CommunityRecherche & Datenanalysegithub.com

Werbung-Gewinner Finder

Findet Videoanzeigen, die wahrscheinlich für Restaurants und Lebensmittelmarken funktionieren, mithilfe der kostenlosen Meta Ad Library, und erstellt eine kurze „Swipe-Datei“ mit vielversprechenden Kandidaten.

Was ist Werbung-Gewinner Finder?

Der Winning Ad Finder ist ein Skill, der dir hilft, erfolgreiche Videoanzeigen für Restaurants und Lebensmittelmarken zu identifizieren, indem er die Meta Ad Library nutzt. Da die Ad Library keine Ergebnisse wie Klicks oder Verkäufe anzeigt, verlässt sich der Skill auf zwei Signale: Reichweite (sortiert nach Impressionen) und Beständigkeit (Anzeigen, die länger als 30 Tage laufen). Der Benutzer führt die manuellen Suchschritte im eigenen Browser aus (kein Scraping), sammelt 15-30 vielversprechende Anzeigen aus 3-5 Suchanfragen und erstellt eine Tabelle mit Metadaten wie Advertiser, Startdatum, Laufzeit und Kopien. Die gesammelten Videos werden dann an den „ad-teardown“ Skill übergeben, um sie zu analysieren und mit Benchmarks zu vergleichen. Der Skill betont, dass Muster aus 15+ Anzeigen kopiert werden sollten, nicht einzelne kreative Elemente, und dass der wahre Erfolg nur durch eigene Tests mit 3-5 Versionen bei kleinem Budget gemessen wird.

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/winning-ad-finder

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

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

Dokumentation

Winning Ad Finder

Die Meta Ad Library (https://www.facebook.com/ads/library) zeigt jede Anzeige, die auf Facebook und Instagram läuft. Sie zeigt jedoch keine Ergebnisse, sodass du keine Klicks oder Verkäufe sehen kannst. Zwei Signale deuten darauf hin, dass diese Anzeige funktioniert:

  1. Reichweite. Sortiere nach Impressions. Die Anzeigen, die Meta am häufigsten zeigt, sind diejenigen, für die der Werbetreibende weiterhin zahlt.
  2. Beständigkeit. Werbetreibende schalten Anzeigen ab, die Geld verlieren, daher hat eine Anzeige, die nach 30+ Tagen noch läuft, wahrscheinlich ihren Zweck erfüllt.

Altes Alter allein ist eine Falle. Viele kleine Unternehmen boosten einen Beitrag und vergessen ihn jahrelang. In einer Studie von 1.944 Lebensmittelanzeigen liefen die ältesten „Gewinner“ seit 6 Jahren mit fast keiner Reichweite. Kombiniere immer das Alter mit der Reichweite.

Schritte (der Benutzer klickt; du führst an und protokollierst)

Lass den Benutzer die Ad Library in seinem eigenen Browser öffnen. Automatisiertes Scraping verstößt gegen Metas Nutzungsbedingungen, also schreibe oder führe keinen Scraper aus. Dann:

  1. Stelle Land auf den Markt des Benutzers und Anzeigenkategorie auf „Alle Anzeigen“.
  2. Suche nach einem Keyword, nicht nach einer Marke: ihrer Küche („Sichuan“, „Ramen“, „Tacos“), „Restaurant“, „[Stadt] Restaurant“, ihrem Signature-Gericht und 2-3 Konkurrenten namentlich.
  3. Öffne Filter: Aktiver Status = Aktive Anzeigen; Medientyp = Videos.
  4. Öffne Sortieren und wähle Impressions (hoch nach niedrig).
  5. Notiere für jedes der ersten ~25 Ergebnisse:
    • das „Gestartet am“-Datum
    • ob „N Anzeigen verwenden dieses Creative und diesen Text“ angezeigt wird (N von 3 oder mehr bedeutet, dass der Werbetreibende es skaliert)
    • die Library-ID, damit sie wieder gefunden werden kann.
  6. Behalte eine Anzeige als wahrscheinlichen Gewinner, wenn:
    • sie unter den ersten 25 nach Impressionen ist UND seit 30+ Tagen läuft, ODER
    • sie 3+ Kopien hat UND seit 21+ Tagen läuft.
  7. Sammle 15-30 wahrscheinliche Gewinner aus 3-5 Suchanfragen. Lass den Benutzer jedes Video mit der eigenen Download-Option der Library speichern oder auf einem Telefon als Bildschirmaufzeichnung aufnehmen.

Die Swipe-Datei

Erstelle eine Tabelle mit einer Zeile pro Gewinner:

| Library-ID | Werbetreibender | Gestartet | Tage | Kopien | Suche | Format (Montage / Talking / Creator / Reactions / Angebot) | Erste 3 Sekunden in einer Zeile |

Übergib dann die gespeicherten Videos an den ad-teardown Skill, um sie zu messen und mit den Benchmarks zu vergleichen.

Was dem Benutzer gesagt werden sollte

  • Dies sind Signale, kein Beweis. Eine einzelne Anzeige in der Liste beweist nichts; ein Muster über 15+ Anzeigen hinweg ist eine Nachahmung wert.
  • Kopiere Muster (Hook-Typ, Tempo, Struktur), niemals das Filmmaterial, die Musik oder den Wortlaut einer anderen Person.
  • Die einzige echte Bewertungsgrundlage sind die eigenen Anzeigen. Schalte 3-5 Versionen eine Woche lang mit einem kleinen Tagesbudget und behalte die, die gewinnt.

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/blind-ad-review

Improves a video ad through repeated blind A/B reviews. Two versions are shown as contact sheets to a fresh reviewer who doesn't know which is newer, and both are scored against benchmarks from winning food ads. The next version changes only what reviewers agree on, and the loop continues until the gains stop. Use when the user wants to improve, iterate, critique or A/B test an ad or Reel before spending money, or asks "which version is better".

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.

Verwandte Skills