Raibit-AI/winning-ad-finder

Trouve des publicités vidéo qui fonctionnent probablement pour les restaurants et les marques alimentaires, en utilisant la bibliothèque publicitaire gratuite de Meta, et crée un court « fichier d'inspiration » de gagnants potentiels à étudier.

Qu'est-ce que winning-ad-finder ?

Cette compétence permet de trouver des publicités vidéo efficaces pour les restaurants et les marques alimentaires en utilisant la bibliothèque publicitaire gratuite de Meta. Sans accès aux données de clics ou de ventes, elle se base sur deux signaux forts : la portée (impressions élevées) et la longévité (annonces actives depuis plus de 30 jours). L'utilisateur effectue les recherches manuellement dans son navigateur pour respecter les conditions d'utilisation de Meta, en filtrant par mots-clés, type de média (vidéo) et en triant par impressions. La compétence guide la collecte de 15 à 30 annonces prometteuses, puis les transmet à la compétence **ad-teardown** pour une analyse détaillée et une comparaison avec des références.

Compatible avec~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 et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Recherche de publicités gagnantes

La Bibliothèque publicitaire Meta (https://www.facebook.com/ads/library) montre toutes les publicités diffusées sur Facebook et Instagram. Elle n'affiche jamais les résultats, vous ne pouvez donc pas voir les clics ou les ventes. Deux signaux indiquent qu'une publicité « fonctionne » :

  1. Portée. Trier par impressions. Les publicités que Meta montre le plus sont celles pour lesquelles l'annonceur continue de payer.
  2. Pérennité. Les annonceurs désactivent les publicités qui perdent de l'argent, donc une publicité toujours diffusée après 30 jours a probablement fait ses preuves.

L'âge seul est un piège. De nombreuses petites entreprises boostent un post et l'oublient pendant des années. Dans une étude de 1 944 publicités alimentaires, les plus anciennes « gagnantes » étaient diffusées depuis 6 ans avec presque aucune portée. Combinez toujours l'âge avec la portée.

Étapes (l'utilisateur clique ; vous guidez et enregistrez)

Demandez à l'utilisateur d'ouvrir la Bibliothèque publicitaire dans son propre navigateur. Le scraping automatisé est contraire aux conditions d'utilisation de Meta, n'écrivez donc pas et n'exécutez pas de scraper. Ensuite :

  1. Définissez le Pays sur leur marché et Catégorie de publicité sur « Toutes les publicités ».
  2. Recherchez un mot-clé, pas une marque : leur cuisine (« sichuan », « ramen », « tacos »), « restaurant », « [ville] restaurant », leur plat signature, et 2-3 concurrents par nom.
  3. Ouvrez Filtres : Statut actif = Publicités actives ; Type de média = Vidéos.
  4. Ouvrez Trier et choisissez Impressions (de la plus élevée à la plus faible).
  5. Pour chacun des ~25 premiers résultats, notez :
    • la date « Diffusion lancée le »
    • s'il est indiqué « N publicités utilisent cette création et ce texte » (N de 3 ou plus signifie que l'annonceur la multiplie)
    • l'ID de la Bibliothèque, pour pouvoir la retrouver.
  6. Gardez une publicité comme gagnante probable lorsque :
    • elle fait partie du top 25 par impressions ET est diffusée depuis 30 jours ou plus, OU
    • elle a 3+ copies ET est diffusée depuis 21 jours ou plus.
  7. Collectez 15 à 30 gagnants probables sur 3 à 5 recherches. Demandez à l'utilisateur de sauvegarder chaque vidéo avec l'option de téléchargement de la Bibliothèque, ou de l'enregistrer sur son téléphone.

Le fichier d'inspiration

Créez un tableau, une ligne par gagnant :

| ID Bibliothèque | Annonceur | Débuté | Jours | Copies | Recherche | Format (montage / talk / créateur / réactions / offre) | 3 premières secondes en une ligne |

Transmettez ensuite les vidéos sauvegardées à la compétence ad-teardown pour les mesurer et les comparer aux références.

Ce qu'il faut dire à l'utilisateur

  • Ce sont des signaux, pas des preuves. Une seule publicité dans la liste ne prouve rien ; un motif récurrent sur 15+ publicités mérite d'être copié.
  • Copiez les motifs (type d'accroche, rythme, structure), jamais les images, la musique ou les mots de quelqu'un d'autre.
  • Le seul véritable tableau de bord est leurs propres publicités. Lancez 3 à 5 versions avec un petit budget quotidien pendant une semaine et gardez ce qui fonctionne.

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.

Skills associés