| name | distribution-strategy |
| description | Regras de distribuição do LowOpsCast baseadas em analytics reais (YouTube, TikTok, Instagram, LinkedIn) — prioridade por rede, matriz de cadência, horários, ranking de clips e orçamento de créditos. Use ao alterar schedule_matrix.py, o ranking de clips, o Judge, CTAs ou textos de post; ao decidir top-N, horário ou rede; e quando o usuário falar de cadência, horário de postagem, curadoria, viralização, CTA ou qual rede priorizar. |
Estratégia de distribuição
As decisões abaixo vêm de dados medidos do canal (jul/2026), não de benchmark genérico.
Ao mexer em src/shared/schedule_matrix.py (matriz, _clip_score, _build_description) ou em
src/shared/judge.py, mudanças que contrariem estes números precisam ser justificadas
explicitamente ao usuário, não aplicadas em silêncio.
Hierarquia das redes (dado real)
| Rede | Alcance medido | Papel | Cortes funcionam? |
|---|
| YouTube Shorts | 76,6 mil views = 90,9% do canal | 🥇 motor principal | sim |
| TikTok | 40,2 mil views (For You 88,9%) | 🥇 descoberta | sim |
| Instagram | Reels ~4% das views | 🥉 secundária | fraco — audiência vive em Stories |
| LinkedIn | 600 mil impressões (+119% YoY) | curado | corte não; artigo técnico sim |
| Facebook | — | baixa | opcional |
Matriz de cadência
Fonte de verdade no código: NETWORK_CONFIG em src/shared/schedule_matrix.py.
Horários em BRT (America/Sao_Paulo), convertidos para UTC na saída.
| Rede | top_n | hours_brt | gap_hours | days_only |
|---|
YOUTUBE | 99 (todos) | 12, 19 | 12 | qualquer |
TIKTOK_BUSINESS | 99 (todos) | 12, 19 | 12 | qualquer |
INSTAGRAM_BUSINESS | 6 | 12, 15 | 24 | qualquer |
LINKEDIN | 3 | 8, 15 | 48 | ter/qua/qui |
FACEBOOK_PAGE | 4 | 9, 12 | 24 | seg–sex |
Confiança dos horários — importa para saber o que é ajustável:
- Instagram 12–15h: medido (pico real do analytics). Não mudar sem dado novo.
- YouTube: o Studio reportou "dados insuficientes" para horário → valor é semente.
- TikTok: não coletado → semente.
- LinkedIn 8–9h / 15–17h: hipótese a testar.
Consumo da audiência: almoço (12–15h) e noite (19–22h). Público: BR, tech/DevOps, 96% masculino,
47,5% na faixa 25–34.
Regra do funil (a mais importante)
Lives convertem ~80x mais inscritos por view que Shorts (4,49% vs 0,055%).
Shorts trouxeram +42 inscritos; lives, +337.
→ Todo corte precisa de CTA puxando o episódio completo. Corte é topo de funil; a conversão
acontece na live/VOD. O CTA é anexado em _build_description()
(src/shared/schedule_matrix.py) — hoje "🎙️ Episódio completo no YouTube @LowOps", sempre
concatenado, antes do truncamento em 2000 chars. Qualquer refatoração que possa emitir uma
description sem CTA é bug, não estilo.
O que viraliza (cross-rede, observado)
Alimenta curationPref da OpusClip e o prompt do Judge:
- Carreira — ATS, "Linux abre portas"
- Humor DevOps — "Deploy 17h59", "QA de madrugada"
- Tech prático — Keycloak, Terraform
- Curiosidade regional — Pomerode, Floripa
Retenção média em Shorts: 35,2%.
Ranking de clips — hierarquia de tiers
_clip_score usa três tiers em ordem de confiança; um tier superior sempre vence, então um
corte curto e ótimo ganha de um corte longo e raso:
- Score de conteúdo do Judge LLM (
_content_score, presente quando JUDGE_MODE=hybrid) —
julga payoff e insight real, não só fala limpa.
- Virality score nativo da OpusClip, quando presente (não está no schema público — é sondado).
durationMs como proxy, quando não há score.
Não achate isso numa soma ponderada sem combinar com o usuário: a ordem de tiers é a decisão de
design.
JUDGE_MODE hoje é rules_only. Em hybrid usa gpt-5-mini do AI Foundry existente
(aif-jobfinder-prod-randonix).
Orçamento (guarda-corpo)
- Plano Pro Anual — 3.600 créditos/ano (~40 episódios).
- 1 crédito = 1 min de vídeo original; episódio ~80 min ≈ 80 créditos.
- Publicar não gasta crédito. Só clipar.
- Storage da conta OpusClip em ~99/100 GB → limpar projetos antigos antes de processar novos.
- Ao ligar a automação: desligar o Auto-Import nativo da OpusClip, senão clipa 2x e gasta
crédito em dobro.
Validação
pytest src/tests/test_schedule_matrix.py src/tests/test_judge.py -q
Contexto mais longo e histórico de decisões: README.md (§4–§6, §9) e cortes-recomendados.md.
