meta-ads-research

name

meta-ads-research

description

Análisis completo de competidor en Meta Ads a partir del solo nombre. Extrae ads activos de la Biblioteca de Anuncios de Meta para un brand (videos E imágenes), deduplica por SHA256, transcribe audio, extrae frames, hace OCR + análisis visual, y arma un REPORTE VISUAL Porter (HTML autocontenido). Activar con /meta-ads-research o cuando el usuario pida "scrape ads de meta de X", "research creativo de Y", "trae los ads activos de Z", "auditar competidor en Meta", "analiza al competidor X" o similar. Output: JSON canónico + brand_brief.md + reporte HTML estilo Porter. Usa Apify + Deepgram + Anthropic vision + PaddleOCR + ffmpeg.

Meta Ads Research

Pipeline de extracción limpia y deduplicada de creativos activos en la Biblioteca de Anuncios de Meta. Output: JSON consumible directo + companion en markdown.

Cuándo activar

• "scrape ads de Meta de {brand}"
• "research creativo de {brand}"
• "trae los ads activos de {brand}"
• "qué ads tiene corriendo {brand}"
• "auditar {brand} en Meta"
• "comparar {brand A} vs {brand B}"

Credenciales

export APIFY_TOKEN=apify_api_XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
export DEEPGRAM_TOKEN=your_deepgram_token_here
# ANTHROPIC_API_KEY ← pendiente para vision pass

Scope

Procesa videos E imágenes por igual. Estado actual:

• ✅ Videos con voz: transcripción (Deepgram) + frames (ffmpeg)
• ❌ Imágenes: OCR + vision pendiente (ver gap 1 abajo)
• ❌ Videos silentes (motion graphics, animaciones sin voz): solo dedup, sin valor analítico hasta que vision pass esté implementado (ver gap 1)
• ❌ OCR + vision sobre frames de video pendiente (ver gap 1 abajo)

Pipeline

Ubicación: /Users/juan/repos/mobile/workspace/use-cases/meta-ads-pipeline/scripts/

# 1. Identificar page_id (skip si ya lo tienes de la URL del Ad Library)
python3 01_identify_page.py "<brand_name|website|facebook_url>"

# 2. Scrape
python3 02_scrape_ads.py --page-id <ID> --max-items 500

# 3. Dedup (SHA256 sobre bytes de media)
python3 03_dedup_creatives.py --page-id <ID>

# 4. Enrich (default: enrich-all, customer paga por completeness)
python3 04_enrich_creatives.py --page-id <ID> --top-n 999

# 5. Build canonical output — --formats all es OBLIGATORIO
#    (default es 'summary' → AUDIT.json sin hooks/creatives/media → reporte vacío)
python3 run_audit.py --page-id <ID> --auto-confirm --formats all
python3 generate_brief.py --page-id <ID>   # run_audit NO genera el brief; correrlo aparte

# 6. Reporte visual Porter (HTML autocontenido) — ver sección abajo
#    --brand SIEMPRE (con --page-id directo, page_name viene null → header "—")
python3 generate_report.py --page-id <ID> --brand "<Name>" --narrative data/<ID>/narrative.json

Gotchas verificados (test PolicyMe, 2026-07-16)

• --formats all obligatorio en run_audit. Sin él, el AUDIT.json solo trae summary y el reporte queda sin creativos ni ángulos.
• --brand "<Name>" obligatorio en generate_report cuando entrás por --page-id (el pipeline no resuelve page_name → sale null). Usar el nombre que dio el usuario.
• run_audit NO corre generate_brief. Son pasos separados. El brief es la fuente para escribir narrative.json.
• Ángulos: el clasificador (generate_brief.py → ANGLE_RULES) es rule-based bilingüe EN+ES. Si una marca nueva cae mucho en uncategorized, expandir ANGLE_RULES con sus patrones (es la fuente compartida por AUDIT.json y brief). DCO sin copy real → etiqueta DCO — sin copy, no uncategorized.
• Costo real PolicyMe: 80 ads → 45 únicos → 31 videos enriquecidos ≈ $3.38. Regla: avisar si un run va a pasar $5.

Output: data/<page_id>/AUDIT.json (envelope FireCrawl-shaped, schema v2.0) + data/<page_id>/brand_brief.md (companion agente-friendly, incluye billing block) + dist/<slug>/index.html (reporte visual Porter). Schema completo en docs/SCHEMA.md. Tiempo end-to-end: 1-5 min según tamaño.

Reporte visual Porter (paso final)

generate_report.py convierte AUDIT.json en un index.html autocontenido (imágenes en base64, se abre sin internet) con el sistema de diseño Porter. Es la entrega presentable para el cliente. El reporte se renderiza en INGLÉS por default (labels, secciones y narrativa).

Dos capas:

• Datos (automático): KPIs, ángulos de hook, elegibilidad por plataforma, grid de top-24 creativos con thumbnail + modal (hook + transcript), landings (host + path, para que se vean páginas distintas), transparencia. Sale del AUDIT.json sin intervención.
• Narrativa cualitativa (Claude la escribe): subtítulo, patrones transversales, deep-dive por creativo (script + capa visual + estrategia) y hallazgos accionables. Van en narrative.json opcional. SIN él, el reporte sale completo, solo omite esas secciones.

Flujo obligatorio para el deep-dive (así queda consistente y NO inventado):

1. LEER data/<ID>/brand_brief.md y los transcripts en AUDIT.json → scripts[].
2. Para cada creativo del deep-dive, ABRIR sus 3 frames con la tool Read (imágenes): data/<ID>/thumbs/<fingerprint>_hook.jpg, _mid.jpg, _end.jpg. Describir actores, setting y qué muestra cada frame a partir de lo que se VE — nunca inventar.
3. Escribir data/<ID>/narrative.json con esta forma (inglés):

{
  "subtitle": "One line thesis of the brand's Meta strategy (HTML inline ok).",
  "patterns": [
    {"title": "3-6 word pattern", "body": "1-2 sentences on what repeats across every ad."}
  ],
  "deep_dives": [
    {
      "fingerprint": "<full fingerprint from AUDIT>",
      "title": "Concept name",
      "format": "e.g. UGC selfie + product screen",
      "hook_type": "e.g. Bold numeric price claim",
      "angle": "e.g. price anchor",
      "funnel_stage": "TOF | MOF | BOF (+ short label)",
      "persona": "who it targets",
      "actors": "who APPEARS in the video (grounded on the frames)",
      "copy_levers": ["lever1", "lever2"],
      "delivery": {"voice": "Yes", "music": "optional"},
      "script_stages": [
        {"stage": "HOOK", "time": "0-3s", "text": "…"},
        {"stage": "BODY", "time": "3-15s", "text": "…"},
        {"stage": "CTA",  "time": "15-19s", "text": "…"}
      ],
      "frame_notes": {"hook": "what's on screen", "mid": "…", "end": "…"},
      "why_it_works": "1-2 sentences"
    }
  ],
  "findings": [
    {"title": "Actionable finding", "body": "Implication for a competitor of this brand."}
  ]
}

• duration y pace (w/s) se calculan solos en el generador desde scripts[] — NO los escribas.
• Default: 6-8 deep_dives (los de más variants_total con transcript). El grid + modal cubren el resto. Para brands con muchos creativos NO hagas los 30+ a mano: top 6-8 y listo.
• 3-6 patterns, 3-5 findings.
• Reglas de honestidad: SOLO afirmar lo que brief/AUDIT/frames respaldan. Meta NO expone performance (CTR/spend/impresiones) → nunca inventarlas (ver Limitations).

Colores: default toda la paleta Porter (violeta/aqua/rosa). Para teñir el acento con el color del competidor: --accent "#hex". El resto se mantiene Porter.

Por qué HTML y no dashboard de report.portermetrics.com: esos dashboards se alimentan de conectores Porter (cuenta del cliente vía API). Estos datos vienen de la Biblioteca pública de Meta vía Apify — no son un conector, así que no pueden ser un dashboard nativo. El HTML Porter autocontenido es la vía correcta.

Reglas de comportamiento (obligatorias)

1. Sample size explícito. Reportar siempre enriched N de M unique. NUNCA implicar análisis exhaustivo cuando es muestra.
2. No autoseleccionar page_id ambiguo. Si script 01 devuelve múltiples candidatos → pedir al usuario que confirme.
3. No inventar datos faltantes. Si un creativo no tiene transcript ni OCR, su análisis es null. No deducir.
4. Reportar caps alcanzados. Si --max-items se llenó, el brand tiene más → dejarlo en limitations[].
5. Avisar costos >$5 backend. Si el run lo va a superar, avisar al usuario antes de proceder.
6. Brands con creativos sin audio = facturación parcial. Mientras el gap 1 no esté arreglado, imágenes y videos silentes (motion graphics) NO se facturan. Ejemplo: brand con 102 videos pero 71 silentes solo factura los 31 con voz. Dejarlo explícito al customer.
7. Brands grandes (>50 unique creatives) → sugerir slicing. El brief crece linealmente con creatives. Para brands así, sugerir al customer usar formats=['summary','hooks','landings'] por default para mantener output <3K tokens. Bold ejemplo: 149 unique → 239 líneas / 7K tokens en brief completo.

Gaps críticos pendientes

Evidencia, fix y acceptance tests detallados en docs/HANDOFF.md (Phase 1).

1. Image + silent-video enrichment → imágenes y videos sin voz (motion graphics) reciben $0 de valor. Fix: PaddleOCR + Claude Opus 4.8 vision sobre imágenes Y frames de video silente.
2. Angle classifier sin cobertura completa → brands EN/PT caen en "uncategorized", y narrativas POV en español también (Bold: 20/31 hooks en español uncategorized). Fix: expandir ANGLE_RULES con (a) patterns EN + PT, (b) nueva categoría ask your data, (c) categorías ES narrativas: narrative POV ("yo soy", "mi negocio"), social struggle ("es difícil", "me quedé sin"), transactional surprise ("recibiste X pesos").
3. Country hint null para B2B sin utm geo → fallback cascade: transcript_language → body language detection → landing path + nuevo field country_hint_method.
4. Sequential downloads en script 03 Y script 04 → ambos descargan media one-at-a-time. Bancolombia: dedup tomaba 7+ horas. Script 03 ya tiene parallel prefetch (10 workers) — ahora corre en 5 min. Script 04 todavía secuencial — necesita el mismo fix. Sin esto, brands en CDN edges lentos siguen siendo bottleneck en enrichment. Fix igual al de script 03: ThreadPoolExecutor con 10 workers, timeout 15s por download, cachear fallos para no re-intentar.

Limitations estructurales (comunicar al customer)

Estas son límites del dataset público de Meta, no del pipeline. Cuando el customer pregunte por ellas, surfacear honestamente:

• No performance metrics (CTR, clicks, engagement, spend) para ads comerciales
• platforms = eligibility, NO delivery share (no se puede responder "IG vs FB share")
• Country/age/interest targeting no expuesto
• Killed tests filtrados por active_only=true (excluidos del audit por default)

Fuera de scope

Análisis temporal, monitoring/diff over time, narrativa de análisis, presentaciones, ads de otras redes (TikTok/LinkedIn/YouTube) → no son parte de este skill. Ver roadmap en docs/HANDOFF.md o usar skills separados.

Referencias

• Pipeline + scripts: /Users/juan/repos/mobile/workspace/use-cases/meta-ads-pipeline/
• HANDOFF al dev team: docs/HANDOFF.md (arquitectura, costos, pricing, roadmap, acceptance tests, brands de QA)
• Schema canónico: docs/SCHEMA.md
• Historia de decisiones: docs/ITERATION_LOG.md
• PRD del producto: /Users/juan/repos/mobile/workspace/use-cases/competitor-monitoring-meta-ads.md