Codebasis, Analytics-Ereignisse, Speicherdateien). Frage den Nutzer NUR für: Strategische Entscheidungen (Ziele, KPIs, wohin Traffic gelenkt wird), Subjektive Präferenzen (Stimme, was sie schätzen), Betriebliche Fakten, die in keinem System stehen (Budget, wer Inhalte produziert) oder Validierung bereits skizzierter Hypothesen. Frage niemals nach URLs, Handles, Kopien, Geodaten oder etwas, das Werkzeuge zurückgeben können. Der Beitrag des Nutzers dient dem Urteil, nicht der Nachforschung.

2. Likes lügen. Optimiere für Abschluss-/Speicher-/Teilen-Signale statt für rohe Likes. Wenn die Abschlussrate nicht öffentlich ist, verwende die Proxy-Formel aus Schritt 4.

3. Hooks leben in Formaten. Markiere ein Video immer mit seinem Format (POV / GRWM / Transition / Voiceover-B-Roll / usw.) – derselbe Hook versagt im falschen Format.

4. Die ersten 1,5 Sekunden sind nicht der Hook. Thumb-Stop und Hook sind separate Mechaniken. Zerlege sie getrennt.

5. Kommentare sind die Grundwahrheit für Copy. Die Top-Kommentare unter einem viralen Video eines Wettbewerbers offenbaren die tatsächliche Sprache und den Schmerz des Publikums – schürfe sie.

6. experiments.md ist der sich verzinsende Vermögenswert. Lies es immer vor der Ideenfindung. Biete immer an, es nach dem Posten des Nutzers zu aktualisieren.

7. Iteriere auf Gewinnern; töte Verlierer schnell. Ein Video, das auf einem kalten/neuen Konto ~1000 Aufrufe knackt, hat das erste Tor des Algorithmus passiert – das ist das Signal, die Botschaft zu fixieren und die Variablen zu variieren (Creator-Look, Umgebung, Ästhetik, Tempo). Neue Ideenfindung ist für den Kaltstart; Variantengenerierung ist für bewiesene Gewinner. Die meisten Gewinne nach dem ersten Gewinner kommen von Iteration, nicht von neuen Wetten.

8. Jage sowohl Schattenkonten als auch Partner-Influencer – beide produzieren die nicht-offiziellen Produktplatzierungen, die echte Reichweite erzielen. Gut finanzierte Wettbewerber nutzen zwei parallele Mechanismen: (a) Shadow-Alts (inoffizielle Konten, die von der Marke selbst betrieben werden, getarnt als UGC), und (b) Partner-Influencer (bezahlte unabhängige Creator, die gebrandete Beiträge produzieren). Beide übertreffen routinemäßig das offizielle Konto organisch; beide sind die echten Benchmarks. Erkenne Signale: App-UI-Wasserzeichen in Bildschirmaufnahmen, Bio-Links zur Website des Wettbewerbers, identische Posting-Kadenz wie das offizielle Konto (Shadow-Signatur), #ad/#sponsored/#partnership-Angabe (Partnerschaftssignatur), „thanks @brand“-Erwähnungen, Inhalte, die innerhalb von Stunden nach einem offiziellen Launch gepostet wurden, wiederholte offizielle Marketing-Formulierungen. Verfolge beide Typen in competitors/{handle}.md mit Tags wie type: shadow_of_{X} oder type: partner_of_{X}. Die Klassifizierung ist wichtig, um das Budget des Wettbewerbers zu verstehen, aber nicht für das Format-Mining – beide Kategorien produzieren gleichermaßen analysierbare Produktplatzierungs-Creatives.

9. Aktualität zählt – Frisch schlägt Berühmt. Ein Sound oder Format, das vor 6 Monaten seinen Höhepunkt hatte, wird jetzt algorithmisch unterdrückt und vom Publikum als abgenutzt empfunden. Erfasse immer posted_date und age_days für jedes analysierte Video. Markiere Aktualität: rising (<14d) / peak (14-30d) / declining (30-60d) / evergreen-structure-only (>60d). Für Sound-Empfehlungen: verwende nur Videos in rising oder peak. Für Hook/Format-Muster-Mining: erweitere auf 60 Tage. Videos >60d sind nützlich für immergrüne strukturelle Muster (z. B. spezifische-Schmerz-Hook-Framing), aber niemals für „verwende diesen genauen Sound“ oder „kopiere dieses genaue Creative“.

10. Trenne Format-Gewinne von Creator-Equity-Gewinnen und Paid-Amplification-Gewinnen. Ein 500k-View-Video auf einem 2M-Follower-Creator beweist nicht, dass das Format funktioniert – es beweist, dass der Creator beliebt ist. Gleiches gilt für Beiträge, die über TikTok Spark Ads / bezahlte Partnerschaften geboostet wurden. Berechne für jedes Video:

    • engagement_ratio = views / follower_count (normalisierte Reichweite) – Videos über dem 0,5-fachen dieser Baseline bedeuten, dass das Format einen Mehrwert hinzugefügt hat; unter dem 0,1-fachen bedeutet, dass der Creator es getragen hat
    • vs_account_median = views / account_median_views – Videos bei >2× Median = formatbedingt; Videos nahe am Median = Creator-Baseline-bedingt
    • Paid-Amp-Signal-Flags: plötzlicher Spike auf einem ansonsten durchschnittlichen Konto; #ad/#sponsored/#partnership-Angabe; „thanks @brand“-Erwähnung ohne organischen Rahmen; verdächtig polierter Schnitt für die Baseline-Qualität des Creators; „Promote“-Abzeichen des Geschäftskontos im Profil; Kommentarmuster der Zuschauer, die „ist das eine Anzeige?“ entsprechen

    Wenn du Muster für die Ideenfindung rankst, gewichte nur formatbedingte Gewinne. Ein 50k-View-Beitrag auf einem 5k-Follower-Konto ist weitaus übertragbarer als ein 500k-View-Beitrag auf einem 2M-Follower-Konto. Markiere jedes analysierte Video: format-attributable / creator-attributable / paid-amp-suspected – und ziehe Ideenmuster nur aus dem ersten Bucket.

11. Verzinsliche universelle Erkenntnisse im Playbook. Frage am Ende jedes Durchlaufs: „Haben wir etwas gelernt, das vertikalübergreifend gilt, nicht nur für dieses Produkt?“ Wenn ja, hänge es als neuen Unterabschnitt an den Taktischen Spielplan dieses SKILL.md an. Produktspezifische oder vertikalspezifische Erkenntnisse bleiben in brief.md und experiments.md. Das Skill verzinst sich nur im Wert, wenn vertikalübergreifende Muster aufgeschrieben werden. Bei Unsicherheit über den Umfang frage: „Würden ein SaaS-Gründer, eine Fitness-App und eine Modemarke alle von dieser Regel profitieren?“ Wenn ja → Spielplan. Wenn nein → brief/experiments.

12. Filtere nach Produktplatzierungsvideos von KLEINEN BIS MITTLEREN Konten – lass Promi-Platzierungen komplett weg. Was wir für das Format-Mining wollen, ist: (a) Der Beitrag ist eine explizite Produktplatzierung (Marke erwähnt, UI sichtbar, Hashtag oder „thanks @brand“), UND (b) Das postende Konto hat <500k Follower, idealerweise 10k–250k.

    Warum beide Filter wichtig sind:

    • Ohne Filter (a) – den Platzierungsfilter – analysieren wir am Ende die allgemeinen Inhalte eines Creators, die uns über die Reichweite des Creators informieren, nicht über die Strategie des Wettbewerbers.
    • Ohne Filter (b) – den Größenfilter – analysieren wir am Ende Promi-Platzierungen, die Reichweitenkäufe mit absichtlich gedämpften Formaten sind (siehe Playbook-Abschnitt „Promi-Partnerschafts-Platzierungen sind selten übertragbar“). Die Metrik, die wir kopieren würden, spiegelt die Zielgruppe des Promis wider, nicht den Auftrieb des Formats.

    Konto-Größen-Buckets und wie man sie behandelt:

    • <10k Follower: zu klein für zuverlässiges Signal – nur interessant, wenn das Engagement extrem ist (>100× Baseline)
    • 10k–250k Follower: PRIME für Format-Mining-Platzierungen – Formate müssen hier echte Arbeit leisten
    • 250k–500k Follower: immer noch nützlich, aber vor der Behandlung als formatbedingt mit engagement_ratio normalisieren (gemäß Prinzip 10)
    • 500k–1M Follower: Grauzone – akzeptiere nur, wenn der Platzierungsbeitrag klar über der Baseline des Creators liegt
    • >1M Follower: LASS Platzierungen während der Sammlung fallen. Promi-Reichweite dominiert; Format-Signal ist Rauschen. Ihre allgemeinen Inhalte können immer noch eine Sound-Trend-Referenz sein, aber niemals eine Wettbewerber-Strategiereferenz.

    Erkennungssignale für Platzierungen: (a) Marken-Hashtag-Erwähnung, (b) Markenname in Bildunterschrift/Titel, (c) Produkt-UI in Bildschirmaufnahme sichtbar, (d) „thanks @brand“-Angabe, (e) #ad/#sponsored/#partnership-Tag, (f) Link/Handle zum Produkt im Bio-Overlay. Markiere jedes Video als product-placement-for-{competitor} oder creator-general-content, UND markiere das Quellkonto mit seinem Follower-Bucket. Zähle nur Platzierungen von <500k-Konten beim Mining von Mustern. Promi-Platzierungen können notiert, aber niemals in den Quellsatz für die Ideenfindung aufgenommen werden.

Taktischer Spielplan (universelle Muster, die über Durchläufe hinweg beobachtet wurden)

Dies sind taktische Beobachtungen, die vertikalübergreifend gelten – wende sie bei jedem Durchlauf an. Wann immer ein Durchlauf eine neue übertragbare Lektion produziert, füge sie hier hinzu, damit zukünftige Durchläufe von ihr profitieren.

Diagnosereihenfolge, wenn ein Beitrag unterdurchschnittlich abschneidet

Wenn ein Beitrag das ~1000-View-Algo-Tor nicht knackt, diagnostiziere in dieser Priorität – das erste Element ist die häufigste Ursache:

1. Thumb-Stop-Visual (0–1,5s) – War der erste Frame tatsächlich scroll-stoppend? Die meisten „schlechten“ Beiträge haben einen guten Hook, aber einen unauffälligen ersten Frame.
2. Sound-Lebenszyklus – War der Sound rising/peak gemäß Prinzip 9? Ein alter Sound unterdrückt automatisch, unabhängig von der Inhaltsqualität.
3. Format-Nischen-Fehlpassung – Passt das Format zu dem, wofür der Algorithmus das Konto eingestuft hat? Kalte Konten haben noch keine Nische; die ersten 3-5 Beiträge definieren sie.
4. Bildunterschriften-Hook-Copy – Gab es einen verbalen Hook im ersten Satz oder eine Hashtag-Suppe? Hashtags gehören ans Ende; Hooks gehören an den Anfang.
5. Konto-Kaltstart – Wenn 1-4 in Ordnung sind und die Aufrufe immer noch ≤500 sind, braucht das Konto einfach mehr Beiträge; das Algorithmus-Vertrauen wächst über 3-10 Beiträge innerhalb einer Nische.

Kaltstart-Mechaniken

• Ein brandneues Konto verbringt jeden Beitrag in einem ~200-500 View-Algo-Test-Bucket
• Es braucht 3 Beiträge mit mehr als 1000 Aufrufen, um dem Algorithmus die Nische des Kontos beizubringen, bevor die Iterationsleiter produktiv anläuft
• Bis dahin: Kurze Formate (5-15s) erhalten mehr Chancen pro Algo-Dollar (niedrigere Testkosten pro Beitrag für die Plattform)
• Nach dem ersten 1000+-Gewinn: Verschiebe den Mix zu längeren Gewinnerformaten und führe Variantengenerierung gemäß Prinzip 7 durch

Speicherrate ist der führende Konversionsindikator (Utility-/Tool-Produkte)

Für Utility-, SaaS- oder Tool-Produkte (Apps, die etwas TUN) ist der führende Konversionsprädiktor die Speicherrate, nicht Likes oder Aufrufe.

• save_rate = saves / views
• >5% → sagt starke Kaufkonversion voraus
• 2-5% → mittelmäßig; optimiere CTA vor der Skalierung
• <1% → sagt unabhängig von der View-Zahl keine Konversion voraus – Format funktioniert für Bekanntheit, nicht für Kauf

Likes korrelieren mit Unterhaltungswert; Speicherungen korrelieren mit Absicht. Optimiere für Utility-Inhalte die Speicherrate, nicht die Like-Rate. (Gilt nicht für Unterhaltungs-/Lifestyle-Inhalte – dort sind Shares und Follower wichtiger.)

Aufteilung in Anker- und Varianten-Inhalte

Zwei Inhaltstypen erfüllen unterschiedliche Aufgaben – vermische nicht die Strategien im selben Beitrag:

• Anker-Beiträge (Gründererzählung, Markenursprung, tiefgehende Funktionsweise): NICHT varianten-iterieren. Neuaufnahme nur, wenn der Beitrag tot ist. Poste 1-2 pro Quartal als Konto-Vertrauenspfeiler. Gründerstimme = Vertrauensprämie, die sich langsam verzinst.
• Variantenfreundliche Beiträge (Trend-Jacks, Transformationen, ästhetische Listen, „Ich habe X eine Woche lang ausprobiert“): Entwickelt, um beim ersten Gewinn 5-8 Varianten hervorzubringen. Die Haupt-Iterationsleiter.

Der Versuch, eine Gründererzählung varianten-zu-iterieren, verbrennt Vertrauen, ohne die Reichweite zu steigern.

CTA-Mechaniken auf Plattformen ohne klickbare Links (TikTok, IG Reels)

Wenn die Plattform keine klickbaren Links im Video unterstützt:

• Der Markenname muss (a) leicht zu buchstabieren, (b) erinnerungsfreundlich und (c) 2× pro Video erwähnt werden – einmal im Voiceover, einmal als Text auf dem Endbildschirm
• „Link in Bio“ ist der schlechtestmögliche CTA – funktioniert auf TikTok nicht (kein klickbarer Bio-Link für die meisten Konten) und signalisiert Verzweiflung
• Ein Markennamen-CTA, der als Gebrauchsanweisung formuliert ist („[Marke] · [Verb] · [Ergebnis]“), übertrifft ein explizites „geh runterladen“ um etwa das 2- bis 3-fache

Spezifische-Schmerz-Hooks entsperren Nischenzielgruppen-Viralität

Hooks, die eine spezifische Bedingung, einen Schmerz oder ein Verhaltensmuster (im Gegensatz zu allgemeinem Schmerz) nennen, werden vom Algorithmus in der Nischenempfehlungs-Engine stärker beworben. Beispiele: ADHS/OCD für Organisation, neurodivergente Merkmale, körperspezifische Details, regionale Gewohnheiten, Alterskohorten-Verhalten.

• Abwägung: Nischen-Schmerz-Hooks liefern weniger Gesamtaufrufe, aber höhere Speicherraten (das Publikum wählt sich selbst aus)
• Verwende sie, wenn das Konto eine Verbesserung der Speicherrate / Konversion benötigt, nicht wenn du nach Top-of-Funnel-Reichweite strebst
• Kanonische Struktur: „Wir haben [Produkt] für [allgemeines-X] gemacht, aber nicht erwartet, wie sehr es Menschen mit [spezifischem-Schmerz] hilft“

Anti-X-Framing für Ersatzprodukte

Für jedes Produkt, das eine Gewohnheit ERSETZT, konvertiert „Anti-X“-Framing härter als „verwende X“-Framing:

• Anti-Haul für Shopping-Ersatz-Tools („Dinge, die ich nicht mehr kaufe, seit ich ... verwende“)
• Anti-Prokrastination für Produktivitätstools
• Anti-Meal-Prep für Koch-Abkürzungs-Tools

Der Mechanismus hat die Form einer Empfehlung, nicht eines Pitches – der Zuschauer hat das Gefühl, Tipps zu bekommen, nicht verkauft zu werden. Hohe Speicherrate, KPI-konform für Konversion.

Listicle-Anti-Pitch

Mehrfach-App- oder Mehrfach-Tool-Listen („Top N Apps, die jeder [Persona] braucht, um [aspirationales Verb]“) funktionieren als weiche Konversionsvektoren, wenn dein Produkt eines von N ist:

• Geringerer direkter Druck als Einzel-App-Pitches → höhere Speicherrate
• Risiko: Dein Produkt wird vergraben – platziere es an Position 1 oder 5 (Anfangs-/Ende-Primacy-Effekte)
• Kombiniere es immer mit 3-4 echten, nicht konkurrierenden Apps, damit die Empfehlung authentisch wirkt
• Am besten für Bekanntheitsphase-Konten, die neben vertrauenswürdigen App-Referenzen gesehen werden müssen

Analysiere den Produktions-Stack vor der Ideenfindung

Bevor du Ideen generierst, prüfe, welche Werkzeuge das Produkt tatsächlich für die Videoproduktion hat (Higgsfiel

…

[gekürzt für die Übersetzung]