Dalla Scoperta delle Tendenze al Video Pubblicato: Dentro il Nostro Motore di Marketing AI

Alphazed ha costruito una pipeline di marketing AI completamente automatizzata che individua argomenti educativi in arabo trend su YouTube, li valuta per rilevanza, genera sceneggiature video in arabo, crea immagini con DALL-E, sintetizza voiceover con ElevenLabs, compone i video con FFmpeg, verifica la sicurezza per bambini e pubblica su YouTube — tutto con un controllo umano tramite Slack prima della pubblicazione.

La Pipeline in 13 Fasi

Step 1: Scopri Tendenze
  └─ YouTubeAPI: Raccogli video trend nella categoria educazione araba
     Query di ricerca: "تعليم", "أطفال", "تعلم", "عربي"
     Estrai: titolo, visualizzazioni, velocità (visualizzazioni/giorno), commenti, coinvolgimento iscritti
Step 2: Valuta Tendenze
└─ TrendScorer: Formula ponderata
Punteggio = (visualizzazioni × 0.35) + (velocità × 0.30) + (attinenza × 0.20) + (regione × 0.10) + (sicurezza × 0.05)
Soglia: procedono solo punteggi >75
Step 3: Ideazione
└─ ContentIdeator: Genera concept video
Input: argomento trend (es. "تحفيز الأطفال على تعلم العربية")
Output: Concept video, età target, obiettivo di apprendimento
Step 4: Generazione Script
└─ GPT-4o: Crea script video in arabo
Prompt: "Crea uno script per YouTube Shorts di 2 minuti su [argomento] per bambini [età] in arabo"
Output: Script scena per scena con narrazione
Step 5: Varianti Hook
└─ HookGenerator: 3 aperture diverse
Variante 1: apertura basata su storia
Variante 2: domanda
Variante 3: sfida
A/B test per miglior CTR
Step 6: Storyboard
└─ StoryboardGenerator: Sequenza visiva
Input: Script
Output: Suddivisione shot per shot (20-30 per video di 2 minuti)
Step 7: Generazione Immagini
└─ DALL-E: Visuali per ogni scena
Prompt: "Bambino che impara la lettera araba ب in aula colorata"
Output: 20-30 immagini, stile omogeneo
Step 8: Sintesi Voiceover
└─ ElevenLabs: Narrazione in arabo
Voce: femminile, adatta ai bambini, chiara
Lingua: Arabo (dialetto saudita ad ampio raggio)
Output: Audio MP3 con segni per sync labiale
Step 9: Composizione Video
└─ FFmpeg: Montaggio
Input: Immagini + audio + musica di sottofondo
Output: Video MP4 1080p ottimizzato per YouTube Shorts
Step 10: Controllo Conformità
└─ KidsSafetyChecker: Verifica contenuti
Check: niente violenza, linguaggio appropriato, no IP di terzi
Output: Pass/Fall + note
Step 11: Approvazione Slack
└─ SlackBot: Anteprima video + metadati
Team valuta: thumbnail, titolo, descrizione, trascrizione
Opzioni: ✓ Pubblica | 🔄 Revisiona | ✗ Rifiuta
Step 12: Pubblicazione
└─ YouTubeAPI: Caricamento sul canale Alphazed
Titolo, descrizione, tag, thumbnail
Visibilità: Pubblico
Step 13: Sincronizzazione Analisi
└─ YouTubeAnalytics: Monitoraggio performance
Metriche: visualizzazioni, CTR, durata media visualizzazione, condivisioni
Feedback: dati usati per migliorare script futuri

Algoritmo di Valutazione delle Tendenze (Step 2)

La Formula

def score_trend(trend_data):
    """
    trend_data = {
        'views': 500000,
        'days_since_upload': 7,
        'topic': 'تعليم الأطفال العربية',
        'language': 'ar',
        'age_group': '5-12',
        'video_category': 'education'
    }
    """
# Popolarità (visualizzazioni)
popularity_score = min(trend_data['views'] / 1_000_000, 1.0) * 100

# Velocità (crescita)
velocity = trend_data['views'] / trend_data['days_since_upload']
velocity_score = min(velocity / 100_000, 1.0) * 100

# Attinenza al tema
relevant_keywords = ['عربية', 'قرآن', 'أطفال', 'تعليم', 'لغة']
keyword_matches = sum(1 for kw in relevant_keywords if kw in trend_data['topic'])
topic_fit_score = (keyword_matches / len(relevant_keywords)) * 100

# Rilevanza regionale
region_score = get_region_weight(trend_data.get('region', 'unknown')) * 100

# Sicurezza
safety_score = 100 if is_kid_safe(trend_data['title']) else 0

# Somma ponderata
final_score = (
    popularity_score * 0.35 +
    velocity_score * 0.30 +
    topic_fit_score * 0.20 +
    region_score * 0.10 +
    safety_score * 0.05
)

return {
    'overall_score': final_score,
    'pass_threshold': final_score >= 75,
    'breakdown': {
        'popularity': popularity_score,
        'velocity': velocity_score,
        'topic_fit': topic_fit_score,
        'region': region_score,
        'safety': safety_score
    }
}

Esempio - Valutazione Video Trend

Trend: "Come insegnare ai bambini le lettere arabe a casa"
Metriche:
  - Visualizzazioni: 500.000
  - Giorni: 7
  - Parole chiave: contiene "insegnare", "bambini", "arabo"
  - Regione: USA + Canada
  - Sicurezza: pulito
Valutazione:

Popolarità: 50
Velocità: 71
Attinenza: 67
Regione: 60
Sicurezza: 100

Finale: 63.2 → NON PROMOSSO (sotto soglia 75)

Trend: "تعليم القرآن للأطفال - طرق فعالة"
Metriche:
  - Visualizzazioni: 2.000.000
  - Giorni: 3
  - Parole chiave: "قرآن", "أطفال", "تعليم"
  - Regione: MENA + Sud Asia
  - Sicurezza: pulito

Valutazione:
  - Popolarità: 100
  - Velocità: 100
  - Attinenza: 100
  - Regione: 90
  - Sicurezza: 100

Finale: 99 → PROMOSSO! (eccellente corrispondenza)

Intervento Umano: Approvazione Obbligatoria

Prima della pubblicazione, il video passa in revisione Slack:

🎥 [Pipeline] Pronto per Revisione: Video #47
Titolo: "كيف تعلم ابنك حروف العربية بسهولة"
Punteggio Tema: 89/100
Visualizzazioni Stimate (modello ML): 85.000-120.000
[Anteprima Video] [Visualizza Trascrizione] [Analisi]
Stato Conformità: ✅ Pass

No violenza: ✓
Età appropriata: ✓
No violazioni IP: ✓

Azioni: ✓ Pubblica | 🔄 Revisiona | ✗ Rifiuta

Gate Speciali:

• Contenuti sul Corano: revisione accademica aggiuntiva
• Nuove tendenze: revisione manuale extra
• Alte velocità trend: priorità pipeline accelerata

Architettura Ports & Adapters

La pipeline usa un’architettura modulare per cambiare provider AI senza toccare la logica business:

# src/services/content_generation/interfaces.py
class TextGeneratorInterface:
    def generate_script(self, topic: str, age_group: str) -> str:
        pass
class OpenAIScriptGenerator(TextGeneratorInterface):
def generate_script(self, topic: str, age_group: str) -> str:
# Usa OpenAI API
pass
class ClaudeScriptGenerator(TextGeneratorInterface):
def generate_script(self, topic: str, age_group: str) -> str:
# Usa Anthropic API
pass
Al runtime, inietta il giusto provider
generator = ClaudeScriptGenerator()  # Facile da sostituire
script = generator.generate_script('تعليم العربية', '5-7')

Vantaggio: se OpenAI non funziona, si passa a Claude con una sola modifica di configurazione.

Risultati

• Volume
  - Input: 50-100 topic trend a settimana
  - Passaggio soglia: circa 20%
  - Pubblicati: 3-4 video a settimana
  - Output annuo: 150-200 video
• Performance reali
  - Visualizzazioni medie: 12.000-45.000
  - CTR medio: 8-12% (settore: 2-5%)
  - Tempo medio visione: 65-85% video (settore: 40-50%)
  - Conversione (visualizzazioni → installazioni app): 3-5% (settore: 0,5-1%)
• Costo
  - Generazione AI per video: $3-5 (GPT, DALL-E, ElevenLabs)
  - Revisione umana: 15 min × $25/ora = $6,25
  - Hosting YouTube: gratuito
  - Totale per video: circa $10
  - Costo per installazione: $2-3

FAQ

D: Cosa succede se uno script generato contiene errori sull’arabo?
A: Il controllo umano li intercetta. Se ci sono errori grammaticali o insensibilità culturali, il revisore sceglie “Revisiona” con note. La pipeline rigenera lo script con i feedback.

D: L’automazione viola le politiche di YouTube?
A: No, perché la pubblicazione avviene solo dopo il controllo umano obbligatorio su Slack. YouTube consente contenuti AI assistiti se supervisati.

D: I video AI possono posizionarsi bene nelle ricerche?
A: Sì, se sono di alta qualità come i nostri. L’algoritmo premia tempo di visione, CTR e coinvolgimento, senza penalizzare AI generativa. I nostri video performano meglio della media.