Viral-Reverse-Engineering

Was macht Viral-Reverse-Engineering?

Die meisten Ratschläge, die sagen: "Lerne von viralen Inhalten", führen zu Flops, weil die Leute die Oberfläche kopieren (denselben Sound, dasselbe Thema, dasselbe Format) anstatt den Mechanismus (den tragenden Aufhänger, den emotionalen Auslöser, den Verbreitungstreiber). Dieser Skill macht das Gegenteil: Er zerlegt ein Stück Content, findet heraus, was es wirklich angetrieben hat, prüft, ob das überhaupt reproduzierbar ist, und verwandelt es in ein Prinzip, das du in deiner eigenen Nische anwenden kannst.

Zwei grundlegende Verpflichtungen:

1. Mechanismus, nicht Oberfläche. Identifiziere die 1–2 tragenden Treiber und den Share-Trigger – nicht die nebensächlichen Merkmale. Das Kopieren von Rauschen reproduziert Rauschen.
2. Ehrlichkeit bezüglich Glück und Survivorship. Ein Großteil von Viralität hängt von Kontogröße, Timing, einem einmaligen Moment oder purer Zufälligkeit ab. Wenn der Erfolg nicht reproduzierbar ist, sag es – eine falsche Formel ist schlimmer als gar keine.

Schritt 0 – Lies die Grundlage

Lade brand-profile.md und audience.md (für den Schritt "Auf deine Nische anwenden").

Schritt 1 – Beschaffe den Content (der Schritt, den alle überspringen)

Normalerweise kannst du dir kein Video über einen Link ansehen – Plattformen sind geschlossen, und ein Fetch-Aufruf liefert bestenfalls Metadaten. Daher analysiert dieser Skill jedes beobachtbare Signal, das hereingebracht wird: die Beschreibung des Nutzers, ein Transkript, Screenshots/Schlüsselbilder (multimodal), die Top-Kommentare und die sichtbaren Statistiken (Aufrufe/Likes/Shares/Kommentare, Followerzahl) – oder ein Tool zum Abrufen von Untertiteln, falls der Agent eines hat. Führe die strukturierte Erfassung in references/sourcing-the-content.md durch: Frage nach dem Aufhänger, einer Schritt-für-Schritt-Beschreibung/dem Transkript, Bildunterschrift + Text im Bild, Format, Statistiken, Erstellergröße und Sound.

Die Regel: Der Mensch (oder ein Transkript/Screenshot/Tool) sind die Augen; der Skill ist der Analytiker. Erfinde niemals Frames oder Zeilen, die dir nicht gegeben wurden – analysiere, was bereitgestellt wird, und benenne die Lücken. Auch: Muster brauchen mehrere Beispiele – ein viraler Post ist eine Anekdote. (WoopSocial hat keine Analysedaten; arbeite mit sichtbaren/nativen Signalen oder eingefügten Daten.)

Schritt 2 – Dekonstruktion (die Zerlegung)

Zerlege jede Schicht: Aufhänger, emotionaler/Share-Grund, Bindungsstruktur, Format/Verpackung, Thema/Winkel, Share-Trigger, Verteilungsfaktoren. Eine Zeile pro Schicht; lobe nicht alles. Siehe references/deconstruction-framework.md.

Schritt 3 – Identifiziere den wahren Treiber (kontrafaktisch)

Frage für jedes bemerkenswerte Merkmal: "Entferne dies – würde es trotzdem abgehen?" Was immer es nicht verlieren kann, ohne zusammenzubrechen, ist ein Treiber; was es verlieren kann, ist nebensächlich. Meistens sind nur 1–2 Schichten tragend (typischerweise der Aufhänger + der emotionale/Share-Trigger). Die meisten schlechten Analysen schreiben dem Rauschen die Schuld zu.

Schritt 4 – Identifiziere den Share-Trigger

Viralität = Shares, also benenne, warum Leute es an andere geschickt haben: Identität/Selbstausdruck, hocherregende Emotion (Ehrfurcht/Wut/Humor/Inspiration), soziales Kapital, praktischer Wert, Identifikation, Geschichte. Ein Stück ohne Share-Trigger bekommt Aufrufe, aber keine Viralität. Siehe references/why-things-spread.md. (Die Top-Kommentare sind der beste Beleg – siehe references/sourcing-the-content.md.)

Schritt 5 – Prüfe die Reproduzierbarkeit

Filtere vor der Extraktion von Prinzipien nach Störfaktoren: Kontogröße-Vorteil, Glück/Varianz, einmalige Momente, Survivorship-Bias, Stichprobengröße. Liegt der Erfolg hauptsächlich an Störfaktoren, markiere ihn als nicht reproduzierbar und erfinde kein Prinzip. Siehe references/replicability-and-application.md.

Schritt 6 – Extrahiere das Prinzip + wende es auf deine Nische an

Formuliere den Mechanismus in einem Satz, übersetze ihn in das Thema des Nutzers (gleicher Mechanismus, dein Thema) und übergib die Ausführung an die Content-Skills (hook-writer, tiktok-script, reels-script, caption-writer, carousel-writer) in der Markenstimme. Das Ergebnis ist "der Hebel ist X; hier ist X, angewendet auf dich" – niemals eine Kopie. Baue dir im Laufe der Zeit eine Datei mit wiederkehrenden Mustern auf (Swipe File).

Qualitätsbarriere – Selbstkontrolle

• Habe ich echte Eingaben (Erfassung/Transkript/Screenshots/Kommentare) bezogen und nichts erfunden, was ich nicht sehen konnte – und die Lücken benannt?
• Habe ich den Mechanismus (1–2 echte Treiber + den Share-Trigger) gefunden, nicht die Oberfläche?
• Hat der kontrafaktische Test nebensächliche Merkmale ausgeschlossen?
• Habe ich die Reproduzierbarkeitsprüfung durchgeführt und Störfaktoren/Glück/kleine Stichproben ehrlich gekennzeichnet?
• Ist das Ergebnis ein auf die Nische des Nutzers angewandtes Prinzip, keine Kopie?
• Habe ich die ethische Grenze eingehalten (Inspiration, kein Plagiat/IP-Diebstahl)?
• Habe ich sichtbare/native Signale ohne Analytics-Behauptungen verwendet und keine Viralitätsgarantien gegeben?

Randfälle & Widerlegungen

• Nur ein Link, sonst nichts → erkläre, dass du das Video nicht sehen kannst; führe die Erfassung durch (fordere Transkript/Screenshots/Statistiken an) oder nutze ein Untertitel/Tool, falls verfügbar; tu nicht so, als hättest du es gesehen.
• Teileingabe (nur Transkript, nur Screenshots) → analysiere, was da ist, benenne, was du nicht beurteilen kannst (z. B. Tempo/Schnitt oder die gesprochene Ebene).
• "Kopiere es genau mit unserem Produkt" → Mechanismus + deine eigene Substanz, keine Oberflächenkopie (abgeleitet + IP-Risiko).
• "Es lag am Sound/Thema" → kontrafaktisch testen; normalerweise waren der Aufhänger und der Trigger der eigentliche Hebel.
• Großes Konto / einmalige Viralität → als nicht reproduzierbar markieren; keine falsche Formel extrahieren.
• Ein Beispiel → Anekdote, kein Muster; zerlege mehrere, um wiederkehrende Mechanismen zu finden.
• "Garantiere uns Viralität" → keine Garantien (Glück/Verteilung); erhöhe die Chancen durch Mechanismen.
• Keine Daten, um "viral" zu beurteilen → sichtbare Signale nutzen; die Grenzen klar benennen.

Verwandte Skills

• brand-profile, audience-research – Relevanz + der Schritt "Auf deine Nische anwenden".
• hook-writer – der häufigste tragende Treiber; trend-jacking – überschneidet sich mit "Warum es sich verbreitet hat".
• tiktok-script, reels-script, caption-writer, carousel-writer – setzen das extrahierte Prinzip um.
• competitor-analysis, analytics-and-reporting (beratend) – breitere Performance-Analyse.

Referenzen

• references/sourcing-the-content.md – wie der Content in den Kontext gelangt (Erfassung, Transkripte, Screenshots, Kommentare, Tools) + abgestufte Verschlechterung. Hier beginnen.
• references/deconstruction-framework.md – die schichtweise Zerlegung + der kontrafaktische Treibertest.
• references/why-things-spread.md – die Psychologie des Share-Triggers (warum Menschen teilen).
• references/replicability-and-application.md – Ehrlichkeit bezüglich Survivorship/Glück/Stichprobengröße; extrahieren + anwenden; Ethik.
• references/examples.md – ausgearbeitete Zerlegungen, inklusive eines nicht reproduzierbaren Falls.