某个题目下表现最好的 YouTube 视频，记进 Google Sheets

它是什么

这个 n8n 工作流找出某个题目下过去一年表现好的 YouTube 视频，并把它们记进一张 Google 表格。你在 n8n 的聊天框里输入题目。YouTube 节点搜索这个题目，一个 HTTP 请求取回每条结果的统计数据，再由一个 Code 节点算出发布天数、日均播放和互动比率。越过四个门槛的视频交给 OpenAI 的 gpt-4o-mini，它只留下标题是英文、又切合你题目的那些。每个留下的视频变成一行，共十一列。YouTube 上的任何东西都不会被改动。

1. 你在 n8n 的聊天框里输入一个题目
2. YouTube 返回这个题目过去一年的视频
3. 每个视频的数量换算成比率和日均播放
4. 四个门槛加一次 OpenAI 检查，筛掉弱的
5. 剩下的追加到你的 Google 表格

适合谁

按“什么已经有效”来选题的 YouTuber 和策划，以及替客户研究细分领域的代理公司。它给你一份值得研究的成功视频清单，自己不写标题，也不出点子。如果要研究其他语言的视频，就别选它，因为 AI 检查会筛掉所有非英文标题。

用在哪里

只要 n8n 能访问 Google 和 OpenAI 就能运行，n8n Cloud 或你自己的服务器都行。结果放在电子表格里，排序、筛选、做图和分享都在 Google Sheets 里完成。

• n8n Cloud：在那里新建一个工作流，把文件导入进去
• 你自己的 n8n 服务器：同一个文件，同样的步骤
• n8n 的聊天框：从画布上打开的那个面板，就是你输入每个题目的地方
• Google Sheets：给结果排序、做图，或者把表格分享给团队

设置

点“获取”会把一个压缩包存到你的下载文件夹，里面有 workflow.json 和 Mindket 写的设置说明。作者估计设置要 13 分钟左右。先建好表格：一个名为 YT Topic Ideas 的标签页，第一行写上下面这十一个表头。

Topic | Title | View Count | Like Count | Commet Count | Like Ratio | Comment Ratio | Views per day | Engagement Score | Days ago | Youtube URL

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 添加一个 YouTube OAuth2 凭据，在 Get Videos 和 Get Video Data 里选中它。
3. 在 Get Video Data 里，把查询参数中的 YOUR_YOUTUBE_API_KEY 换成一个 YouTube Data API 密钥，或者直接删掉那一行。OAuth 凭据自己就能为这个调用签名。
4. 添加一个 OpenAI 凭据，在 ChatGPT 里选中它。
5. 添加一个 Google Sheets 凭据，在 Update Data to Sheet 里选中它，再把 YOUR_SHEET_ID 换成你表格地址里 /d/ 和下一个斜杠之间的那段 ID。
6. 保存，打开聊天框，输入一个题目，看看写进来的行。

节点里就是把 Commet Count 拼成这样的。表格里照这个拼法写，或者两边一起改。

如何使用

输入一个几个词的题目，就像在 YouTube 搜索框里那样。搜索范围是过去 12 个月发布的视频，按相关度排序，安全搜索设为中等。每个通过的视频都会新增一行。同一个题目再跑一次，这些行会再加一遍，因为表格节点只追加，从不查找已有的行。

示例

你输入 home espresso。假设其中一条结果有 250,000 次播放、9,000 个赞和 600 条评论，发布于 100 天前。Code 节点算出它的点赞比率是 3.60，互动分是 0.0384，日均播放 2,500 次。四个门槛全部通过。OpenAI 对它的英文标题回答 Yes，于是写进这样一行，这里做了删减：

{ "Topic": "home espresso", "View Count": 250000, "Like Ratio": "3.60", "Comment Ratio": "0.24", "Engagement Score": "0.0384", "Views per day": 2500, "Days ago": 100 }

新手与专家

新手：n8n 把工作流画成用线连起来的方框，每个方框叫一个节点，只做一件事。这个工作流有 11 个节点，没有便签。这里的比率是一种占比，比如每一百次播放里有几个赞。凭据是 n8n 替你保管的密钥，你在哪个节点里选中它，就交给哪个节点用。先试一个范围窄的题目，让第一次运行的规模小一些。

专家：Performance Ratio Calculation 一次给一个条目打分，其中两个字段输出成固定小数位的字符串。Filter Bad Videos 用宽松的类型校验去比较它们。四个条件必须同时成立。

Remove Duplicates 比较的是整个条目，所以只会去掉数字完全相同、重复出现的视频。Filter Title & Language 通过一个结构化解析器把模型的回答限定为 {"Answer": "Yes or No"}，后面的 IF 只留下正好是 Yes 的。Code 节点还算了日均点赞，但没有哪一列接收它。

注意事项

搜索可能很快用掉 YouTube 配额，重复运行会加进重复的行。

• 配额：Get Videos 打开了 Return All，会把 YouTube 给出的每一页结果都翻一遍，而一次搜索消耗的配额远多于查一个视频
• 费用：每个越过门槛的视频调用一次 OpenAI
• 重复运行：同一个视频可能出现在好几行，在表格里排序或去重
• 语言：检查只留下英文标题，换别的语言就改写它的提示词
• 谁能运行：聊天触发器不是公开的，只有能在 n8n 里打开这个工作流的人才能发起运行
• 凭据：这个 JSON 里没有任何凭据，也没有作者账号里的任何东西