GSB Research Builder (Brendan Kane — Hook Point)
创建金-银-铜研究表，以找出病毒式视频背后的性能驱动因素。不再猜测，而是比较同一创作者或同一格式的顶级视频 vs 平均视频 vs 失败视频——从比较中浮现的模式就是为 Hoang 的内容应用的假设。
输出语言：越南语，自然语气。指标表仍保留英文列标题。
何时使用
- 想要分析 AI/技术领域的创作者以学习格式（例如：Matt Wolfe, AI Jason, MrBeast）
- 想要在 Hoang 应用某种格式前对其进行验证（例如：“Is it Worth It?” 是否适合 AI 领域）
- 在制作新视频之前——需要 Gold 视频作为参考以在脚本撰写后进行比较
- 跨行业研究（例如：医生格式是否可以应用于 AI 教育者）
输入
用户提供以下 3 种之一：
- 创作者 URL（YouTube 频道 / TikTok / Instagram）——技能会自动建议最佳/中等/最差视频
- 格式名称 + 领域——例如：“AI 工具领域的行走清单 (Walking Listicle)”
- 已自行选择的 10-30 个视频 URL 列表
如果尚未有视频，要求用户先运行技能 youtube-trend-finder / mkt-youtube-topic-researcher / youtube-transcript。
流程
第 1 步 — 确定创作者/格式的基准观看量
在标记 Gold/Silver/Bronze 之前，必须了解基准。计算方法：
- 基于创作者：计算最近 30 个视频中观看量的众数（出现频率最高的值）。这是 Silver 基准。
- 基于格式：计算来自 3-5 位不同创作者的 20+ 个相同格式视频的观看量众数。
使用众数而非平均值，因为 1-2 个病毒式视频会扭曲平均值。
第 2 步 — 分层 Gold / Silver / Bronze
根据 Brendan Kane 的定义（详见 references/gsb-framework.md）：
- Gold = 观看量 ≥ 基准的 5-10 倍（突破性）
- Silver = 观看量接近众数（大多数能达到的基准水平）
- Bronze = 观看量 < 中位数（低于基准）
目标至少获取 3 个 Gold + 3 个 Silver + 3 个 Bronze（共 9 个视频）。更好：5+5+5。
第 3 步 — 填写 GSB 表
为每个视频，填写所有列（详见 references/gsb-sheet-template.md）：
| Video | Views | Tier | Page | Notes | EOV | Tactics | Hypothesis |
|---|
- Notes：1-2 句话描述内容 + 故事
- EOV（对观众的影响）：清晰度 / 好奇心 / 顿悟 / 满足感 / 冲击 / 荒谬反应 / ...
- Tactics：观察到的视觉/音频/叙事元素（开头预告、ASMR、对比、表情包卡片、跳切、音乐对比等）
- Hypothesis：您认为是驱动因素的模式
第 4 步 — 提取性能驱动因素（5 个向上 + 4 个向下）
根据 references/performance-drivers-rubric.md：
5 个向上驱动因素（出现在 Gold 中，在 Bronze 中缺失）：
- 巧妙性 — 聪明地连接两个不相关的概念
- 荒谬性 — 意外/不合逻辑的情境
- 视角转变 — 揭穿误解，顿悟时刻
- 观众连接 — 眼神交流、“你”（单数）、可操作价值、教育性见解
- 张力构建 — 设置 + 回报、堆叠式微型问题
4 个向下驱动因素（出现在 Bronze 中，在 Gold 中缺失）：
- 过度品牌化 — 大 logo、僵硬的品牌颜色 → 性能下降 75%
- 过度制作 — 不需要时的电影级精致
- 素材库图片 — 企业感，缺乏真实性
- 标准化美观 — 信息流网格美观但单个帖子表现弱
对每个视频中的每个驱动因素标记 ✅（存在）/ ❌（缺失）/ ⚠️（部分存在）。
第 5 步 — 编写假设部分
填完表格后，编写 5-10 个具体假设：
H1：“在开头 2 秒内以反直觉问题开头的视频 → 达到 Gold（4/4 的 Gold 视频有，0/4 的 Bronze 视频有）。假设：前 2 秒的反直觉钩子是该格式的主要驱动因素。”
H2：“所有 Bronze 视频都使用了素材库 B-roll，而 Gold 视频则使用 iPhone 自拍镜头。假设：在 AI 教程领域，素材库视频会降低性能。”
第 6 步 — 下一步构思提示
在文件末尾，列出 3-5 个 Hoang 可以应用于未来内容的具体想法，格式如下：
Reels 创意：[基于 H1 模式的钩子] + [相关的 AI 主题] + [Gold 视频 X 的战术]
YouTube 创意：[基于 Gold 格式的 30 天挑战] + [相关的 AI 主题]
输出格式
Markdown 文件保存至 research/gsb/[creator-or-format-slug]/gsb-sheet.md：
# GSB Research: [Creator Name / Format Name]
**研究日期**: YYYY-MM-DD
**基准 (Silver 众数)**: XXX,XXX views
**Gold 阈值**: ≥ Y,YYY,YYY views
**Bronze 阈值**: < ZZ,ZZZ views
## GSB 表
| Video | Views | Tier | Page | Notes | EOV | Tactics | Upward Drivers (5) | Downward Drivers (4) |
|-------|-------|------|------|-------|-----|---------|--------------------|--------------------|
| [URL] | 2.3M | Gold | @creator | ... | aha | teaser@0s, ASMR | ✅✅⚠️✅✅ | ❌❌❌❌ |
## 假设
- **H1**: ...
- **H2**: ...
## 下一步构思
- Reels 创意 1: ...
- YouTube 创意 2: ...
强制性规则
- 在编写假设之前，至少需要 3 个 Gold + 3 个 Silver + 3 个 Bronze（N<9 = 数据不足）
- 使用观看量众数，不要使用平均值——1-2 个异常值会扭曲结果
- 每个假设必须明确说明证据（X/Y 的 Gold 视频具有驱动因素 Z）
- 不要基于直觉编写假设（“我觉得这个视频不错”）——只有在有明确的模式计数时才记录
- 链接所有视频 URL（以便在需要时自行重新验证）
- 研究外国创作者时 → 注意地域差异（例如：美国幽默可能不适用于越南观众）
参考资料
references/gsb-framework.md— Gold/Silver/Bronze 的定义 + 基准计算方法references/performance-drivers-rubric.md— 5 个向上 + 4 个向下驱动因素的详细信息及示例references/gsb-sheet-template.md— 空白表模板及列描述
仓库中的相关技能
youtube-trend-finder— 从频道获取视频列表youtube-transcript— 提取文字记录以进行深入分析mkt-kane-viral-format-identifier— 在进行 GSB 前确定格式mkt-competitor-video-strategy-analyzer— 更详细地分析策略mkt-content-knowledge-compiler— 将假设编译到长期知识库中