Le problème
Les équipes de croissance YouTube vérifient manuellement les chaînes concurrentes, suivent les performances des vidéos, recherchent les sujets tendance et surveillent les benchmarks de niche. Cette recherche prend des heures par semaine, produit des données incohérentes selon qui la fait, et les informations arrivent trop tard pour agir. Une idée de vidéo qui était tendance il y a trois jours est déjà saturée au moment où la recherche arrive. Les équipes ont besoin de pipelines de données automatisés et cohérents qui font remonter les opportunités en temps réel, et non de rapports hebdomadaires assemblés à la main.
La solution Scavio
Le point d'accès de recherche YouTube de Scavio renvoie des métadonnées vidéo structurées incluant le nombre de vues, les dates de publication, les abonnés de la chaîne et les métriques d'engagement. Vous construisez un pipeline qui s'exécute quotidiennement, recherche des mots-clés de niche, suit quels sujets gagnent en vitesse, et compare vos métriques à celles des concurrents. Les données arrivent en JSON prêtes pour les tableaux de bord ou les résumés Slack. La recherche qui prenait quatre heures par semaine à un membre de l'équipe s'exécute désormais en deux minutes en pilote automatique.
Avant
Avant Scavio, la recherche YouTube était une tâche manuelle hebdomadaire qui produisait des informations obsolètes. Les équipes de croissance passaient des heures à collecter des données au lieu de créer du contenu.
Après
Après Scavio, un pipeline automatisé quotidien fait remonter les sujets tendance, la performance des concurrents et les benchmarks de niche. L'équipe ne consacre aucun temps à la collecte de données et tout son temps à la stratégie de contenu.
À qui cela s'adresse
Les équipes de croissance YouTube, les stratèges de contenu et les gestionnaires de chaîne qui passent des heures chaque semaine sur la recherche manuelle de concurrents et de sujets. Quiconque souhaite des informations automatisées quotidiennes plutôt que des rapports hebdomadaires obsolètes.
Avantages clés
- Métadonnées vidéo structurées avec vues, likes et dates de publication
- La recherche automatisée quotidienne remplace des heures de vérification manuelle
- Suivi des chaînes concurrentes avec des benchmarks de performance
- Le score de vélocité des sujets révèle les opportunités tendance tôt
- La sortie JSON alimente les tableaux de bord, Slack ou les outils de planification de contenu
Exemple Python
import requests
import json
from datetime import datetime
from pathlib import Path
API_KEY = "your_scavio_api_key"
def research_topic(keyword: str) -> list[dict]:
res = requests.post(
"https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": "youtube", "query": keyword},
timeout=15,
)
res.raise_for_status()
videos = res.json().get("organic", [])
return [{
"title": v.get("title", ""),
"channel": v.get("channel", ""),
"views": v.get("views", 0),
"published": v.get("published", ""),
"link": v.get("link", ""),
} for v in videos[:10]]
def daily_growth_research(keywords: list[str]) -> dict:
report = {"date": datetime.utcnow().isoformat(), "topics": {}}
for kw in keywords:
videos = research_topic(kw)
total_views = sum(v["views"] for v in videos)
report["topics"][kw] = {
"video_count": len(videos),
"total_views_top_10": total_views,
"top_video": videos[0] if videos else None,
}
return report
keywords = ["react tutorial 2026", "nextjs app router", "ai coding assistant review"]
report = daily_growth_research(keywords)
Path(f"yt_research_{datetime.utcnow().strftime('%Y-%m-%d')}.json").write_text(json.dumps(report, indent=2))
for topic, data in report["topics"].items():
print(f"{topic}: {data['total_views_top_10']:,} total views in top 10")Exemple JavaScript
const API_KEY = "your_scavio_api_key";
async function researchTopic(keyword) {
const res = await fetch("https://api.scavio.dev/api/v1/search", {
method: "POST",
headers: { "x-api-key": API_KEY, "content-type": "application/json" },
body: JSON.stringify({ platform: "youtube", query: keyword }),
});
if (!res.ok) throw new Error(`scavio ${res.status}`);
const data = await res.json();
return (data.organic ?? []).slice(0, 10).map((v) => ({
title: v.title ?? "",
channel: v.channel ?? "",
views: v.views ?? 0,
published: v.published ?? "",
link: v.link ?? "",
}));
}
async function dailyGrowthResearch(keywords) {
const report = { date: new Date().toISOString(), topics: {} };
for (const kw of keywords) {
const videos = await researchTopic(kw);
const totalViews = videos.reduce((sum, v) => sum + v.views, 0);
report.topics[kw] = {
videoCount: videos.length,
totalViewsTop10: totalViews,
topVideo: videos[0] ?? null,
};
}
return report;
}
const keywords = ["react tutorial 2026", "nextjs app router", "ai coding assistant review"];
const report = await dailyGrowthResearch(keywords);
const fs = await import("fs/promises");
await fs.writeFile(`yt_research_${new Date().toISOString().slice(0, 10)}.json`, JSON.stringify(report, null, 2));
for (const [topic, data] of Object.entries(report.topics)) {
console.log(`${topic}: ${data.totalViewsTop10.toLocaleString()} total views in top 10`);
}Plateformes utilisées
YouTube
Recherche de vidéos avec transcriptions et métadonnées