광고 분해 분석
1. 측정 (무료, 로컬)
각 동영상에 대해 번들 스크립트를 실행합니다. ffmpeg가 필요하며, whisper.cpp(whisper-cli)는 선택 사항(대본 추출용)입니다.
bash scripts/teardown.sh path/to/ad.mp4 out_dir/
출력 파일:
hook.jpg: 0초에서 3초까지 0.5초 간격의 프레임.sheet.jpg: 광고 전체에 걸친 16개의 프레임.metrics.json: 길이(duration), 컷 수(cuts), 분당 컷 수(cuts_per_min), 평균 샷 길이(avg_shot), 첫 컷 시간(first_cut).transcript.txt: whisper-cli가 설치된 경우에만 생성됩니다.WHISPER_MODEL을 모델 경로로 설정하세요.
2. 관찰 및 태깅
hook.jpg와 sheet.jpg를 읽습니다. 노란색 타임스탬프는 광고의 일부가 아니므로 무시하세요. 보거나 읽을 수 있는 것만 판단하여 다음 레코드를 작성하세요:
{
"format": "food_montage | owner_or_staff_talking | creator_or_influencer | customer_reactions | offer_graphic | kitchen_process | mixed",
"frame0": "첫 번째 프레임에 문자 그대로 있는 것",
"hook_type": "food_motion | food_still | face_talking | text_headline | offer | person_eating | process_cooking | other",
"hook_text": "첫 3초 내 화면의 단어, 또는 null",
"motion_in_first_second": true,
"hands_in_frame": "none | some | most",
"people": "none | staff_or_chef | owner | customers | creator",
"speech": "none | voiceover | on_camera_talking",
"onscreen_text": "none | dish_labels | headline | offer | captions | mixed",
"offer": "딜을 설명하는 단어, 또는 null",
"brand_shown_by_sec": 0.0,
"ending": "logo_card | offer_card | food_shot | person_talking | abrupt | other",
"cta_words": "정확한 행동 유도 문구, 또는 null",
"visual_style": "phone_native_raw | polished_studio | mixed"
}
3. 벤치마크와 비교
benchmarks.md를 열고 이 광고를 벤치마크와 비교하여 보고하세요. 각 항목에 대해 통과 또는 미달 여부를 숫자 격차와 함께 기재합니다. 예: "첫 컷이 4.1초로 벤치마크 1.9초 대비 늦음", 또는 "프레임에 손이 없음, 성공 사례의 79%는 손이 있음".
4. 리포트
짧고 간결하게 작성하세요:
- 한 줄 평결.
- 성공 광고와 공통점. 최대 3가지.
- 가장 큰 3가지 격차. 각각 타임스탬프와 구체적인 수정 방안을 함께 제시.
- 도용할 가치가 있는 한 가지. 특정 장면이 아닌 패턴으로 제시.
사용자가 여러 광고를 제공한 경우, 요약 테이블과 3개 이상의 광고에서 공통으로 발견된 패턴을 추가하세요.