TikTok प्रभावित विश्लेषण: एक निर्माता संक्षिप्त सूची का मूल्यांकन करें

TL;DR:

• एक निर्माता शॉर्टलिस्ट को दो स्तरों पर साक्ष्य की आवश्यकता है। सार्वजनिक प्रोफ़ाइल आँकड़ों को निर्माता की सार्वजनिक पोस्ट के सीमित नमूने के साथ मिलाएँ।
• एक पारदर्शी स्कोरकार्ड का उपयोग करें। इनपुट, रूपांतरण, भार और मानव निर्णय को रिकॉर्ड करें बजाय इसके कि एक अस्पष्ट रैंकिंग बनाएं।
• एक वायरल पोस्ट के बजाय वितरण को प्राथमिकता दें। मध्यवर्ती सहभागिता और पोस्टिंग पैडेंस नमूने का अधिक निष्पक्ष वर्णन करते हैं बजाय एक अधिकतम के।
• उपलब्ध दर्शक लक्षणों का अनुमान न लगाएँ। दस्तावेजित अभिनेता अनुयायी जनसांख्यिकी, अनुयायी सूचियाँ, या नकली अनुयायी लेबल लौटाते नहीं हैं।
• ब्रांड फिट मानव समीक्षा बनी हुई है। सामग्री विषय, प्रकट गुणवत्ता, सुरक्षा संदर्भ, और रचनात्मक फिट केवल सार्वजनिक गिनतियों में नहीं घटित हो सकते।
• शुरू करने के लिए मुफ्त। नए Scrapeless खाते Scrapeless डैशबोर्ड के माध्यम से मुफ्त क्रेडिट शामिल करते हैं।

Introduction: एक हैंडल सूची को समीक्षा योग्य शॉर्टलिस्ट में बदलना

इन्फ्लुएंसर चयन अक्सर उपयोगकर्ताओं के नाम की एक स्प्रेडशीट से शुरू होता है। अनुयायी संख्या उस सूची को क्रमबद्ध करती है, लेकिन यह नहीं दिखाती कि क्या एक खाता लगातार पोस्ट करता है, क्या हाल की सामग्री प्रतिक्रिया आकर्षित करती है, या क्या सामग्री एक विशिष्ट ब्रीफ के लिए उपयुक्त है।

एक बेहतर TikTok इन्फ्लुएंसर विश्लेषण दो दस्तावेजित Scrapeless अभिनेताओं को जोड़ता है। scraper.tiktok.user.detail प्रत्येक सार्वजनिक प्रोफ़ाइल को हल करता है और sec_uid के साथ खाता आँकड़े लौटाता है। scraper.tiktok.user.work उस sec_uid का उपयोग करके एक सीमित सेट की सार्वजनिक पोस्ट और सहभागिता क्षेत्र लौटाता है। पाइपलाइन फिर वर्णनात्मक सुविधाएँ की गणना करती है और मानव समीक्षा के लिए एक स्कोरकार्ड बनाती है।

व्यापक अनुरोध पैटर्न के लिए, Scrapeless डेटा अभिनेताओं के लिए गाइड देखें।

Pipeline at a Glance

आउटपुट एक निर्णय सहायक है। यह दर्शक प्रामाणिकता, बिक्री प्रभाव, या भविष्य के अभियान प्रदर्शन को सिद्ध नहीं करता है।

Define the Evaluation Before Collecting Data

API खोलने से पहले निर्णय नियम लिखें। एक उपयोगी ब्रीफ कहती है:

• लक्षित बाजार और अभियान श्रेणी
• न्यूनतम सामग्री प्रासंगिकता आवश्यकताएँ
• प्रत्येक निर्माता के लिए उपयोग की जाने वाली पोस्ट नमूना आकार
• अनुप्रासंगिक सामग्री या प्रकट मुद्दे
• कौन से सार्वजनिक मैट्रिक्स वर्णनात्मक हैं बजाय निर्णायक के
• अंतिम समीक्षा कौन करेगा

इन्फ्लुएंसर प्रकट करना समीक्षा का एक हिस्सा है। FTC का सामाजिक मीडिया इन्फ्लुएंसर के लिए प्रकट सलाह यह स्पष्ट करता है कि सामग्री संबंध दर्शकों के लिए स्पष्ट होना चाहिए। अभियान बाजार के लिए लागू स्थानीय नियमों का उपयोग करें।

Prerequisites

• एक Scrapeless खाता और API टोकन Scrapeless डैशबोर्ड से
• सार्वजनिक TikTok उपयोगकर्ता नामों की एक अनुमति सूची
• एक लिखित स्कोरकार्ड और मैनुअल-रिव्यू नीति
• प्रोफ़ाइल, पोस्ट, और निर्णय रिकॉर्ड के लिए एक संरक्षण अवधि

कोड को SCRAPELESS_API_KEY में एक लाइव टोकन और creators.txt नामक एक न्यूलाइन-सीमित फ़ाइल की आवश्यकता होती है।

Stage 1 — Resolve Each Public Profile

scraper.tiktok.user.detail को unique_id के साथ कॉल करें। account_id, उपयोगकर्ता नाम, sec_uid, प्रोफ़ाइल URL, सार्वजनिक आँकड़े, खाता ध्वज, और संग्रहण टाइमस्टैम्प को बनाए रखें। उपयोगकर्ता विवरण अभिनेता दस्तावेज़ीकरण समर्थित प्रतिक्रिया क्षेत्रों की सूची देता है।

जब कोई वैकल्पिक क्षेत्र खाली हो, तो खामोशी से एक निर्माता को त्यागें नहीं। प्रोफ़ाइल को एक स्पष्ट संग्रह स्थिति के साथ संग्रहित करें ताकि समीक्षक अपूर्ण डेटा को अस्वीकृत खाते से भिन्नता कर सकें।

Stage 2 — Collect a Comparable Post Sample

scraper.tiktok.user.work के साथ लौटाए गए sec_uid का उपयोग करें। प्रत्येक निर्माता को समान अनुरोधित count और प्रारंभिक cursor दें ताकि प्रारंभिक तुलना एक नमूना नियम का पालन करे। अभिनेता पोस्ट विवरण, URLs, टाइमस्टैम्प, सार्वजनिक सहभागिता गिनतियाँ, मीडिया क्षेत्रों, हैशटैग, भाषा, पोस्ट ध्वज, संगीत, उपशीर्षक, और अनुमतियाँ लौटाने में सक्षम हो सकता है।

उपयोगकर्ता कार्य अभिनेता दस्तावेज़ीकरण cursor को एक स्ट्रिंग और count को एक सकारात्मक पूर्णांक के रूप में डॉक्यूमेंट करता है। वर्तमान प्रतिक्रिया और दस्तावेज़ एक सत्यापित निरंतरता मूल्य उजागर करने पर ही पहले प्रतिक्रिया के बाद जारी रहें।

Scrapeless के साथ स्क्रैपिंग शुरू करें

Scrapeless के साथ अपने वेब स्क्रैपिंग और स्वचालन कार्यप्रवाह को सशक्त करें!
आज ही साइन अप करें और $5 का मुफ्त क्रेडिट प्राप्त करें — कोई क्रेडिट कार्ड आवश्यक नहीं।

अपने मुफ्त क्रेडिट का दावा करें Scrapeless डैशबोर्ड में अभी।

##Stage 3 — वर्णात्मक विशेषताएँ गणना करें

नीचे दिए गए कार्यक्रम में प्रोफाइल को हल किया गया है, समान बाउंडेड पोस्ट सैंपल के लिए अनुरोध किया गया है, और माध्यिका की गणना की गई है। यह स्कोरकार्ड वर्णात्मक बनाए रखता है: कोई अनुपलब्ध जनसांख्यिकी और न कोई नकली-फॉलोवर लेबल।

import json
import os
import statistics
from urllib.request import Request, urlopen

ENDPOINT = "https://api.scrapeless.com/api/v1/scraper/request"
TOKEN = os.environ["SCRAPELESS_API_KEY"]


def actor(name, actor_input):
    request = Request(
        ENDPOINT,
        data=json.dumps({"actor": name, "input": actor_input}).encode(),
        headers={"x-api-token": TOKEN, "content-type": "application/json"},
        method="POST",
    )
    with urlopen(request, timeout=60) as response:
        return json.load(response)


def median(items, field):
    values = [item[field] for item in items if isinstance(item.get(field), (int, float))]
    return statistics.median(values) if values else None


def evaluate(username):
    profile = actor("scraper.tiktok.user.detail", {"unique_id": username.lstrip("@")})
    posts = actor(
        "scraper.tiktok.user.work",
        {"sec_uid": profile["sec_uid"], "cursor": "0", "count": 20},
    ).get("items", [])
    return {
        "unique_id": profile.get("unique_id"),
        "profile_url": profile.get("profile_url"),
        "is_verified": profile.get("is_verified"),
        "is_private": profile.get("is_private"),
        "profile_statistics": profile.get("statistics") or {},
        "sample_size": len(posts),
        "median_play_count": median(posts, "play_count"),
        "median_like_count": median(posts, "like_count"),
        "median_comment_count": median(posts, "comment_count"),
        "median_share_count": median(posts, "share_count"),
        "content_links": [post.get("url") for post in posts if post.get("url")],
    }


with open("creators.txt", encoding="utf-8") as source:
    usernames = [line.strip() for line in source if line.strip()]

results = [evaluate(username) for username in usernames]
print(json.dumps(results, ensure_ascii=False, indent=2))

Python का statistics module documentation माध्यिका की गणना को परिभाषित करता है। माध्यिका एक असामान्य रूप से बड़ी अवलोकन के प्रभाव को कम करता है, लेकिन यह सैंपलिंग पूर्वाग्रह को नहीं हटाता या कारण संबंध स्थापित नहीं करता।

##Stage 4 — मानव समीक्षा जोड़ें

प्रत्येक निर्माता पैकेट में प्रोफाइल URL, सार्वजनिक सारांश सांख्यिकी, सैंपल आकार, माध्यिका पोस्ट विशेषताएँ, और सांकेतिक सामग्री के लिंक दिखने चाहिए। समीक्षक तब रिकॉर्ड करता है:

• अभियान के विषय से प्रासंगिकता
• सामग्री की गुणवत्ता और उत्पादन उपयुक्तता
• प्रायोजित सामग्री पर खुलासे के अभ्यास
• सुरक्षा या उपयुक्तता की चिंताएँ
• स्पष्ट सामग्री के आधार पर भाषा और बाजार उपयुक्तता
• एक स्वीकार, होल्ड, या अस्वीकृति निर्णय एक संक्षिप्त कारण के साथ

उपयोगकर्ता नाम, जीवनी, या जुड़ाव की गिनती से उम्र, जातीयता, आय, स्वास्थ्य स्थिति, या दर्शक संरचना का अनुमान न करें। अभिनेता जनसांख्यिकी पैनल प्रदान नहीं करते, और स्वचालित अनुमान जोखिम जोड़ देगा बिना विश्वसनीय साक्ष्य के।

##Stage 5 — निर्णय पैकेट को स्टोर करें

स्रोत अवलोकनों और निर्णयों को अलग रखें। प्रोफाइल सांख्यिकी और पोस्ट मेट्रिक्स बदल सकते हैं; मानव निर्णय एक विशेष सैंपल और ब्रीफ से संबंधित होता है। एक उपयोगी रिकॉर्ड में ब्रीफ ID, निर्माता ID, अवलोकन समय, सैंपल पोस्ट IDs, व्युत्पन्न विशेषताएँ, समीक्षक, निर्णय, और कारण शामिल हैं।

NIST प्राइवेसी फ्रेमवर्क टीमों को गोपनीयता जोखिम की पहचान करने और संग्रह, पहुंच, भंडारण, और हटाने के लिए नियंत्रण स्थापित करने में सहायता कर सकता है। संग्रहित डेटा को केवल वही रखना चाहिए जो अभियान मूल्यांकन को आवश्यक है।

Scrapeless दोनों अभिनेताओं को Scraping API के माध्यम से प्रदान करता है। जब शॉर्टलिस्ट का आकार और पोस्ट सैंपल ज्ञात हो, तो वर्तमान कीमतों की समीक्षा करें।

##कैसे भ्रामक रैंकिंग से बचें

• अनुपलब्ध मानों द्वारा विभाजन न करें। यदि कोई हरकत अदृश्य है या शून्य है, तो व्युत्पन्न मीट्रिक को अज्ञात के रूप में रिकॉर्ड करें।
• खुलासे के बिना असमान नमूनों की तुलना न करें। हर पंक्ति के साथ अनुरोध किए गए और लौटाए गए सैंपल आकार को बनाए रखें।
• सार्वभौमिक जुड़ाव थ्रेशोल्ड न रखें। श्रेणी, खाता आकार, सामग्री प्रारूप, और सैंपल विंडो अवलोकित वितरण को प्रभावित करते हैं।
• सार्वजनिक गिनती से खातों को धोखाधड़ी के रूप में लेबल न करें। अभिनेता अवलोकन लौटाते हैं, न कि प्रामाणिकता निर्णय।
• अंतिम उपयुक्तता निर्णय को स्वचालित न करें। एक समीक्षक को वास्तविक सामग्री और अभियान ब्रीफ का निरीक्षण करने की आवश्यकता है।

##निष्कर्ष: शॉर्टलिस्ट को स्पष्ट बनाएं

TikTok प्रभावित विश्लेषण सर्वश्रेष्ठ तरीके से एक प्रलेखित पाइपलाइन के रूप में काम करता है: सार्वजनिक प्रोफाइल को हल करें, एक सुसंगत पोस्ट सैंपल इकट्ठा करें, सामान्य वर्णात्मक विशेषताएँ गणना करें, और साक्ष्य को एक मानव समीक्षक के पास भेजें। स्रोत स्नैपशॉट को निर्णय के पास रखें ताकि एक अन्य समीक्षक समझ सके कि शॉर्टलिस्ट कैसे बनाई गई थी।

##निर्माता समीक्षा पाइपलाइन बनाने के लिए तैयार हैं?

डेटा मॉडल पर चर्चा करने के लिए Scrapeless Discord या Telegram समुदाय में शामिल हों। जब शॉर्टलिस्ट नीति तैयार हो जाए, तो Scrapeless डैशबोर्ड में खाता बनाएं।

##अक्सर पूछे जाने वाले प्रश्न

Q: TikTok प्रभावित विश्लेषण को कौन सा डेटा समर्थन करता है?

प्रलेखित अभिनेता सार्वजनिक प्रोफाइल विवरण, खाता सांख्यिकी, और विवरण, URL, टाइमस्टैम्प, और जुड़ाव की गिनती जैसे सार्वजनिक पोस्ट फ़ील्ड प्रदान करते हैं।

Q: क्या API नकली फॉलोअर्स की पहचान कर सकता है?

नहीं। यह फॉलोअर पहचान या प्रामाणिकता लेबल नहीं लौटाता, इसलिए सार्वजनिक गिनती को धोखाधड़ी के प्रमाण के रूप में प्रस्तुत नहीं किया जाना चाहिए।

Q: हाल के पोस्ट की तुलना करने का एक उचित तरीका क्या है?

हर निर्माता के लिए समान सैंपलिंग नियम का उपयोग करें, सैंपल आकार बनाए रखें, वितरण को संक्षेप में प्रस्तुत करें, और समीक्षक को अंतर्निहित सामग्री के लिंक दिखाएं।

Q: क्या सार्वजनिक मैट्रिक्स ब्रांड उपयुक्तता निर्धारित कर सकते हैं?

नहीं। सार्वजनिक मैट्रिक्स समीक्षा को संगठित कर सकते हैं, जबकि सामग्री की प्रासंगिकता, खुलासा, उपयुक्तता, और रचनात्मक उपयुक्तता मानव निर्णय की आवश्यकता होती है।

Q: क्या सार्वजनिक निर्माता डेटा संग्रह करना कानूनी है?
कानूनी स्थिति अधिकार क्षेत्र, उद्देश्य, क्षेत्र, पहुँच विधि, और लागू शर्तों पर निर्भर करती है। डेटा को न्यूनतम करें, उद्देश्य को दस्तावेज करें, पहुँच को प्रतिबंधित करें, और अभियान के लिए कानूनी सलाह प्राप्त करें।

प्रश्न: क्या मुझे प्रॉक्सी, पृष्ठ रक्षा, या DOM परिवर्तनों का प्रबंधन करना है?

Scrapeless अंतर्निहित संग्रह सतह को संभालता है। अनुप्रयोग इनपुट, संरचित आउटपुट, नमूना, और निर्णय रिकॉर्ड का प्रबंधन करता है।

प्रश्न: क्या पाइपलाइन बिना AI एजेंट के चल सकती है?

हाँ। यहां दिखाए गए कार्यप्रवाह के लिए सीधे HTTP कॉल और सामान्य Python सांख्यिकी पर्याप्त हैं।