# 動画分析プロンプトテンプレート

このプロンプトを使用すると、動画の基本情報、コメントデータ、台本を提供することで、自動的に「伸びた要因の言語化」と「感情曲線グラフの生成」を行います。

## 使用方法

以下の3つの情報を提供してください：

1. **動画の基本情報**（CSV形式またはMarkdown形式）
   - 動画ID、タイトル、再生数、高評価数、コメント数、投稿日時など

2. **コメントデータ**（CSV形式またはMarkdown形式）
   - video_id, comment_text, comment_likes, comment_published_at などの列

3. **台本**（テキスト形式）
   - 時間軸付きの台本（例：(00:01) セリフ...）

---

## プロンプト

以下の情報を提供します。これらを分析して、動画が伸びた要因を言語化し、主人公と敵役の感情曲線グラフを生成してください。

### 提供する情報

#### 1. 動画の基本情報
```
[ここに動画の基本情報を貼り付け]
例：
- 動画ID: [動画ID]
- タイトル: [動画タイトル]
- 再生数: [再生数]
- 高評価: [高評価数]
- コメント数: [コメント数]
- 投稿日: [投稿日]
```

#### 2. コメントデータ
```
[ここにコメントデータを貼り付け]
CSV形式またはMarkdown形式で、以下の列を含む：
- video_id
- comment_text
- comment_likes
- comment_published_at
```

#### 3. 台本
```
[ここに台本を貼り付け]
時間軸付きの形式：
(00:01) セリフ...
(01:15) セリフ...
```

### 依頼内容

#### 1. 伸びた要因の言語化
コメントを分析して、動画が伸びた主要な理由を8-10個のポイントにまとめてください。

各ポイントについて：
- コメントから見える視聴者の反応（具体例を3-5個）
- なぜ効果的だったかの説明
- コメント数や高評価数などの数値データがあれば含める

**ファイル名**: `分析結果.md`

#### 2. 感情曲線グラフの生成
台本を分析して、以下の2つの感情曲線グラフを生成してください：

##### 主人公の感情曲線
- 時間軸に沿った感情の起伏（0-10スケール）
- 各ポイントに「ここで[主人公名]に〇〇が起こる」形式の説明
- コメントが多いポイントには「[コメントN件]」と表示
- 重要なポイント（感情の転換点）は強調表示

##### 敵役の感情曲線
- 時間軸に沿った感情の起伏（0-10スケール）
- 各ポイントに「ここで[敵役名]に〇〇が起こる」形式の説明
- コメントが多いポイントには「[コメントN件]」と表示
- 重要なポイント（感情の転換点）は強調表示

##### 技術要件
- PNG形式で出力（300dpi）
- matplotlibを使用
- グラフサイズ: 18×10インチ
- 日本語フォント対応（Hiragino Sans または Yu Gothic）
- コメントデータから時間情報（例：「5:09」）を抽出して分析

##### ファイル名
- `感情曲線/感情曲線（主人公）.png`
- `感情曲線/感情曲線（敵役）.png`
- `感情曲線/主人公と敵役の感情曲線.py`（再利用可能なスクリプト）

**重要**: 生成した感情曲線グラフの画像は、分析結果のMarkdownファイル（`分析結果.md`）に埋め込んでください。画像は相対パスで参照し、各グラフの下に説明文を追加してください。

### 分析のポイント

#### コメント分析
- 時間情報が含まれるコメント（例：「5:09」）から、時間ごとのコメント数を集計
- 高評価が多いコメントを特定
- 繰り返し言及されているキーワードやフレーズを抽出
- キャラクター名や特定のシーンの言及を分析

#### 感情曲線の設計
- 台本の内容から、各時間ポイントでの感情の強度を0-10で評価
- 主人公: 序盤は低調→中盤以降上昇のパターンが多い
- 敵役: 序盤は高調→中盤以降下降のパターンが多い
- 重要な転換点（例：[主人公名]の決意表明、[敵役名]の態度変化など）を特定

#### 説明文の作成
- 主人公視点: 「ここで[敵役名]に[出来事]を告げられる」
- 敵役視点: 「ここで[主人公名]に[出来事]を告げる」
- 主語を明確に区別する

### 出力形式

#### 伸びた要因の言語化レポート
以下の構造でMarkdownファイルを作成：

```markdown
# 動画が伸びた理由分析

## 動画基本情報
- 動画ID: 
- 再生数: 
- 高評価: 
- コメント数: 

## 動画が伸びた主要な理由

### 1. [理由のタイトル]
#### コメントから見える視聴者の反応
- [コメント例1]
- [コメント例2]

#### なぜ効果的だったか
[説明]

### 2. [次の理由]
...

## 台本構造の分析
[時間軸と主要な転換点の分析]

## 感情曲線グラフ

### [主人公名]（主人公）の感情曲線

![主人公の感情曲線](感情曲線/感情曲線（主人公）.png)

[主人公の感情曲線の説明：主要な転換点と感情の変化を説明]

### [敵役名]（敵役）の感情曲線

![敵役の感情曲線](感情曲線/感情曲線（敵役）.png)

[敵役の感情曲線の説明：主要な転換点と感情の変化を説明]

## まとめ
[動画が伸びた理由のまとめ]
```

#### 感情曲線グラフ
- PNG形式で出力
- 高解像度（300dpi）
- 各ポイントに説明文とコメント数情報を含める
- 主人公と敵役で別々のグラフを作成
- 視覚的に分かりやすいグラフ
- 重要なポイントの強調表示
- **重要**: 生成したグラフ画像は、分析結果のMarkdownファイル（`分析結果.md`）の「感情曲線グラフ」セクションに埋め込むこと。画像は相対パス（`感情曲線/感情曲線（主人公）.png`、`感情曲線/感情曲線（敵役）.png`）で参照し、各グラフの下に感情の変化の説明を追加すること。

### 注意事項

- コメントから時間情報（例：「5:09」）を抽出して、時間ごとのコメント数を分析する
- 感情曲線は0-10のスケールで表現する
- 重要なポイント（感情の転換点など）は強調表示する
- コメントが多いポイントには件数を表示する
- **重要**: 分析結果のMarkdownファイル（`分析結果.md`）には、必ず感情曲線グラフの画像を埋め込むこと。画像は相対パスで参照し、各グラフの下に感情の変化の説明を追加すること。

---

## 実行手順

1. 上記のプロンプトに、動画の基本情報、コメントデータ、台本を貼り付ける
2. AIに依頼する
3. 生成されたファイルを確認する

## 生成されるファイル

1. `分析結果.md` - 伸びた要因の言語化レポート（感情曲線グラフの画像も埋め込み済み）
2. `感情曲線/感情曲線（主人公）.png` - 主人公の感情曲線グラフ
3. `感情曲線/感情曲線（敵役）.png` - 敵役の感情曲線グラフ
4. `感情曲線/主人公と敵役の感情曲線.py` - グラフ生成スクリプト（再利用可能）

**注意**: `分析結果.md`には、生成した感情曲線グラフの画像が相対パスで埋め込まれています。Markdownビューアで開くと、画像が表示されます。

## カスタマイズ

- 主人公名と敵役名は、実際の動画の内容に合わせて変更してください
- 感情曲線の値は、台本の内容を分析して適切に設定してください
- コメント分析の精度を上げるため、時間情報が含まれるコメントが多いほど正確になります

---

上記のプロンプトに情報を入力して、AIに依頼してください。

#### 1. 動画の基本情報
```
[ここに動画の基本情報を貼り付け]
例：
- 動画ID: [動画ID]
- タイトル: [動画タイトル]
- 再生数: [再生数]
- 高評価: [高評価数]
- コメント数: [コメント数]
- 投稿日: [投稿日]
```

#### 2. コメントデータ
```
[ここにコメントデータを貼り付け]
CSV形式またはMarkdown形式で、以下の列を含む：
- video_id
- comment_text
- comment_likes
- comment_published_at
```

#### 3. 台本
```
[ここに台本を貼り付け]
時間軸付きの形式：
(00:01) セリフ...
(01:15) セリフ...
```

pip install google-api-python-client youtube-transcript-api

from googleapiclient.discovery import build

# APIキーを設定
API_KEY = 'YOUR_API_KEY'
youtube = build('youtube', 'v3', developerKey=API_KEY)

# 動画IDを指定
video_id = 'VIDEO_ID'

# 動画情報を取得
request = youtube.videos().list(
    part='snippet,statistics',
    id=video_id
)
response = request.execute()

# データを抽出
video = response['items'][0]
snippet = video['snippet']
statistics = video['statistics']

# 必要な情報を取得
print(f"- 動画ID: {video_id}")
print(f"- タイトル: {snippet['title']}")
print(f"- 再生数: {statistics.get('viewCount', 0)}")
print(f"- 高評価: {statistics.get('likeCount', 0)}")
print(f"- コメント数: {statistics.get('commentCount', 0)}")
print(f"- 投稿日: {snippet['publishedAt'][:10]}")

import csv
from googleapiclient.discovery import build

# APIキーを設定
API_KEY = 'YOUR_API_KEY'
youtube = build('youtube', 'v3', developerKey=API_KEY)

# 動画IDを指定
video_id = 'VIDEO_ID'

# コメントを取得（最大100件ずつ）
comments = []
next_page_token = None

while True:
    request = youtube.commentThreads().list(
        part='snippet',
        videoId=video_id,
        maxResults=100,
        pageToken=next_page_token,
        order='relevance'
    )
    response = request.execute()
    
    for item in response['items']:
        comment = item['snippet']['topLevelComment']['snippet']
        comments.append({
            'video_id': video_id,
            'comment_text': comment['textDisplay'],
            'comment_likes': comment.get('likeCount', 0),
            'comment_published_at': comment['publishedAt']
        })
    
    # 次のページがあるか確認
    next_page_token = response.get('nextPageToken')
    if not next_page_token:
        break

# CSV形式で保存
with open('comments.csv', 'w', encoding='utf-8', newline='') as f:
    writer = csv.DictWriter(f, fieldnames=['video_id', 'comment_text', 'comment_likes', 'comment_published_at'])
    writer.writeheader()
    writer.writerows(comments)