「鮭魚均,因為一場鮭魚之亂被主管稱為鮭魚世代,廣義來說以年齡和臉蛋分類的話這應該算是一種 KNN 的機器學習,不正經的數據分析師,畢業後把人生暫停了半年,在 Google 和 AWS 辦過幾場演講,緩下腳步的同時找了份跨領域工作。偶而慢跑、愛跟小動物玩耍。曾立過很多志,最近是希望當一個有細節的人。」
Youtube Analytics API 能找到的資料不多,相較 Data API 的自由性,Analytics 更加注重隱私,今天會說明如何抓取你在創作者工作室 Youtube Studio 中的資訊,他具有高度的安全性,但也同時給予了影音串流和數位行銷工作者,更加多元的資料運用方式,更靈活的追蹤頻道的資訊。這篇是 Python - 數位行銷的 Youtube 分析教學系列文章的第 23 篇,也是我參加 2021 iThome 鐵人賽中系列文章的第 23 天。另外因為 Youtube Analytics API 涉及頻道私人資訊,所以會直接拿我個人帳號來 進行測試。
系列文章:Python — 數位行銷分析與 Youtube API 教學
昨日回顧:Youtube Analytics API 教學 — 打破地理位置的界線 ‘country’ 維度
今天所講解的重點是維度 (Dimension) 和指標 (metrics) ,我們將維度設為 dimensions= 'gender" 分時,我們能夠大致預估觀看者的性別,來達成性別年齡地區這三項指標的最後一塊拼圖,至於為什麼會說預估呢,在觀看資料上目前來說是以生理男性與生理女性做為性別區分,但也不排除在未來 Youtube 也許會開放多元性別的資料追蹤,我覺得這會是一件讓人期待的事情,多元性別資料的出現也就代表著追蹤技術的進步,將會有助於未來所有的資料分析產業有更進一步甚至是更精確的結果產生,我認為能夠突破現有框架去定義全新事物,應該要是每一位資料分析師應該要感到開心的事情。
#gender
def main():
request = youtube_analytics.reports().query(
startDate='2019-01-01',
endDate='2019-12-31',
dimensions= 'gender',
metrics= 'viewerPercentage',
ids='channel==UCyRTbF-WQcgW9XV-B_kPpug'
)
response = request.execute()
print(response)
if __name__ == "__main__":
main()
什麼時候 (When)、你是誰(Who),你要抓什麼資料 (What),這些是我們使用 Analytics API 的主要方法,gender 則是區隔出了男性與女性,讓頻道創作者可以更容易依照客群的喜好製作影片內容,如果有時間也歡迎看看我的夥伴們的文章:
lu23770127 — SASS 基礎初學三十天
10u1 — 糟了!是世界奇觀!
juck30808 — Python — 數位行銷分析與 Youtube API 教學
HLD — 淺談物件導向與Design Pattern介紹
SiQing47 — 前端?後端?你早晚都要全端的,何不從現在開始?
【鮭魚均】 現職是 200 多萬訂閱 Youtuber 的數據分析師,專長在 Python 的開發與使用,大學雖然是資訊背景但總是斜槓跑到商管行銷領域,以工作角度來說的話,待過 FMCG、通訊軟體、社群影音產業,也算是個數位行銷體系出生的資訊人。這 30 天鐵人挑戰賽會從數位行銷角度去重新切入數據分析這件事情,期待這個社會中,每個人能在各個角力間不斷沖突而漸能找到一個平衡點回歸最初的統計建立最終的初心。
下一篇:Youtube Analytics API 教學 - 多維度分析 A+B