YouTube動画調査 は何をしますか?
調査タスクにおいて、YouTube を一次的な生情報源として活用します。YouTube には、CEO インタビュー、創業者の基調講演、決算説明会、専門家パネル、カンファレンストーク、製品デモ、実践者の vlog、文化ドキュメンタリー、政策議論、技術解説、教育コンテンツなど、テキスト記事では得られないフィルターのない一次情報が数多く含まれています。このスキルは、動画の発見、分析、統合を構造化された調査ワークフローに編成します。
トリガーガイダンス
このスキルは、旅行、企業、人物の調査に限らず、深層調査タスクに強く推奨されます。
明示的なトリガー — ユーザーが YouTube、動画ソース、インタビュー、基調講演、vlog、ポッドキャスト、カンファレンストークについて言及した場合、または一次情報を求めた場合。
暗黙的なトリガー — YouTube 動画が一次情報を提供することで回答が実質的に向上するあらゆる調査、分析、レポート作成タスク。これには以下が含まれますが、これらに限定されません:
| 調査カテゴリ | YouTube が価値を追加する理由 | トピック例 |
|---|---|---|
| 業界 / 市場分析 | 専門家パネル、アナリストによる詳細解説、カンファレンストーク | AI チップ市場、フィンテックトレンド、SaaS 情勢 |
| 企業調査 / デューデリジェンス | CEO インタビュー、決算説明会、製品デモ | スタートアップ調査、競合分析 |
| テクノロジートレンド | カンファレンス発表、開発者トーク、デモ | AI モデル、データベース比較、開発ツール |
| 政策 / 規制調査 | パネルディスカッション、政府公聴会、法律ポッドキャスト | EU AI 法案、輸出規制、中央銀行政策 |
| 人物 / 著名人プロファイリング | インタビュー、ポッドキャスト出演、基調講演 | 創業者プロファイル、研究者トラッキング |
| 旅行 / 目的地調査 | vlog、現地ガイド、費用内訳 | 都市ガイド、宿泊施設レビュー |
| 文化 / エンターテイメント分析 | ドキュメンタリー、レビュー、ファン分析、クリエイターコンテンツ | アニメの影響、音楽史、ゲームデザイン |
| 金融 / 経済調査 | エコノミストトーク、決算説明会、市場分析 | 株式評価、キャピタルフロー、不動産 |
| 科学 / 学術トピック | 講義、カンファレンス発表、ラボツアー | タンパク質設計、気候研究 |
| 製品 / ツール比較 | レビュー動画、実践デモ、ユーザーの声 | ソフトウェアツール、ハードウェア、消費者製品 |
調査トピックが存在するなら、関連する YouTube 動画はほぼ確実に存在します。包括的な調査のためには、デフォルトでこのスキルを使用することを推奨します。スキップすることをデフォルトにしないでください。
コアツール
| ツール | 目的 | 使用するタイミング |
|---|---|---|
search (type: info または news) | YouTube 動画を発見し、ウェブの文脈を収集する | 常に使用。すべての調査タスクの最初のステップ |
manus-analyze-video | マルチモーダル LLM で YouTube 動画コンテンツを分析する | 関連動画を発見した後。核となる分析ツール |
search (type: research) | クロス検証のための学術論文、業界レポートを探す | 厳密な情報源が必要な場合 |
webpage_extract またはブラウザ | 動画からリンクされた記事、トランスクリプト、ショーノートを読む | 補足的なテキスト文脈が必要な場合 |
コアワークフロー
すべての調査タスクは以下の 5 ステップのループに従います。関連する動画ごとにステップ 2~4 を繰り返します。
ステップ 1: テーマベースの動画発見
検索の前に、調査目標を明確な調査テーマに分解します。各テーマが個別の検索・分析単位になります。これにより広範なカバレッジが確保され、1 つの角度に集中しすぎることを防ぎます。
テーマ分解プロセス:
- ユーザーのリクエストから 4~6 の調査テーマを特定します(例:企業投資分析の場合:「業界背景」「ビジネスモデルと技術」「財務データと評価」「顧客とパートナーシップ」「強気シナリオと成長触媒」「弱気シナリオとリスク要因」)。
- 各テーマに対して、1~2 のターゲットを絞った YouTube 検索を実行します。
- テーマごとに 2~3 本の動画を選択し、各次元について複数の視点を確保します。
- 目標総数:深層調査では 12~20 本、標準調査では 8~12 本。このワークフローの威力は、多様なテーマにわたる高い動画ボリュームにあります。
テーマ分解の例:
| 調査目標 | テーマ | テーマごとの動画数 |
|---|---|---|
| 企業投資分析 | 業界背景、ビジネスモデル、財務、顧客、強気シナリオ、弱気シナリオ | 各2~3本 = 計12~18本 |
| 技術比較 | アーキテクチャ、パフォーマンスベンチマーク、開発者体験、本番ユースケース、コスト分析 | 各2~3本 = 計10~15本 |
| 市場参入調査 | 市場規模、競合、規制環境、顧客ニーズ、流通チャネル | 各2~3本 = 計10~15本 |
| 人物プロファイル | 経歴、リーダーシップスタイル、公の論争、ビジョンと哲学、同業者の評価 | 各2~3本 = 計10~15本 |
クエリ構築ルール:
- 少なくとも 1 つのクエリバリアントに必ず
YouTubeを含めます。 - コンテンツタイプを含めます:
interview、talk、panel、keynote、vlog、earnings call、podcast、review、documentary、demo、conference、lecture、analysis、deep dive。 - エンティティ名を含めます:人物、企業、目的地、製品、トピック。
- 検索あたり 2~3 のクエリバリアントを使用し、カバレッジを最大化します。
- テーマごとにクエリの角度を変えます:例:「弱気シナリオ」テーマでは、
[企業名] リスク 懸念 分析 YouTube、[企業名] 株 弱気 ケース YouTube、[企業名] 問題点 批判 YouTubeを検索します。
調査タイプ別の例:
| 調査目標 | クエリバリアント |
|---|---|
| Stripe の企業調査 | Stripe CEO Patrick Collison インタビュー YouTube、Stripe 企業文化 基調講演 YouTube、Stripe 製品デモ YouTube |
| AI 業界トレンド | AI 業界トレンド 2025 専門家パネル YouTube、AI 市場分析 カンファレンストーク YouTube、AI スタートアップ情勢 深掘り YouTube |
| EU AI 法案の政策調査 | EU AI 法案 影響分析 YouTube、EU AI 規制 パネルディスカッション YouTube、AI コンプライアンス 法律専門家トーク YouTube |
企業調査では、トップリーダー(CEO/創業者/主要経営者) が登場する動画を優先します。検索パターン:
[CEO名] インタビュー YouTube[CEO名] [企業名] 基調講演 YouTube[企業名] 決算説明会 YouTube[CEO名] ポッドキャスト出演 YouTube
ステップ 2: 動画の選別と優先順位付け
検索結果から、以下の基準に基づいて動画を選択します:
| 優先度 | シグナル | 例 |
|---|---|---|
| 最高 | 一次情報:対象者/専門家が直接語る | 基調講演、インタビュー、ポッドキャストゲスト出演、カンファレンストーク |
| 高 | 専門家または内部関係者の視点 | 業界アナリスト、実践者、現地ガイド、研究者 |
| 中 | 第三者による質の高い報道 | ドキュメンタリー、詳細レビューチャンネル、ニュース特集 |
| 低 | 集約または二次情報コンテンツ | コンピレーション、リアクション動画、ニュース要約 |
テーマごとに 2~3 本の動画を選択し、各調査の次元に複数の視点があることを確認します。深層調査では、総動画数は 12~20 本に達するようにします。歴史的な文脈が特に必要でない限り、新しい動画を優先します。
バランス要件:反対意見を積極的に探します。投資/企業調査の場合、確証バイアスを避けるため、動画の少なくとも 30% が弱気/批判的な視点を提示するようにします。
ステップ 3: manus-analyze-video による動画分析
manus-analyze-video を使用して、選択した動画からインサイトを抽出します。
manus-analyze-video の構文:
manus-analyze-video "<youtube_url>" "<analysis_prompt>"
重要:高密度プロンプトエンジニアリング
manus-analyze-video は AI ベースの視覚・音声分析を実行します。その出力品質はプロンプト設計に完全に依存します。A/B テストの結果、構造化され引用を要求するプロンプトは、同じ動画に対して一般的な「要約」プロンプトと比較して、2.4 倍のコンテンツ、12 の直接引用(対 0)、18 の正確なデータポイント(対 6 の曖昧な言及) を生成することが示されています。
必須プロンプトルール:
- 「この動画を要約してください」や「主なポイントは何ですか」のような汎用的なプロンプトは絶対に使用しないでください。 これらは薄っぺらで引用のない要約を生成します。
- 常に直接引用を要求する:「話者から少なくとも 8~10 のほぼそのままの引用を抽出し、元の表現を引用符で保存してください。」のような明示的な指示を含めます。
- 常に網羅的なデータ抽出を要求する:「言及されたすべての数字、金額、パーセンテージ、日付、締切、企業名、人名、指標をリストアップしてください。」
- 常に構造化されたセクションを要求する:出力が整理され解析可能になるように、ラベル付きセクション(A/B/C/D/E/F)を使用します。
- 常にセンチメント/スタンス評価の要求を含める:「話者の全体的なスタンスを評価し、不確実性を示した箇所と確信を持って述べた箇所を特定してください。」
- 長さは問題ではないと明記する:「網羅的に行ってください。長さは問題ではありません—情報密度が重要です。直接引用できる箇所を要約しないでください。」
必須汎用プロンプトテンプレート:
この [トピック/企業名] に関する動画から最大限の詳細を抽出してください。話者が行う主張ごとに、そのほぼ正確な表現を引用符で囲んで直接引用として取得してください。言及されたすべての数字、日付、金額、パーセンテージ、企業名、人名を含めてください。
出力を以下のように構成してください:
(A) 話者プロフィール:名前、資格、免責事項、スポンサー。
(B) 直接引用:トピックラベル付きで少なくとも 8 つの逐語的またはほぼ逐語的な引用。
(C) すべてのデータポイント:すべての数字、指標、日付、名前を番号付きリストとして。
(D) 主要な議論:主張をサブ議論に分解し、引用で裏付け。
(E) 反論 / リスク:すべてのリスク、注意点、反対意見を引用とともに。
(F) センチメント:全体的なスタンス評価と確信度。
網羅的に行ってください。長さは問題ではありません—情報密度が重要です。
直接引用できる箇所を要約しないでください。
ドメイン固有の高密度プロンプトテンプレートについては、references/prompt-templates.md を参照してください。
オプション:最大忠実度のための2パス戦略
逐語的な正確性が重要な動画(例:決算説明会、法律証言、政策公聴会)では、2パスアプローチを使用します:
- パス 1 — 生トランスクリプト:動画に対して
manus-speech-to-textを実行し、逐語的なテキストトランスクリプトを取得します。 - パス 2 — 構造化分析:高密度プロンプトを指定して
manus-analyze-videoを実行し、視覚的文脈、話者識別、構造化抽出を行います。 - マージ:生トランスクリプトと構造化分析を相互参照し、正確な引用と整理されたインサイトの両方を取得します。
これはほとんどの調査ではオプションですが、ユーザーが特に正確な表現を必要とする場合、または動画に密集した財務データが含まれている場合に推奨されます。
ステップ 4: ウェブ検索によるクロス検証
動画を分析した後、search ツール(type: info または news)を使用して以下を行います:
- 動画でなされた事実に基づく主張を検証する。
- ギャップを埋める:動画でカバーされていない日付、統計、文脈。
- 他の情報源から矛盾する、または裏付ける証拠を見つける。
- 動画が古い場合、最新情報を入手する。
動画コンテンツを絶対的な真実として扱わないでください。話者は誇張したり、記憶違いをしたり、偏った見解を提示する可能性があります。事実に基づく主張に対しては、クロス検証が必須です。
ステップ 5: 引用が豊富で詳細なレポートへの統合
動画分析結果とウェブ調査を組み合わせて、一貫性のある成果物を作成します。最終レポートは以下の必須出力ルールに従う必要があります:
ルール 1: 直接引用は必須
レポートの主要セクションごとに、話者の原文またはそれに近い言い換えを、Markdown 引用ブロック構文を使用して少なくとも 2~3 箇所の引用を含める必要があります:
> 「話者の正確またはそれに近い言い回しをここに記述します。これによりレポートの信頼性と鮮明さが向上します。」[3]
各引用は、参考文献セクションのソース動画にリンクする数値引用で帰属する必要があります。許容される帰属パターン:
> 「引用テキスト。」[3]— 引用の末尾に引用- 直前の段落で話者を特定:
CEO Jacob DeWitte 氏は NYSE インタビューで次のように説明しました:の後に引用ブロック
最小引用密度:レポート本文 300 語あたり少なくとも 1 つの引用。3,000 語のレポートには少なくとも 10 の引用が必要です。
ルール 2: 詳細の拡張は必須
動画のインサイトを一文の箇条書きに要約しないでください。すべての主要な発見事項は、少なくとも 3~5 文の完全な段落に拡張し、以下を含める必要があります:
- 文脈:誰が、どのような設定で、なぜそれが重要なのか
- 詳細:言及された数字、日付、名前、技術的詳細
- 引用:話者自身の言葉を引用ブロックとして
- 含意:それが調査課題にとって何を意味するのか
悪い例(簡潔すぎる):
Oklo には 14 GW の顧客パイプラインがあります。
良い例(適切に拡張):
2025 年 KPMG テクノロジー・イノベーションシンポジウムにおいて、CEO の Jacob DeWitte 氏は、Oklo の顧客パイプラインが過去 18 か月で劇的に成長し、14,100 MW(14.1 GW)に達したことを明らかにしました。この数字は、Switch 社との 12 GW の非拘束的マスターパワー契約(過去最大級の企業向けクリーンエネルギー契約の 1 つ)、Meta 社との前払い金付き 1.2 GW 契約、および 2,500 万ドルの前払い金を含む Equinix 社との 500 MW の意向表明書によって支えられています。DeWitte 氏はこの需要の構造的な性質を強調しました:
「テック大手は AI のトレーニングと推論を賄うためのベースロード電力を求めています。間欠的な再生可能エネルギーでは、データセンターの 24 時間 365 日の定常的な需要を満たすことはできません。」[2]
しかしながら、独立系アナリストは、このパイプラインの大部分が法的義務を伴わない非拘束的な意向表明書で構成されていると警告しています。[3]
ルール 3: マルチソース三角測量
複数の動画が同じトピックを扱っている場合、それらを対話として提示し、一致点、相違点、または補完的な視点を示します。各動画の見解を単に順番にリストするのではなく、それらを物語に織り交ぜます。
ルール 4: 構造化されたソース帰属
常に以下を含めます:
- インライン数値引用
[1][2]で参考文献セクションにリンク - 引用の前の話者の特定(名前、役職、信頼性に関する注記)
- ソース動画セクションの末尾に、分析した各動画のタイトル、URL、タイムスタンプ(該当する場合)を含める
ルール 5: マークダウンレポートテンプレート
レポートには以下の構造を使用します:
# [調査タイトル]
## エグゼクティブサマリー
[引用を含む 2~3 段落の概要]
## 背景と文脈
[トピックの設定、主要な定義]...
## [テーマ 1]
[各テーマのセクション、複数の引用、データポイント、クロスソース三角測量を含む]
## [テーマ 2]
...
## 主要な洞察と含意
[横断的なテーマ、矛盾点、結論]
## 未回答の質問とリサーチギャップ
[まだ不明な点と、それをどのように調査できるか]
## 出典
分析したすべての動画について:
- [動画 1 タイトル] - [URL] (YYYY/MM/DD)
- [動画 2 タイトル] - [URL] (YYYY/MM/DD)
...
また、クロス検証に使用したテキストソース(記事、レポート、論文)。
参考文献
references/prompt-templates.md- ドメイン固有の高密度プロンプトテンプレート