标题 是做什么的?
标题在脚本之前出现。标题和缩略图决定了观众的期望;视频必须完全兑现这些期望。Scout 在创意步骤之后、在验证和脚本之前编写标题。
此处不涉及:缩略图图片(skills/thumbnail/)、视频的第一句话(skills/script/)。
方法
- 读取输入。 从创意步骤获取:主题、工具、计划测试、要测量的数字、验证视频。读取
brand/rules/title.md和channel.json中的标题限制(crewcut brand show)。如果某个数字尚未测量,则写入[N]并将标题标记为临时标题。 - 编写五个候选标题,每个采用不同的钩子。钩子是点击的理由:免费或金钱、时间承诺、新奇、兴奋、针对初学者的解释。在用户语言中有效的点击词汇位于
voice.md(## Title hooks)中,前提是品牌形象已找到它们;否则根据验证视频来判断。- 最知名的名称靠前。 标题所描述的事物是其所属类别中最知名的(是著名产品,而不是品类词),并且出现在前几个字符内(
title.name_within)。手机屏幕会截断长标题。 - 只有在数字真实时才使用。 数字来自自己的测试,并且与视频展示的内容一致。
- 价格阶梯(“1、10、100”)或对比(“便宜打败昂贵”)仅在视频测量了每一步或展示了对比时才使用。如果测量结果不同,标题在上传前会更改。
- 平实的语言和承诺。 标题中不使用类别术语或商业词汇:标题面向所有人,商业案例放在视频内部。
- 最知名的名称靠前。 标题所描述的事物是其所属类别中最知名的(是著名产品,而不是品类词),并且出现在前几个字符内(
- 检查。
python3 skills/title/scripts/title_check.py "Title 1" … "Title 5" --name "<tool>"。带有错误的候选标题不会发送给用户;重写直到所有五个通过。提示“无钩子”意味着:强化点击理由。脚本通过点数进行排序;点数仅作为排序辅助,而非预测。 - 缩略图文字。 最多
thumbnail.max_words个词:标题中的一个关键词和结论。绝不能是整个标题。使用--thumbnail "<text>"进行检查。 - A/B 测试的三个变体(
channel.json中的title.variants):第一位是推荐标题;第二位是仅有一处更改的相同标题(假设:去掉数字,或使用一个点击词汇);第三位是较温和的变体,或者对于旧视频,使用其当前标题作为对照。检查所有三个。 - 编写
brief/TITLE-vNNN.md: 选择的标题、字符数、承诺、钩子、数字及其来源、缩略图文字、三个测试变体、被拒绝的候选标题及原因。切勿覆盖已有版本。 - 对文字进行人性化处理。 在发送卡片之前,对五个标题和缩略图文字运行 Humanizer 技能(先将它们写入
work/titles-draft-vNNN.md),方式与脚本相同(skills/script,“Humanizer 处理”):查找广告语言、夸大意义和做作的铺垫;保留voice.md中的点击词汇(## Title hooks)和所有数字。记录更改:crewcut humanize record --draft work/titles-draft-vNNN.md --final brief/TITLE-vNNN.md。然后卡片会显示更改的内容。 - 卡片。
crewcut card propose --episode <id> --step title --kind title --title "选择一个标题" --file brief/TITLE-vNNN.md --body "推荐:选项1。 <一句话说明理由>" --option "<1>" … --option "<5>",然后crewcut card wait。 - 交接。 给验证步骤:承诺和要测量的数字。给脚本:承诺、工具、数字。给设计师:标题、缩略图文字、结论、三个变体。
- 验证后再次检查。 数字和钩子是否仍然成立?如果不是,在脚本开始前编写新版本和新卡片。
上传后更改标题需要卡片,并通过 skills/upload/ 处理。
检查无法发现的问题
数字是否真实、视频是否兑现了钩子、哪个名称更知名、阶梯的每一步是否都被测量。这些是步骤2和9中的阅读工作。
卡片格式
标题(推荐优先)
1. <标题> (<N> 个字符) · 钩子:<…> · 理由:<验证视频或规则> <- 推荐
2. …
缩略图文字:<关键词 + 结论>
所有五个都通过 title_check.py(点数:64, 61, …)。
计划中
- 来自48小时检查的结果表(过往剧集的
review/results-48h.json),标题步骤读取该表以根据用户自身数据权衡钩子的效果。 - 语言数据包:每种语言中经过测量效果的钩子词汇,基于公开的标题研究构建(工作室有一个德语数据包;但其原始数据不属于 Crewcut)。
来源
- Vexian 在 Grant Owen 播客中的发言,“解决YouTube算法的疯狂天才”:https://www.youtube.com/watch?v=41HMFGbENj4。借鉴:该类别的知名事物、在任何领域都有效的点击词汇、价格阶梯、视频必须验证的对比。
- MrBeast 制作手册(2024年公开),摘要:https://simonwillison.net/2024/Sep/15/how-to-succeed-in-mrbeast-production/ 借鉴:标题和缩略图在拍摄前确定,视频必须兑现它们。