Um profissional de marketing criou o Znich em cinco meses — analytics com AI para criadores de vídeos no YouTube

Um marqueteiro contou no Habr como em cinco meses construiu independentemente o Znich — uma ferramenta de análise de IA para criadores de vídeo no YouTube. A ferramenta responde a pergunta que atormenta qualquer criador de conteúdo: por que um vídeo recebe um milhão de visualizações enquanto outro, com os mesmos esforços e qualidade similar, desaparece em silêncio?

De onde veio a ideia

Trabalhando como marqueteiro, o autor analisava regularmente concorrentes: observava quais vídeos funcionavam bem para eles e tentava encontrar padrões. YouTube Studio honestamente fornece dados — retenção de audiência, CTR de miniatura, fontes de tráfego, posições em pesquisas. Mas o problema é que tudo está disperso. Para obter um quadro completo, você precisa compilar manualmente os números, comparar vídeos entre si, construir hipóteses e testá-las uma por uma. Esse processo levava horas e não garantia uma resposta à pergunta principal.

O autor decidiu automatizar a análise — não para uma startup, mas para seu próprio trabalho diário. Este é um detalhe importante: Znich surgiu como uma ferramenta para si mesmo e só depois se tornou um produto. É por isso que não há nada desnecessário nele — cada funcionalidade resolve um problema específico que o criador enfrentou pessoalmente e repetidas vezes.

O que Znich consegue fazer

Cinco meses de desenvolvimento — sem formação clássica em engenharia, principalmente usando ferramentas de IA e uma abordagem iterativa. O autor descreve o processo honestamente: cada funcionalidade aparecia quando o próximo problema se tornava insuportável e a análise manual era muito custosa.

Znich analisa o que a análise padrão não fornece em forma pronta e interpretada:

• Retenção de audiência em uma linha do tempo — exatamente onde os espectadores saem e em qual segundo
• CTR de miniatura vinculado ao título — o que funciona melhor em um nicho específico e para concorrentes
• Fontes de tráfego e suas partes — pesquisa, recomendações, visitas diretas, links externos
• Estrutura de vídeos bem-sucedidos dos concorrentes — primeiros segundos, transições semânticas, finais
• Padrões de viralidade — o que é comum em vídeos com milhões de visualizações no nicho

A diferença fundamental: não apenas números, mas interpretação. A camada de IA tenta responder à pergunta "por quê", não apenas "quanto". Isso desloca o trabalho do autor da coleta de dados para a tomada de decisões sobre conteúdo.

Funcionalidade por funcionalidade — da dor

O autor descreve honestamente como o produto evoluiu: não de acordo com um roadmap, mas de acordo com reclamações — primeiro e principalmente suas próprias. Se alguma análise tinha que ser feita manualmente mais de duas vezes, um novo recurso aparecia. Nenhum planejamento de produto no sentido clássico — apenas dor como método de priorização.

"YouTube Studio honestamente mostra números — retenção, fontes de tráfego, CTR.

Mas não há resposta completa nesses números: você tem que compilá-la você mesmo", escreve o autor.

Essa abordagem — construir para si primeiro — deu ao produto uma qualidade rara: cada elemento da interface resolve um problema real, não um presumido. Isso contrasta fortemente com painéis analíticos que foram construídos com o princípio de "vamos adicionar tudo que podemos medir" e se tornaram interfaces sobrecarregadas onde é difícil encontrar uma resposta para uma pergunta simples.

Em cinco meses, o produto viajou de um script pessoal para uma ferramenta completa com interface total. O autor não esconde que o processo foi não-linear e às vezes doloroso — mas cada iteração aproximava o Znich da resposta para a pergunta com a qual tudo começou.

O que isso significa

A história do Znich é uma ilustração clara de como ferramentas de IA mudaram a acessibilidade do desenvolvimento para especialistas que não são engenheiros. Um marqueteiro sem background técnico construiu um produto de nicho funcional em cinco meses, algo que anteriormente teria exigido um time completo de desenvolvedores. A barreira de entrada para criar ferramentas SaaS especializadas caiu para o nível de uma pessoa com uma dor clara, tempo e vontade de resolvê-la.