비디오 인텔리전스 추출은(는) 무엇을 하나요?
개요
YouTube, Vimeo, 기업 웹사이트의 비디오 콘텐츠에서 실행 가능한 인텔리전스를 추출합니다. 비디오는 텍스트 소스만으로는 알 수 없는 정보를 제공합니다: 시설 규모, 팀 구성, 제품 데모, 안내판, 행사 참석 현황, 운영 현실.
이 스킬은 메타데이터 + 자막 추출(빠르고 무료이며 저장 비용 없음)에 중점을 두고, 시각 분석이 필요한 경우에만 실제 비디오 파일을 다운로드합니다.
사용 시기
- 대상 기업이 YouTube 채널을 보유한 경우(작은 규모라도, Shorts도 포함)
- 창업자나 리더십이 팟캐스트/인터뷰 비디오에 출연한 경우
- 모든 플랫폼에 제품 데모 또는 워크스루가 존재하는 경우
- 행사 녹화 영상에 회사 부스, 발표 또는 참석 장면이 포함된 경우
- 시각적 증거를 통해 주장(시설 규모, 팀 규모, 제품 범위)을 검증해야 하는 경우
- 기업 웹사이트에 비디오 콘텐츠가 내장된 경우
사전 요구 사항
| 도구 | 설치 | 목적 |
|---|---|---|
| yt-dlp | pip install yt-dlp 또는 brew install yt-dlp | 비디오 메타데이터/자막 다운로드 |
| Python 3.10+ | 시스템 | VTT 파싱, 자동화 |
| Whisper (선택 사항) | pip install openai-whisper | 자막이 없는 경우 전사 |
| ffmpeg (선택 사항) | brew install ffmpeg | Whisper용 오디오 추출 |
1단계: 검색
YouTube 채널 열거
# 채널의 모든 비디오 나열 (비디오 ID + 제목 반환, 다운로드 없음)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"
# 타임라인 분석을 위해 업로드 날짜 포함
yt-dlp --flat-playlist --print "%(upload_date)s %(id)s %(title)s" "https://www.youtube.com/@CHANNEL_HANDLE"
YouTube 검색
# YouTube 검색 (상위 10개 결과)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch10:COMPANY_NAME"
# 더 넓은 검색 (상위 30개)
yt-dlp --flat-playlist --print "%(id)s %(title)s" "ytsearch30:COMPANY_NAME founder interview"
기타 검색 방법
| 소스 | 방법 |
|---|---|
| Google 비디오 검색 | site:youtube.com "Company Name" |
| 기업 웹사이트 | 소스에서 <iframe src="youtube.com/embed/..."> 확인 |
| Vimeo | yt-dlp --flat-playlist "https://vimeo.com/USER" |
| 수동 브라우징 — 프로그래밍 방식으로 비디오 열거 불가 | |
| 이벤트 플랫폼 | Sched/Emamo 세션 페이지에서 내장 비디오 링크 확인 |
검색 체크리스트
- 대상 기업의 자체 YouTube 채널
- 창업자/CEO 개인 채널 또는 게스트 출연
- 대상이 인터뷰된 업계 팟캐스트 채널
- 대상의 발표가 포함된 이벤트/컨퍼런스 채널
- 대상을 언급하는 파트너/공급업체 채널
- 대상을 다루는 지역 뉴스/미디어 채널
2단계: 캡처
메타데이터 + 자막 (기본 — 비디오 다운로드 없음)
# 전체 채널 — 메타데이터 + 자동 자막, 비디오 파일 없음
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
--sleep-interval 2 "https://www.youtube.com/@CHANNEL"
# 단일 비디오
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
"https://www.youtube.com/watch?v=VIDEO_ID"
# 목록의 여러 특정 비디오
yt-dlp --write-info-json --write-auto-sub --sub-lang en --skip-download \
--sleep-interval 2 -a video_urls.txt
주요 yt-dlp 플래그
| 플래그 | 목적 |
|---|---|
--write-info-json | 전체 메타데이터 저장 (제목, 날짜, 길이, 설명, 태그, 조회 수) |
--write-auto-sub | 자동 생성 자막 다운로드 |
--sub-lang en | 영어 자막만 |
--skip-download | 비디오/오디오 파일 없음 — 메타데이터만 |
--sleep-interval 2 | 속도 제한 (30개 이상 비디오 채널에 필수) |
--flat-playlist | 목록 모드 — 다운로드 없이 열거만 |
-f "bestvideo[height<=720]+bestaudio" | 적절한 품질로 비디오 다운로드 |
-x --audio-format mp3 | 오디오만 추출 (Whisper용) |
비디오 파일 다운로드 (시각 분석 필요 시)
# 최대 720p (품질과 파일 크기의 균형)
yt-dlp -f "bestvideo[height<=720]+bestaudio" --merge-output-format mp4 VIDEO_URL
# Whisper 전사를 위한 오디오만
yt-dlp -x --audio-format mp3 VIDEO_URL
출력 파일 구조
project/
├── raw/video/
│ ├── Title of Video [VIDEO_ID].info.json # 메타데이터
│ ├── Title of Video [VIDEO_ID].en.vtt # 자동 자막 (VTT 형식)
│ └── Title of Video [VIDEO_ID].mp4 # 비디오 파일 (다운로드한 경우에만)
├── transcripts/
│ ├── VIDEO_ID_transcript.txt # 파싱된 일반 텍스트
│ └── VIDEO_ID_transcript.txt
└── analysis/
└── video_intelligence_summary.md
3단계: VTT 파싱
VTT 자막을 일반 텍스트로 변환
import re
import glob
def vtt_to_text(vtt_path):
"""VTT 자막 파일을 깨끗한 일반 텍스트로 파싱합니다."""
with open(vtt_path) as f:
content = f.read()
# WEBVTT 헤더 및 메타데이터 제거
content = re.sub(r'WEBVTT.*?\n', '', content, flags=re.DOTALL)
# 타임스탬프 줄 제거
content = re.sub(r'\d{2}:\d{2}:\d{2}\.\d+ --> .*', '', content)
# HTML 스타일 포맷팅 태그 제거
content = re.sub(r'<[^>]+>', '', content)
# 연속 반복 줄 제거 및 결합
lines = []
for l in content.split('\n'):
l = l.strip()
if l and not l.isdigit() and (not lines or l != lines[-1]):
lines.append(l)
return ' '.join(lines)
def batch_parse_vtts(vtt_dir, output_dir):
"""디렉터리의 모든 VTT 파일을 일반 텍스트로 파싱합니다."""
import os
os.makedirs(output_dir, exist_ok=True)
for vtt_file in glob.glob(f"{vtt_dir}/*.vtt"):
text = vtt_to_text(vtt_file)
# 파일 이름 패턴 "Title [VIDEO_ID].en.vtt"에서 비디오 ID 추출
video_id = re.search(r'\[([^\]]+)\]', vtt_file)
if video_id:
out_name = f"{video_id.group(1)}_transcript.txt"
else:
out_name = os.path.basename(vtt_file).replace('.en.vtt', '_transcript.txt')
with open(os.path.join(output_dir, out_name), 'w') as f:
f.write(text)
print(f"파싱 완료: {out_name} ({len(text.split())} 단어)")
4단계: Whisper 대체 (자막이 없는 경우)
자동 자막이 없는 경우(Shorts, 오래된 비디오, 비영어 콘텐츠에 흔함):
# 오디오만 다운로드
yt-dlp -x --audio-format mp3 -o "%(id)s.%(ext)s" VIDEO_URL
# Whisper로 전사
whisper VIDEO_ID.mp3 --model base --language en --output_format txt
# 고유명사 정확도 향상을 위해 (3-5배 느림):
whisper VIDEO_ID.mp3 --model medium --language en --output_format txt
일반적으로 자막이 없는 경우
- YouTube Shorts (< 60초)
- 약 2015년 이전에 업로드된 비디오 (자동 자막 이전 시대)
- 미등록/비공개 비디오
- 음악 중심 콘텐츠 (말이 거의 없음)
- 언어가 지정되지 않은 비영어 콘텐츠
5단계: 인텔리전스 추출
메타데이터 인텔리전스 (info.json에서)
모든 .info.json 파일에는 다음이 포함됩니다:
| 필드 | 인텔리전스 가치 |
|---|---|
upload_date | 회사 활동 및 콘텐츠 전략의 타임라인 |
duration | 짧음 = 홍보; 긺 = 실질적 인터뷰 |
description | 종종 링크, 이름, 타임스탬프, 파트너 언급 포함 |
tags | SEO 전략, 스스로 식별한 카테고리 |
view_count | 어떤 콘텐츠가 청중과 공명하는지 |
like_count | 참여 품질 신호 |
channel | 누가 게시했는지 (자체 채널 vs. 게스트 출연) |
대본 인텔리전스 체크리스트
- 명명된 사람들 (직원, 파트너, 클라이언트)
- 인터뷰에서 우연히 언급된 수익/성장 수치
- 논의된 미래 계획 또는 전략
- 인정된 문제점 또는 과제
- 경쟁사 언급 (긍정적 또는 부정적)
- 채용 계획 또는 팀 규모 참조
- 제품 로드맵 또는 기능 발표
- 구두로 언급된 고객 이름 또는 사례 연구
시각 인텔리전스 체크리스트 (비디오 다운로드 필요)
- 시설/창고 규모 및 상태
- 보이는 직원 수 (팀 규모 대리 지표)
- 선반 위 또는 데모 중인 제품 (재고 폭)
- 장비 및 기계 (자본 투자 신호)
- 안내판, 브랜딩 및 로고 사용
- 행사 부스 규모 및 디자인 품질
- 차량 함대 (배송 역량)
- 카메라에 포착된 고객 상호 작용
- 배경의 지리적/위치 식별자
엣지 케이스 및 주의사항
-
YouTube 속도 제한 — 다운로드 간에
--sleep-interval 2를 사용하세요. 30회 이상의 빠른 요청 후에 DNS 오류가 나타납니다. 대규모 채널의 경우 20개씩 배치로 나누세요. -
채널 다운로드 파일 이름 — yt-dlp는 채널에서 다운로드할 때 파일 이름을 "Title [VIDEO_ID].ext"로 지정합니다. 제목의 공백과 특수 문자는 셸 스크립트를 손상시킬 수 있습니다. 깨끗한 파일 이름을 위해
-o "%(id)s.%(ext)s"를 사용하세요. -
중복 업로드 — 동일한 인터뷰가 다른 채널이나 제목으로 업로드됨. 길이 + 업로드 날짜로 교차 참조하여 둘 다 분석하는 시간을 절약하세요.
-
LinkedIn 기본 비디오 — 프로그래밍 방식으로 다운로드할 수 없습니다. LinkedIn CDN URL은 인증되며 몇 시간 내에 만료됩니다. 수동 작업으로 플래그 지정: 브라우저에서 "Save as Web Complete" 또는 주요 프레임 스크린샷.
-
Shorts vs. 전체 비디오 — Shorts URL 형식은
youtube.com/shorts/ID이지만 yt-dlp는 두 형식을 모두 투명하게 처리합니다. Shorts를 건너뛰지 마세요. 종종 제품, 시설 및 팀 문화를 보여줍니다. -
미등록 비디오 — 채널 목록에는 없지만 직접 URL로 액세스 가능. 검색 엔진이 색인을 생성했을 수 있음. 공개적으로 링크된 적이 있는 미등록 URL은 Google 캐시 및 Wayback Machine에서 확인하세요.
-
자동 자막 품질 — 구두점이 없고, 때때로 고유명사가 왜곡됨 (Celina → Selena, BROGAV → ProGraph). 표준 영어 발화에 대해 95%+ 단어 정확도. 항상 회사/사람 이름을 알려진 신뢰할 수 있는 소스와 대조 확인하세요.
-
업로드 날짜 vs. 콘텐츠 날짜 — 비디오는 녹화 후 몇 주 또는 몇 달 후에 업로드될 수 있습니다. 실제 녹화 날짜는 설명과 오디오 신호를 확인하세요. 이벤트 비디오는 특히 지연이 있습니다.
-
info.json은 금광 — 항상
--write-info-json으로 캡처하세요. 설명 필드에는 종종 비디오 자체에 없는 타임스탬프, 게스트 이름, 리소스 링크 및 파트너 언급이 포함됩니다. -
VTT 타임스탬프는 가치 있음 — 일반 텍스트 변환은 시간 정보를 잃습니다. 원본 VTT 파일을 진실의 소스로 유지하세요. 타임스탬프를 사용하면 시각적 확인을 위해 특정 순간을 찾을 수 있습니다.
안티 패턴
| 하지 말 것 | 대신 할 것 |
|---|---|
| 짧다고 Shorts 무시 | 시각 정보를 위해 Shorts 검토 (제품, 시설, 팀) |
| 모든 비디오에 자막이 있다고 가정 | 확인; 자막 없는 콘텐츠는 Whisper로 대체 |
| 기본적으로 비디오 파일 다운로드 | --skip-download로 시작; 시각 분석에만 비디오 획득 |
| LinkedIn 비디오 다운로드 자동화 시도 | 수동 작업으로 플래그 지정; CDN URL은 인증됨 |
| upload_date를 콘텐츠 날짜로 신뢰 | 설명, 오디오 신호, 이벤트 날짜와 교차 참조 |
| 속도 제한 없이 전체 채널을 한 번에 다운로드 | --sleep-interval 2를 사용하고 20개씩 배치 |
| 대본만 파싱하고 info.json 무시 | 메타데이터에는 오디오에 없는 이름, 링크, 태그 포함 |
| 비디오를 텍스트 소스보다 열등하게 취급 | 비디오는 물리적 현실(시설, 팀, 제품)을 고유하게 확인 |
결정 트리
콘텐츠가 YouTube에 있습니까?
├── 예 → yt-dlp --write-info-json --write-auto-sub --skip-download
│ ├── 자막이 있습니까? → VTT를 텍스트로 파싱 → 인텔리전스 추출
│ └── 자막이 없습니까?
│ ├── 비디오 > 60초이고 말이 있습니까? → yt-dlp -x → Whisper → 분석
│ └── 짧거나 시각적 전용입니까? → 비디오 다운로드 → 시각 분석
└── 아니오 →
├── Vimeo → yt-dlp 지원 (YouTube와 동일한 워크플로우)
├── LinkedIn 비디오 → 수동 "Save as Web Complete" (수동 작업으로 플래그 지정)
├── 기업 웹사이트 임베드 → iframe URL 추출 → 일반적으로 YouTube/Vimeo
└── 기타 플랫폼 → yt-dlp 지원 사이트 목록 확인
실제 결과 (BROGAV 사례 연구)
| 지표 | 값 |
|---|---|
| 발견된 총 비디오 | 45개 (9개 장편, 36개 Shorts) |
| 캡처된 VTT 자막 파일 | 10개 |
| 텍스트로 파싱된 대본 | 10개 |
| 분석된 실질적 인터뷰 | 2개 (각 5,000+ 단어) |
| RSS/Whisper 대체를 통한 팟캐스트 | 1개 (6,489 단어) |
| 발견된 중복 비디오 | 1개 (동일 인터뷰, 두 채널) |
| 추출된 고유 인텔리전스 | 창업자 기원 스토리, 수익 신호, 성장 계획, 공급업체 관계, 시설 세부사항, 팀 문화 |
| Shorts에서 얻은 시각 정보 | 제품 범위, 창고 레이아웃, 브랜드 캐비닛 라인, 계절별 재고 |
다른 스킬과의 통합
| 스킬 | 통합 지점 |
|---|---|
deep-research | 비디오는 웹 검색과 함께 3/4단계 소스입니다 |
intelligence-dossier | 비디오 대본은 인물, 제품, 재무 신호 섹션을 제공합니다 |
client-discovery-osint | 고객 추천 비디오는 클라이언트를 직접 지명합니다 |
supplier-verification | 제품 데모 비디오는 공급업체 로고와 브랜드 제품을 보여줍니다 |
era-validated-linkedin-analysis | 비디오 업로드 날짜는 LinkedIn 활동 타임라인과 교차 참조합니다 |
contact-sheet-image-analysis | 비디오 스크린샷은 썸네일 그리드를 통해 배치 분석할 수 있습니다 |