Communitygithub.com

Blind-Ad-Review (Blinde Werbeprüfung)

Verbessert ein Video-Werbespot durch wiederholte blinde A/B-Vergleiche. Zwei Versionen werden als Kontaktbögen einem neuen Prüfer gezeigt, der nicht weiß, welche neuer ist, und beide werden anhand von Benchmarks erfolgreicher Lebensmittelwerbung bewertet. Die nächste Version ändert nur, worüber sich die Prüfer einig sind, und die Schleife wiederholt sich, bis keine Verbesserungen mehr erzielt werden. Verwenden Sie dies, wenn der Nutzer eine Anzeige oder einen Reel vor dem Schalten von Werbung verbessern, iterieren, kritisieren oder A/B-testen möchte oder fragt: 'Welche Version ist besser?'

Was ist Blind-Ad-Review (Blinde Werbeprüfung)?

Diese Fähigkeit implementiert einen blinden A/B-Prüfzyklus für Video-Werbespots, der kognitive Verzerrungen durch wiederholte Selbsteinschätzung umgeht. Statt sich auf den Geschmack einer einzelnen Person zu verlassen, werden zwei Versionen eines Werbespots als Kontaktbögen (Einzelbilder alle 0,5 Sekunden) neuen Prüfern vorgelegt, die nicht wissen, welche Version neuer ist. Die Prüfer bewerten beide Versionen anhand objektiver Benchmarks aus erfolgreicher Lebensmittelwerbung (z. B. Daumenstopp in der ersten Sekunde, Appetitanregung, Tempo). Nur Änderungen, die von mehreren Prüfern unabhängig bestätigt wurden, werden umgesetzt – eine pro Version. Der Zyklus stoppt, wenn zwei aufeinanderfolgende Prüfungen zu einem knappen Unentschieden führen und alle verbleibenden Änderungen neues Filmmaterial oder eine Entscheidung des Eigentümers erfordern. Die Fähigkeit eignet sich besonders für Facebook- und Instagram-Reels-Werbung (oft ohne Ton) und unterstützt Plattformen wie Claude Code, Cursor oder Codex, auf denen neue Sub-Agenten oder Chats pro Prüfung gestartet werden können.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Raibit-AI/food-ad-kit/tree/HEAD/plugins/food-ad-kit/skills/blind-ad-review

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Blinder Werbeprüfzyklus

Die Beurteilung der eigenen Arbeit führt schnell zu Sättigung. Im Zyklus, aus dem diese Fähigkeit stammt, erreichte die Checkliste des Erstellers bei Version 15 einen Wert von 29,5 von 30, während die tatsächlichen Verbesserungen weiter voranschritten. Blinde Prüfungen fanden sie weiterhin.

1. Die Kontaktbögen erstellen

Erstellen Sie für jede Version ein Bild mit einem Einzelbild alle 0,5 s und dessen Zeitstempel:

ffmpeg -i ad.mp4 -vf "fps=2,scale=180:320,drawtext=text='%{pts\:hms}':fontcolor=yellow:fontsize=16:x=4:y=4,tile=8x6" -frames:v 1 sheet.jpg

Benennen Sie sie neutral (A.jpg, B.jpg) und randomisieren Sie, welche Version neuer ist.

2. Die Prüfung mit einem neuen Prüfer durchführen

Verwenden Sie jedes Mal einen neuen Sub-Agenten oder einen neuen Chat, damit der vorherige Kontext keine Verzerrung verursacht. Geben Sie ihm folgende Anweisung:

Sie sind ein Kreativdirektor für Performance-Marketing für Restaurantanzeigen auf Facebook und Instagram Reels, die meist ohne Ton laufen. Hier sind zwei Schnitte als Kontaktbögen, ein Einzelbild alle 0,5 s; die gelben Zeitstempel sind nicht Teil der Werbung. (1) Welcher Schnitt bekommt mehr Budget, und warum? Seien Sie bereit, es als Unentschieden zu werten. (2) Bewerten Sie jeden 1-10 auf: Daumenstopp in der ersten Sekunde, Appetitanregung, Klarheit von Wer und Wo, Tempo, Ende. (3) Die 3 wirkungsvollsten Korrekturen für den besseren Schnitt, jeweils mit einem Zeitstempel versehen. Markieren Sie alles, was KI-generiert oder merkwürdig aussieht. (4) Listen Sie anhand dieser Benchmarks jede Zeile auf, die der bessere Schnitt verfehlt: [fügen Sie die Tabelle aus benchmarks.md ein].

Schritt 4 ist die Verbesserung gegenüber dem reinen Geschmack. „Abstand zu dem, was erfolgreiche Werbung tut“ kann gemessen werden. „Gefällt es mir“ nicht.

3. Entscheiden, was geändert werden soll (Die Regeln, die Bestand hatten)

  • Handeln Sie nur, wo 2+ Prüfer zustimmen, oder wo die Korrektur messbar ist (Lautstärke, eine fehlende Marke, ein später erster Schnitt). Prüfer widersprechen sich beim Geschmack; in unserem Zyklus wünschte einer einen harten Schnitt zur Endkarte und der nächste eine Überblendung.
  • Ändern Sie eine Sache pro Version und schreiben Sie auf, was geändert wurde und warum.
  • Ein seitlicher Schritt ist kein Gewinn. Wenn ein Prüfer es als knapp bezeichnet, behalten Sie beide Versionen als echten A/B-Test für die Plattform (lang gegen kurz, zwei Hooks).
  • Testen Sie prüfergesteuerte Änderungen mit einem neuen Prüfer, um sicherzustellen, dass Sie die Werbung verbessern und nicht nur einen Kritiker zufriedenstellen.
  • Achten Sie auf Rückschritte. Ein neuer Hintergrund, der das Essen spärlicher aussehen lässt, ist ein Verlust: Essen zuerst, Vielfalt danach.

4. Wissen, wann man aufhören sollte

Hören Sie auf, wenn zwei Prüfungen hintereinander ein knappes Unentschieden ergeben und jede verbleibende Korrektur neues Filmmaterial (Personen, einen neuen Winkel, einen echten Dreh) oder eine Entscheidung des Eigentümers (ein Angebot, die Hook-Formulierung) erfordert. Versenden Sie dann 3-5 Varianten, die sich jeweils in einer Sache unterscheiden, schalten Sie sie eine Woche lang mit einem kleinen Tagesbudget und lassen Sie echte Zuschauer entscheiden. Führen Sie das Ergebnis als neue Basislinie in diesen Zyklus zurück.

Protokollvorlage

#Was geändert wurdeWarum (wer hat gefragt)PrüferergebnisBehalten?

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Raibit-AI/ad-teardown

Breaks a video ad down the way a creative director would. It measures length, cut speed and first cut; pulls frame strips of the first 3 seconds and of the whole ad; transcribes the speech; tags the hook, format, people, text, offer and ending; and scores it against benchmarks from winning food ads. Use when the user asks to analyze, break down, tear down, critique or compare a video ad, Reel or TikTok, especially for a restaurant or food brand.

Raibit-AI/food-shot-director

Directs AI image-to-video food shots for restaurant ads (chopsticks lifting noodles, a spoon scooping, sauce poured, a piece lifted to the lens). It gives the prompt formula, which foods animate well and which morph, and a keep-or-reject checklist so the dish still looks like the real menu item. Works with any image-to-video model (Kling, Veo, Seedance, LTX, Runway). Use when the user wants to animate a food photo, make food B-roll or a hand-in-frame food shot, or turn menu photos into video...

Raibit-AI/social-ad-builder

Assembles finished vertical social video ads from clips plus a simple JSON shot list. It outputs a 9:16 master for Reels, Stories and TikTok plus a 4:5 feed cut, with brand-color dish labels, the brand on frame 0, hard cuts, a matched color grade, clean designed sound, safe loudness and an end card. It uses free ffmpeg only. Use when the user wants to edit, cut, assemble or render a short ad, Reel or TikTok from food or product clips, or make several ad variations to A/B test.

Raibit-AI/winning-ad-finder

Finds video ads that are probably working for restaurants and food brands, using the free Meta Ad Library, and builds a short "swipe file" of likely winners to study. Use when the user asks to find winning ads, research competitors' Facebook or Instagram ads, see what ads restaurants are running, or build ad inspiration for a food business.

Verwandte Skills