Как я с Claude проверил хуки 873 рилс: залетают ли ролики из-за типа начала

Я давно хотел проверить одну вещь, которую повторяет почти каждый курс по рилс: залетает тот ролик, у которого сильный хук. Вопрос в начале, интрига, личная история. Если это правда, у залетевших роликов один тип начала должен встречаться чаще, чем у обычных.

Проверял на двух нишах, психологах и врачах: 94 открытых аккаунта Instagram*, 3 868 рилс за полгода, из них 873 ролика с разобранным началом. Всю техническую часть сделал агент на Claude в терминале, а я ставил задачи и проверял результат. Ответ получился неудобный: вопрос, история или интрига в начале залетевший ролик от обычного не отличают. Заметная разница нашлась в другом месте, и её поймал не я, а второй агент на проверке. Ниже как это считалось, где пришлось вмешаться и как повторить такой разбор на своей нише.

Сразу раскрою интерес: данные собраны через API Onda (opens in new tab), это мой сервис для поиска залетевших роликов у конкурентов.

Что считать залетевшим роликом#

Если сравнивать просмотры в лоб, блогер с миллионом подписчиков всегда выигрывает у блогера с тридцатью тысячами. Поэтому я сравнивал каждый ролик с самим автором.

• Залетевший ролик набрал не меньше трёх медиан просмотров своего автора за 180 дней.
• Обычный ролик набрал от половины до полутора медиан.
• У каждого автора обычных роликов брали случайно и столько же, сколько у него залетевших. Иначе активный автор с сотней роликов перевесил бы остальных.

Так получилось 437 залетевших и 436 обычных роликов у 88 авторов. Вторая группа здесь главная: без неё любой вывод про залетевшие ролики звучит убедительно и ничего не доказывает. Если 18% залетевших начинаются с вопроса, это ничего не значит, пока не знаешь, сколько обычных роликов начинается так же.

Как агент нашёл аккаунты#

Сначала было по 17–18 аккаунтов на нишу, а для сравнения двух групп роликов этого мало. Идея набрать выборку через подписки была моя, а скрипты написал агент:

1. Выгрузил, на кого подписаны уже найденные психологи и врачи. Это около 2 400 аккаунтов.
2. Отобрал кандидатов по нику и имени: «психолог», «психотерапевт», «педиатр», «гинеколог». Школы, сообщества, страницы отзывов и ветеринаров убрал.
3. Проверил профили и оставил открытые аккаунты от 20 000 подписчиков.
4. Психологов не хватило, поэтому он сделал второй шаг и посмотрел подписки уже у новых найденных авторов.

В итоге получилось по 47 аккаунтов на нишу. На поиск ушло 79 запросов к подпискам и 172 к профилям.

Что делал агент на каждом ролике#

Хук я понимал как первые секунды, за которые зритель решает, смотреть ли дальше. Поэтому у каждого ролика агент брал три вещи:

• речь первых 5 секунд. Вырезал через ffmpeg по 6 секунд звука, с запасом в секунду, и отправил в Deepgram, всего около 80 минут;
• текст на экране в первую секунду. Сохранил кадр и распознал текст встроенным в macOS движком Vision, локально и бесплатно;
• первую строку подписи.

Потом каждое начало получило тип из закрытого списка: вопрос зрителю, личная история, интрига, юмор, польза, список, новость или факт, преображение или «без словесного хука», если в начале нет осмысленной фразы: тишина, музыка, приветствие или водяной знак. Разметку делала отдельная модель-классификатор. Ей нельзя ответить свободным текстом, только выбрать вариант из списка, поэтому ответы сравнимы между роликами.

Последний шаг считал Python: доля каждого типа у залетевших и у обычных роликов внутри ниши.

Где пришлось вмешаться#

Скрипты агент писал быстро, но в трёх местах без проверки результат был бы неверным или неполным.

Эмодзи в подписях ломали отправку. Агент собирал данные локально и отправлял скрипт на сервер вместе с данными внутри. Подписи с эмодзи превращались в битые символы, и каждый запрос падал с ошибкой кодировки. Помогло упаковать данные в base64 перед отправкой.

Обрывалась SSH-сессия. Длинный прогон на сервере один раз оборвался на середине. Агент не стал начинать заново: он сравнил, какие аккаунты уже выгружены, и продолжил с остальных. Поэтому в постановке задачи ниже это отдельный пункт.

Первый вывод оказался неполным. В черновике этой статьи было написано, что тип хука залетевшие ролики не отличает, без оговорок. Я отдал черновик второму агенту только на проверку, с доступом к исходным данным. Он пересчитал числа по исходным данным и нашёл то, что мы пропустили: ролики совсем без словесного начала среди обычных встречаются почти втрое чаще. Поэтому проверять выводы должен отдельный запуск, а не тот, что писал.

Отдельно пришлось чистить примеры. Распознанная речь иногда превращалась в кашу, поэтому фразы для публикации я перечитал руками и убрал неразборчивые, а заодно темы про секс, насилие и знаменитостей.

Что получилось#

Доли основных типов у залетевших и обычных роликов почти совпали.

У психологов:

• с вопроса зрителю начинаются 18% залетевших роликов и 16% обычных;
• с личной истории 18% и 18%;
• с интриги 16% и 19%.

У врачей:

• с личной истории 19% и 18%;
• с вопроса 18% и 19%;
• с новости или факта 16% и 15%.

Признаки, для которых разметка не нужна, ведут себя так же. Речь в первые 5 секунд есть у 84% залетевших роликов психологов и у 82% обычных, у врачей у 72% и 76%. Текст на экране у психологов 95% и 92%, у врачей 92% и 88%.

Разница нашлась только у роликов, в начале которых классификатор не нашёл словесного хука. По двум нишам это 2,3% залетевших роликов и 6,2% обычных, 10 роликов против 27. И это не причуда одного автора: такие ролики есть у 19 авторов, у 13 из них они чаще среди обычных роликов и только у 4 среди залетевших. Ролик без словесного начала чаще остаётся обычным, но таких роликов мало, и на одном срезе это наблюдение, а не правило.

Выбор между вопросом, историей и интригой сам по себе ролик не вытягивает. Сильные фразы есть: у одного психолога ролик с надписью «Успех сына зависит от матери» в первую секунду набрал в 233 раза больше его обычных просмотров. Но одна сильная фраза ещё не делает свой тип правилом. По одной сильной фразе от десяти авторов каждой ниши я выложил отдельно, без имён: хуки для психологов (opens in new tab) и хуки для врачей (opens in new tab).

Как повторить разбор на своей нише#

Тебе понадобятся выгрузка роликов с просмотрами, распознавание речи и агент, который умеет запускать скрипты. Порядок такой:

1. Найди 40–50 аккаунтов ниши. Подписки нескольких известных авторов дают кандидатов быстрее, чем ручной поиск.
2. Выгрузи ролики за полгода и посчитай медиану просмотров каждого автора.
3. Раздели ролики на залетевшие и обычные по кратности к медиане, а обычные возьми поровну с залетевшими у каждого автора.
4. Достань начало каждого ролика: речь, текст на кадре, подпись.
5. Размечай начало закрытым списком типов, а не свободным описанием.
6. Сравни доли в двух группах и только потом делай выводы.

Задачу агенту я ставил примерно так:

Есть таблица роликов: автор, просмотры, дата, ссылка на видео, подпись.
1. Посчитай медиану просмотров каждого автора за 180 дней.
2. Залетевшие: от 3 медиан. Обычные: от 0,5 до 1,5 медианы, случайно,
   столько же, сколько залетевших у этого автора, seed зафиксируй.
3. Для каждого ролика вырежи первые 5 секунд звука и кадр на первой секунде.
4. Речь отправь в распознавание, текст на кадре распознай OCR.
5. Тип начала выбирай из закрытого списка, включая «без словесного хука».
6. Скрипт должен продолжать с места остановки, если прогон оборвётся.
7. Перед выводами покажи доли типов хука в обеих группах рядом.

Седьмой пункт самый важный. Без него агент охотно напишет, что «залетевшие ролики чаще начинаются с вопроса», и формально будет прав: 18% против 16%. Только такая разница на сотнях роликов укладывается в случайный шум. А итоговые выводы отдай на проверку отдельному запуску агента, как сделал я.

Если хочешь, чтобы агент сам держал методику, пригодятся скиллы Разведочный анализ данных и Deep Research. А превращать найденные фразы в посты удобнее со скиллом Контент-менеджер.

Чего этот разбор не показывает#

• Только Instagram* и только крупные открытые аккаунты от 20 000 подписчиков.
• Просмотры сняты один раз, 5 октября 2026 года. У свежих роликов они ещё растут.
• Точность классификатора я вручную не проверял. Случайные ошибки разметки сглаживают настоящую разницу между группами, поэтому «разницы нет» стоит читать как «заметной разницы не нашли».
• Две ниши. В другой нише ответ может быть другим, поэтому разбор стоит повторить на своей.

Чек-лист «начни с вопроса» мне больше не нужен. Полезнее раз в неделю открыть ролики, которые набрали больше обычного у авторов моей ниши, и посмотреть, с чего они начинаются. Фразы из подборок я беру как заготовки для своего начала.

*Instagram принадлежит компании Meta, признанной экстремистской и запрещённой в России.