🔬 さとまた48＠Vlog2（ガジェマガ模写）
✍️ 執筆: Claude Opus 5 ＋ Codex (GPT-5.6)
v1の工場が混み合ったのでテスト増設した2号ライン。模写対象をトーマスガジェマガ1本に絞り、YouTube Data APIの実測を材料に、🪧看板（あの人は◯◯の人）・⚔️どう勝つか・📦何をレビューするか（日米40カテゴリ実測）・🔁編成サイクル（レビュー7:人生3）・🏷️タイトル60本を生産する。
Input / 材料
Input 材料①
🪞 私 — ガジェマガの空席に座る36歳
v1（さとまた48＠Vlog）は模写対象を7chに散らした。v2はトーマスガジェマガ1本に絞る。理由は「本人が構造上もう作れない動画」がはっきり特定できるから。
36歳独身
東京・一人暮らし
2XL / 28.5cm 4E
既製品が合わない
3,000h
Claude Code 実務
Input 材料②
📊 ガジェマガ実測 — 470本の一次データ
YouTube Data API v3 で全動画470本を走査（2026-07-28取得）。伝聞・まとめ記事は一切使っていない。型別の中央値まで出したので、どの型が何再生の期待値かが確定している。
50.8万
登録者
1億3,699万
総再生
18.3万
全470本の中央値再生
Input 材料③
🎯 顧客と送客 — 測定データを出口にする
広告収益は狙わない。v2の出口は「動画で測った生データを概要欄に置き、そこから電子書籍・自社サービスへ送る」。測定という行為そのものが導線になる。
認知ハブ
広告収益ゼロ方針
測定データ
概要欄に置く実物
3層
視聴者の内訳
Input 材料④
🧲 需要 — 多くの人が欲しているレビュー
36カテゴリを実測して「多くの人が見たいレビュー」を再生数順に並べた。ただし需要が大きいほど入れないカテゴリも多い。需要×参入可能性の2軸で、実際に撃てる帯を特定する。
36
実測した日本のカテゴリ
137.8万
最大需要帯の中央値
4本
需要も参入性も満たす枠
Input 材料⑤
📦 何をレビューするか — 商品で回す在庫
日本20＋アメリカ20＝40カテゴリをYouTube Data APIで実測し、市場（中央値再生・小規模chが上位20に何本入るか）と適性（◎○△✕）の2軸で評価した。チャンネル別の考察、ガジェットの内部セグメント分解、突飛枠、Claude/Codexの食い違い、最後に複合レビューの候補12本まで。
40
実測カテゴリ（日20/米20）
1,311倍
登録192人が出した再生倍率
0/20
AIツール比較の小規模ch数
Output / 製品
Output 製品
🪧 看板 — 「あの人は◯◯の人」を作る
「あの人は◯◯の人」を実測で定義し、2030年までに最も再生されるジャンルと呼称を1つに決める。ブランド＝タイトル語彙の集中度として測定（たこまる33%/上位3で72%、HikakinTVは9%/17%）。伸び率の追加実測で Claude・Codex 双方の当初仮説を訂正した。
実測の人
決定した呼称
0.84
100均の伸び率（最良）
0.11
AI家電の伸び率（最下位）
Output 製品
⚔️ ストラテジー — どう勝つか
Claude（Opus 5）とCodex（GPT-5.6 terra）が、同じ実測データだけを渡されて独立に設計した2つの勝ち筋。結論は7割一致し、3割で正面から食い違った。食い違いは丸めずそのまま出す。
2案
Claude / Codex 独立設計
4点
決定的な食い違い
2層
タイトル × 内容 で差別化
Output 製品
🔁 編成サイクル — レビュー7:人生3を工場にする
オーナーの体感「ガジェマガはレビュー7・人生哲学3」を実測で検証したら、直近2年でレビュー59%・哲学16%・日常25%だった。哲学の投入間隔は平均5.2本に1回。その比率を、毎月機械的に回せる編成表にする。
5.2本に1回
哲学の投入間隔（ガジェマガ実測）
13.8本に1回
同（せきねりさ実測）
R7:P1
v2の採用比率
Output 製品
🏷️ タイトル60本 と 内容の差別化
Claude 30本 ＋ Codex 30本＝60本。各案に「狙う型（実測中央値）」と「なぜ勝てるか」を付けた。タイトルだけでは勝てないので、内容側の差別化5原則も同じページに置く。
60本
Claude30 / Codex30
5原則
内容の差別化
1本
不採用（自己矛盾）