KeyFrame內部研究專用

AI 自動化頻道真的能賺錢?我公開所有頻道收入

傑克自動化AI教學9 min中文
觀看原始影片

三句話摘要

用 AI 自動化製作 YouTube 影片的實質收入報告與可複製的多頻道經營系統。 用 AI 自動化製作 YouTube 影片確實可獲利,但成功的關鍵不在追求單一頻道的完美,而在於透過大量並行的頻道測試來對沖平台推薦的隨機性,讓數量成為最大的競爭力。 AI 自動化製作確實可獲利,但需運氣加策略。講者強調無法 100% 複製成功經驗,因平台推薦具有隨機性,故採大量並行的策略來對沖風險,而非依賴單一頻道的完美執行。

重點整理

  1. AI 自動化製作確實可獲利,但需運氣加策略。講者強調無法 100% 複製成功經驗,因平台推薦具有隨機性,故採大量並行的策略來對沖風險,而非依賴單一頻道的完美執行。

  2. 多頻道並行測試優於單一頻道完美化。同一內容主題至少製作 2 個以上的頻道,讓 YouTube 推薦其中任一頻道時都能獲利,同時作為互相對比的控制組,判斷內容策略是否有效。

  3. 後端管理工作極度精簡化。每週定期檢查各頻道的觀看次數、訂閱數、點擊率等核心指標,找出表現差的頻道並關閉,將運算資源重新投入新頻道測試,形成持續優化迴圈。

  4. 完整自動化工作流程實現 24 小時穩定產出。從 AI 生成腳本、自動配音、素材收集、字幕生成、影片剪接到上傳全程無需人工干涉,每個環節已串成節點化流程,可按時間表自動執行。

實用技巧與重點

  • 收入數據:
  • 已營利頻道:4 個
  • 月均收入:各頻道約 600 美金
  • 測試中頻道:20+ 個
  • 收入來源:YouTube 廣告分潤
  • 頻道主題與類型:
  • 英文恐怖故事(長影片)
  • 動漫故事(長影片)
  • 時事新聞(長影片)
  • 足球短片(短影片,6 月因世界盃廣告費提升)
  • 工作流程環節:
  • 腳本寫作(AI 自動生成)
  • 配音、圖片、影片素材
  • 字幕製作、剪接、上傳
  • 監測指標:
  • 觀看次數
  • 訂閱數
  • 點擊率(CTR)
  • 資源來源:
  • 工作流程模板:Patreon 會員專用(部分免費)
  • 教學內容:YouTube 頻道
  • LoFi 音樂工作流程:完全免費下載

結論

用 AI 自動化製作 YouTube 影片確實可獲利,但成功的關鍵不在追求單一頻道的完美,而在於透過大量並行的頻道測試來對沖平台推薦的隨機性,讓數量成為最大的競爭力。

完整解析

講者杰克分享自己用 AI 自動化經營 YouTube 頻道的實際成果。他目前運營 4 個已開通營利的頻道,分別做英文恐怖故事、動漫故事、時事新聞與足球短片等主題,平均每個頻道每月能獲得約 600 美金的廣告收入。更值得注意的是,這些影片並非手工製作,而是透過完整自動化工作流程產生——從 AI 寫腳本、自動配音、配圖、素材收集、字幕生成、影片剪接到上傳,全程無需人工干涉,24 小時都能持續發佈新影片。

看似簡單的數字背後,杰克揭露了一個核心理念:用運氣與數量對沖不確定性。他指出,縱使用 AI 自動化製作影片,每個頻道的成功仍受到 YouTube 推薦演算法等多方因素影響,無法 100% 複製。因此最有效的策略不是追求單一頻道的完美,而是大量製作多個頻道進行測試。他目前已有 20 多個頻道在建立中,實踐「以量取勝」的理念。

具體執行方式是針對同一內容主題建立至少 2 個以上的平行頻道。由於平台推薦具有隨機性,多個頻道能增加被推薦的機會;即使只有一個頻道獲得推薦,也足以帶來可觀收入。同時,多個頻道可作為互相對比的控制組,幫助講者判斷內容策略的實際效果。

後端管理的工作則被簡化為單純的「健康度檢查」。講者每週定期查看各頻道的觀看次數、訂閱成長率、點擊率等核心指標。當某個頻道在同類比較中表現明顯較差時,就會將其關閉,將該頻道的資源與名額轉移到新的測試頻道。這樣形成一個持續優化的迴圈:製作、觀察、刪除效能差的頻道、重新分配資源。

講者提供的工作流程模板已可在 Patreon 會員服務中取得,部分工作流程(如 LoFi 音樂頻道)甚至完全免費。每支教學影片最後都附上頻道主題參考,讓有志者能直接套用模板開始製作。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。