TikTok影响者分析：评估创作者候选名单

Isabella Garcia

Web Data Collection Specialist

01-Sep-2026

TL;DR:

创作者短名单需要两个层次的证据。 结合公共个人资料统计数据与创作者公共帖子的有限样本。
使用透明的计分卡。 记录输入、转换、权重和人工决策，而不是生成无法解释的排名。
更倾向于分布而不是单一病毒帖子。 中位数互动和发布节奏更公平地描述样本，而不是单一的最大值。
请勿推断不可用的观众特征。 有文档的参与者不提供关注者人口统计、关注者列表或虚假关注者标签。
品牌适配仍需人工审查。 内容主题、披露质量、安全背景和创意适配不能仅仅归结为公共计数。
免费开始。 新的 Scrapeless 账户通过 Scrapeless Dashboard 包括免费信用。

引言：将一系列用户名转化为可审核的短名单

网红选择通常始于一个用户名的电子表格。关注者数量使得该列表可以排序，但它并不能显示一个账户是否持续发帖、最近的内容是否吸引互动，或者内容是否适合特定的简报。

更好的 TikTok 网红分析结合了两个有记录的 Scrapeless 参与者。 scraper.tiktok.user.detail 解析每个公共个人资料，并返回账户统计数据和 sec_uid。 scraper.tiktok.user.work 使用该 sec_uid 返回有限的一组公共帖子和互动字段。然后，管道计算描述性特征并为人工审核生成计分卡。

关于更广泛的请求模式，请参见 Scrapeless 数据参与者指南。

管道一览

阶段	输入	输出
解析	创作者用户名	个人资料记录和 `sec_uid`
样本	`sec_uid`, 游标, 计数	最近公共帖子项目
转换	个人资料和帖子 JSON	可比较的描述性特征
审核	特征和内容链接	人工备注和资格决定
存储	决定包	带时间戳的短名单记录

输出是一个决策辅助工具。它并不证明观众的真实性、销售影响或未来活动的表现。

在收集数据之前定义评估

在打开 API 之前写下决策规则。一个有用的简报如下所示：

目标市场和活动类别
最低内容相关性要求
每位创作者使用的帖子样本大小
取消资格的内容或披露问题
哪些公共指标是描述性的而非决定性的
谁进行最终审查

网红披露是审核的一部分。 FTC 对社交媒体网红的披露指导 解释了物质联系应向观众清晰可见。使用适用于活动市场的当地规则。

先决条件

一个 Scrapeless 账户和来自 Scrapeless Dashboard 的 API 令牌
被允许的公共 TikTok 用户名列表
一份书面的计分卡和人工审核政策
个人资料、帖子和决策记录的保留期限

该代码在 SCRAPELESS_API_KEY 中需要一个实时令牌和一个名为 creators.txt 的以换行符分隔的文件。

阶段 1 — 解析每个公共个人资料

使用 scraper.tiktok.user.detail 调用 unique_id。保留 account_id、用户名、sec_uid、个人资料 URL、公共统计数据、账户标志和采集时间戳。用户详细信息参与者文档列出了支持的响应字段。

当可选字段为空时，请勿默默丢弃创作者。以明确的收集状态存储个人资料，以便审核者可以区分不完整数据与被拒绝账户。

阶段 2 — 收集可比较的帖子样本

使用 scraper.tiktok.user.work 结合返回的 sec_uid。为每位创作者提供相同的请求 count 和起始 cursor，以便初始比较遵循一个采样规则。该参与者可以返回帖子描述、URL、时间戳、公共互动计数、媒体字段、标签、语言、帖子标志、音乐、字幕和权限。

用户工作参与者文档将 cursor 记录为字符串，count 记录为正整数。仅当当前响应和文档揭示经过验证的续值时，才需继续超出第一次响应。

使用Scrapeless开始抓取数据

通过Scrapeless提升您的网络抓取和自动化工作流程！
立即注册并获得5美元的免费信用 — 无需信用卡。

现在在Scrapeless仪表盘领取您的免费信用。

阶段3 — 计算描述性特征

下面的程序解决了个人资料问题，请求相同的有界帖子样本，并计算中位数。它保持分数卡的描述性：没有不可用的人口统计信息，也没有虚假关注者标签。

python Copy

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))