nstyme/awesome-prompts: Trendwatch

Trendwatch

Un pipeline de crecimiento orgánico para TikTok/Instagram: descubre qué está funcionando para la competencia, descompón por qué funciona en 7 ejes, genera ideas de gancho adaptadas a tu producto y acumula aprendizajes con el tiempo para que el skill sea más preciso con cada uso.

Herramientas compartidas

Prefiere las CLI de tools/ del repositorio sobre escribir código de colección/analítica manualmente — emiten un envelope JSON uniforme y se encadenan. Relevante aquí:

Paso	Herramienta	Uso
3	trending_sounds.py	Sonidos y hashtags tendencia de Creative Center por región y ventana
4	tiktok_account.py	Recopila los videos, estadísticas y comentarios de una cuenta (TikTokApi → yt-dlp como fallback)
4	video_metadata.py	Recopilador de fallback para una lista manual de URLs cuando los scrapers están bloqueados
4-5	account_stats.py	Mediana de la cuenta, cadencia, outliers, señales de paid-amp/sombra, bucket de tamaño
4-5	engagement.py ⭐	Por video: engagement_score, save_rate, ratios, frescura, atribución formato-vs-creador-vs-paid
5	decompose_video.py	Keyframes + frame de thumb-stop + transcripción para la descomposición en 7 ejes

Cadena canónica: tiktok_account.py → account_stats.py (obtener mediana/señales) → engagement.py --account-median <M> --top 10 (rankear videos elegibles para ideación). Mapa completo y flags en tools/README.md.

Principios de operación

1. Auto-descubrir antes de preguntar — siempre. Agotar herramientas primero: WebSearch (URLs, handles, noticias), WebFetch (páginas de App Store, landing pages, perfiles competidores), Leer/grep (codebase, eventos de analytics, archivos de memoria). Preguntar al usuario SOLO por: decisiones estratégicas (metas, KPIs, adónde enviar tráfico), preferencias subjetivas (voz, lo que valoran), hechos operativos que no están en ningún sistema (presupuesto, quién graba contenido), o validación de hipótesis ya redactadas. Nunca preguntar por URLs, handles, texto, geo o nada que las herramientas puedan devolver. El turno del usuario es para juicio, no para búsqueda.

2. Los "Me gusta" engañan. Optimizar para señales de finalización / guardado / compartir por encima de "me gusta" brutos. Cuando la finalización no es pública, usar la fórmula proxy del Paso 4.

3. Los ganchos viven dentro de los formatos. Siempre etiquetar un video con su formato (POV / GRWM / transición / voz en off con B-roll / etc.) — el mismo gancho falla en el formato equivocado.

4. Los primeros 1.5 segundos no son el gancho. Thumb-stop y gancho son mecánicas separadas. Descomponerlas por separado.

5. Los comentarios son la verdad del texto. Los comentarios principales en un video viral de un competidor revelan el lenguaje real de la audiencia y su dolor — minarlos.

6. experiments.md es el activo que se acumula. Siempre leerlo antes de la ideación. Siempre ofrecer actualizarlo después de que el usuario publique.

7. Iterar sobre ganadores; eliminar perdedores rápido. Un video que supera ~1000 visualizaciones en una cuenta nueva/fría pasó la primera puerta del algoritmo — esa es la señal para fijar el mensaje y variar las variables (apariencia del creador, escenario, estética, ritmo). Nueva ideación es para el arranque en frío; generación de variantes es para ganadores probados. La mayoría de las victorias después del primer ganador provienen de la iteración, no de nuevas apuestas.

8. Buscar cuentas sombra Y influencers asociados — ambos producen las colocaciones de producto no oficiales que generan alcance real. Los competidores bien financiados usan dos mecanismos paralelos: (a) cuentas sombra alternativas (cuentas no oficiales gestionadas por la propia marca, disfrazadas de UGC), y (b) influencers asociados (creadores independientes pagados que producen posts de marca). Ambos suelen superar orgánicamente a la cuenta oficial; ambos son los verdaderos benchmarks. Detectar señales: marcas de agua de la interfaz de la app visibles en grabaciones de pantalla, enlaces en la bio al sitio del competidor, cadencia de publicación idéntica a la cuenta oficial (firma de sombra), divulgación #ad/#sponsored/#partnership (firma de asociación), menciones "gracias @marca", contenido publicado horas después de un lanzamiento oficial, frases repetidas del marketing oficial. Rastrear ambos tipos en competidores/{handle}.md con etiquetas type: shadow_of_{X} o type: partner_of_{X}. La clasificación importa para entender el presupuesto del competidor pero no para la minería de formatos — ambos buckets producen creatividades de colocación de producto igualmente analizables.

9. La actualidad importa — lo fresco gana a lo famoso. Un sonido o formato que alcanzó su punto máximo hace 6 meses ahora está suprimido algorítmicamente y la audiencia está cansada. Siempre capturar posted_date y age_days para cada video analizado. Etiquetar frescura: rising (<14d) / peak (14-30d) / declining (30-60d) / evergreen-structure-only (>60d). Para recomendaciones de sonido: usar solo videos en rising o peak. Para minería de patrones de gancho/formato: extender a 60 días. Los videos >60d son útiles para patrones estructurales atemporales (ej. encuadre de gancho con dolor específico) pero nunca para "usar este sonido exacto" o "copiar esta creatividad exacta".

10. Separar las victorias de formato de las victorias de equity de creador y las victorias de amplificación paga. Un video de 500k vistas en un creador de 2M de seguidores no es prueba de que el formato funcione — es prueba de que el creador es popular. Lo mismo para posts potenciados con TikTok Spark Ads / asociaciones pagadas. Calcular para cada video:

    • engagement_ratio = vistas / conteo_de_seguidores (alcance normalizado) — videos por encima de 0.5× esta línea base significan que el formato agregó valor; por debajo de 0.1× significa que el creador lo cargó
    • vs_account_median = vistas / median_vistas_cuenta — videos con >2× mediana = atribuible al formato; videos cerca de la mediana = atribuible a la línea base del creador
    • Señales de amplificación paga: pico repentino en una cuenta por lo demás media; divulgación #ad/#sponsored/#partnership; mención "gracias @marca" sin marco orgánico; edición sospechosamente pulida para la calidad base del creador; insignia "Promocionar" de cuenta comercial en el perfil; patrón de comentarios de espectadores que coincide con "¿esto es un anuncio?"

    Al clasificar patrones para la ideación, ponderar solo las victorias atribuibles al formato. Un post de 50k vistas en una cuenta de 5k seguidores es mucho más transferible que un post de 500k vistas en una cuenta de 2M de seguidores. Etiquetar cada video analizado: format-attributable / creator-attributable / paid-amp-suspected — y extraer patrones de ideación solo del primer bucket.

11. Acumular aprendizajes universales en el playbook. Al final de cada ejecución, preguntar: "¿aprendimos algo que se sostenga entre verticales, no solo para este producto?" Si es así, añadirlo a la sección Playbook táctico de este SKILL.md como una nueva subsección. Los aprendizajes específicos de producto o vertical se quedan en brief.md y experiments.md. El skill se vuelve más valioso solo si los patrones entre verticales se escriben. En caso de duda sobre el alcance, preguntar: "¿se beneficiarían un fundador de SaaS, una app de fitness y una marca de moda de esta regla?" Si sí → playbook. Si no → brief/experimentos.

12. Filtrar solo videos de colocación de producto de cuentas PEQUEÑAS A MEDIANAS — descartar por completo las colocaciones de nivel celebridad. Lo que queremos para la minería de formatos es: (a) el post es una colocación de producto explícita (marca mencionada, UI visible, hashtag o "gracias @marca"), Y (b) la cuenta que publica tiene <500k seguidores, idealmente 10k–250k.

    Por qué importan ambos filtros:

    • Sin el filtro (a) — el de colocación — terminamos analizando el contenido general de un creador, lo que nos enseña sobre el alcance del creador, no sobre la estrategia del competidor.
    • Sin el filtro (b) — el de tamaño — terminamos analizando colocaciones de celebridades, que son compras de alcance con formatos intencionalmente apagados (ver sección del playbook "Las colocaciones de asociación con celebridades rara vez transfieren"). La métrica que copiaríamos refleja el pipeline de audiencia de la celebridad, no el levantamiento del formato.

    Buckets de tamaño de cuenta y cómo tratar cada uno:

    • <10k seguidores: demasiado pequeña para señal confiable — interesante solo si el engagement es extremo (>100× la línea base)
    • 10k–250k seguidores: PRIME para minería de formatos en colocaciones — los formatos aquí tienen que hacer el trabajo real
    • 250k–500k seguidores: aún útil, pero normalizar por engagement_ratio (según el principio 10) antes de tratarlo como atribuible al formato
    • 500k–1M seguidores: zona gris — aceptar solo si el post de colocación está claramente por encima de la línea base del creador
    • >1M seguidores: DESCARTAR colocaciones durante la recopilación. El alcance de la celebridad domina; la señal del formato es ruido. Su contenido general puede ser una referencia de tendencia de sonido pero nunca una referencia de estrategia de competidor.

    Señales de detección para colocación: (a) mención de hashtag de marca, (b) nombre de marca en el pie de foto/título, (c) UI del producto visible en la grabación de pantalla, (d) divulgación "gracias @marca", (e) etiqueta #ad/#sponsored/#partnership, (f) enlace/handle al producto en la superposición de la bio. Etiquetar cada video colocacion-producto-para-{competidor} o contenido-general-creador, Y etiquetar la cuenta fuente con su bucket de seguidores. Solo contar colocaciones de cuentas <500k al extraer patrones. Las colocaciones de nivel celebridad pueden notarse pero nunca incorporarse al conjunto fuente de ideación.

Playbook táctico (patrones universales observados entre ejecuciones)

Estas son observaciones tácticas que se mantienen entre verticales — aplicar en cada pase. Siempre que una ejecución produzca una nueva lección transferible, añadirla aquí para que futuras ejecuciones la hereden.

Orden de diagnóstico cuando un post tiene bajo rendimiento

Cuando un post no supera la puerta del algoritmo de ~1000 vistas, diagnosticar en esta prioridad — el primer elemento es la causa más común:

1. Visual de thumb-stop (0–1.5s) — ¿el primer fotograma era realmente de parada de desplazamiento? La mayoría de los posts "malos" tienen un buen gancho pero un primer fotograma poco notable.
2. Ciclo de vida del sonido — ¿estaba el sonido en rising/peak según el principio 9? Un sonido obsoleto suprime automáticamente independientemente de la calidad del contenido.
3. Desajuste formato-nicho — ¿coincide el formato con lo que el algoritmo ha identificado para la cuenta? Las cuentas frías aún no tienen nicho; los primeros 3-5 posts lo definen.
4. Texto del gancho en el pie de foto — ¿había un gancho verbal en la primera frase, o una sopa de hashtags? Los hashtags van al final; los ganchos van primero.
5. Arranque en frío de la cuenta — si 1-4 están bien y las vistas siguen siendo ≤500, la cuenta solo necesita más posts; la confianza del algoritmo se acumula a lo largo de 3-10 posts dentro de un nicho.

Mecánica de arranque en frío

• Una cuenta nueva gasta cada post en un bucket de prueba del algoritmo de ~200-500 vistas
• Se necesitan 3 posts que superen las 1000+ vistas para enseñar al algoritmo el nicho de la cuenta antes de que la escalera de iteración comience a funcionar de manera productiva
• Hasta entonces: los formatos cortos (5-15s) obtienen más oportunidades por "dólar de algoritmo" (menor costo por prueba para la plataforma)
• Después de la primera victoria de 1000+: cambiar la mezcla hacia formatos más largos ganadores y ejecutar generación de variantes según el principio 7

La tasa de guardado es el indicador adelantado de conversión (productos de utilidad/herramienta)

Para productos de utilidad, SaaS o herramientas (apps que HACEN algo), el predictor adelantado de conversión es la tasa de guardado, no los "me gusta" o las vistas.

• tasa_de_guardado = guardados / vistas
• >5% → predice una fuerte conversión de compra
• 2-5% → medio; ajustar CTA antes de escalar
• <1% → predice que no habrá conversión independientemente del número de vistas — el formato funciona para conciencia, no para compra

Los "Me gusta" se correlacionan con el valor de entretenimiento; los guardados se correlacionan con la intención. Para contenido de utilidad, optimizar la tasa de guardado, no la tasa de "me gusta". (No aplica a contenido de entretenimiento/estilo de vida — allí, los compartidos y los seguidores importan más.)

División entre contenido ancla y variante

Dos tipos de contenido hacen trabajos diferentes — no mezclar estrategias en el mismo post:

• Posts ancla (narrativa del fundador, origen de la marca, explicación profunda de funcionamiento): NO iterar variantes. Regrabar solo si está muerto. Publicar 1-2 por trimestre como pilares de confianza de la cuenta. La voz del fundador = prima de confianza que se acumula lentamente.
• Posts aptos para variantes (trend-jacks, transformaciones, listicles estéticos, "probé X durante una semana"): diseñados para generar 5-8 variantes desde la primera victoria. La escalera de iteración principal.

Intentar iterar variantes de una narrativa de fundador quema la confianza sin acumular alcance.

Mecánica de CTA en plataformas sin enlaces clickables (TikTok, IG Reels)

Cuando la plataforma no admite enlaces clickables en el video:

• El nombre de la marca debe ser (a) fácil de deletrear, (b) amigable para el recuerdo, (c) mencionado 2× por video — una vez en la voz en off, una vez como texto en pantalla al final
• "Link in bio" es el peor CTA posible — no funciona en TikTok (no hay enlace clickable en la bio para la mayoría de las cuentas) y es una señal de desesperación
• Un CTA con el nombre de la marca enmarcado como instrucción de utilidad ([marca] · [verbo] · [resultado]) supera a un "vaya a descargar" explícito en aproximadamente 2-3×

Los ganchos de dolor específico desbloquean la viralidad de nicho

Los ganchos que nombran una condición, dolor o patrón de comportamiento específico (en lugar de un dolor genérico) son impulsados con más fuerza por el motor de recomendación de nicho del algoritmo. Ejemplos: TDAH/TOC para organización, rasgos neurodivergentes, peculiaridades de forma corporal, hábitos regionales, comportamientos de cohortes de edad.

• Compensación: los ganchos de dolor de nicho ofrecen menos vistas totales pero tasas de guardado más altas (la audiencia se autoselecciona)
• Usar cuando la cuenta necesita mejorar la tasa de guardado / conversión, no cuando se busca alcance de alto embudo
• Estructura canónica: "Hicimos [producto] para [X-genérico], pero no esperábamos cuánto ayuda a personas con [dolor-específico]"

Encuadre Anti-X para productos sustitutivos

Para cualquier producto que REEMPLAZA un hábito, el encuadre "anti-X" convierte más fuerte que el encuadre "usa X":

• Anti-haul para herramientas de reemplazo de compras ("cosas que dejé de comprar desde que empecé a usar...")
• Anti-procrastinación para herramientas de productividad
• Anti-preparación de comidas para herramientas de atajo de cocina

La mecánica tiene forma de recomendación, no de argumento de venta — el espectador siente que recibe consejos, no que le venden. Alta tasa de guardado, alineado con KPI para conversión.

Anti-argumento de lista

Los listicles de múltiples apps o herramientas ("Top N apps que toda [persona] necesita para [verbo aspiracional]") funcionan como vectores de conversión suave cuando tu producto es uno de N:

• Menos presión directa que los argumentos de una sola app → mayor tasa de guardado
• Riesgo: tu producto puede quedar enterrado — colocarlo en la posición 1 o 5 (efectos de primacía inicial/final)
• Siempre emparejar con 3-4 apps genuinamente no competidoras para que la recomendación parezca auténtica
• Mejor para cuentas en etapa de conciencia que necesitan ser vistas junto a referencias de apps de confianza

Auditar el stack de producción antes de la ideación

Antes de generar ideas, auditar qué herramientas tiene realmente el producto para la producción de video (Higgsfield, CapCut, Veed, etc.) — un gancho que requiere una edición compleja no es viable si el equipo de contenido solo tiene teléfonos y CapCut gratis. Sesgar las recomendaciones de formato hacia las capacidades reales de producción, no hacia las ideales.