D24_Youtube Analytics API 教學 — 多維度分析 A+B

6 min readOct 8, 2021

「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 教學 — 多維度分析 A+B

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 24 篇，也是我參加 2021 iThome 鐵人賽中系列文章的第 24 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 — 期待多元性別出現 ‘gender’ 維度

進階維度：多維度分析

這幾天所講解的重點都圍繞在維度 (Dimension) 和指標 (metrics) ，我們有提及了性別年齡地區等等的資訊，其實我們還有一種進階的用法是設定多個維度，將維度設為 dimensions= ‘ageGroup, gender” 的切分方式時，我們就能夠更精確地預估我們的客群分布。

我的影片在哪個性別層較為受到歡迎? 在 dimensions= ‘ageGroup, gender’ ，維度設定為性別分層時，可以用以下方法來使用 Analytics API 抓取觀看次數佔比 (viewerPercentage)，同時能列出 sort 排序或是他的最大資料量(maxResults)，執行程式。

#age + gender
def main():
    request = youtube_analytics.reports().query(
        startDate='2015-09-01', 
        endDate='2021-09-28',
        maxResults = 50,
        dimensions= 'ageGroup,gender', 
        metrics= 'viewerPercentage', 
        ids='channel==UCyRTbF-WQcgW9XV-B_kPpug'
    )
    response = request.execute()
    print(response)if __name__ == "__main__":
    main()

我們可以得到幾個年齡區段

[‘age13–17’, ‘female’, 10.3], 和 [‘age13–17’, ‘male’, 19.1]
[‘age18–24’, ‘female’, 1.1], 和 [‘age18–24’, ‘male’, 26.9]
[‘age25–34’, ‘female’, 6.8], 和 [‘age25–34’, ‘male’, 19.5],
[‘age35–44’, ‘female’, 1.1], 和 [‘age35–44’, ‘male’, 1.2],
[‘age45–54’, ‘male’, 8.4], 和 [‘age55–64’, ‘male’, 2.2],
和 [‘age65-’, ‘female’, 3.4]
全年齡性別層總和會是 100%，由此可以清楚知道客群為 ‘age18–24’ 年齡層 ‘male’ 男性觀眾，占了我的頻道整體的 26.9%，與上一篇的假設為成立。

性別受眾資料總結出我的個人頻道以台灣的年輕男性為最大宗的觀看客群，未來我在影片製作上，可以針對這一塊來深入研究或是進一步的打相關的廣告內容。

精準行銷 Precision marketing

精準行銷是現在我們在行銷的世界觀中很常聽見的詞，簡單來說就是可以利用數據的方式去定義出目標市場目前的現況以及分析客群樣貌與需求，可以針對潛在的受眾更精準地進行推廣與提高轉換。在過去的行銷世界，像是電視廣告來說就很難做到完全的精準行銷，我沒有辦法很精確的追蹤我的目標客群是誰，哪些客群在持續看著我們的頻道，受限於先天限制，這些都難以被電視與紙本廣告追蹤。但是在數位時代的情況下，了解使用者資訊成了容易的事情，根據使用者的習慣狀況我也能了解到是誰真正的在持續看著我的影片，這也就是我們傳統影片與數位化影片的差別。

今天說明了組合式切分

什麼時候 (When)、你是誰(Who)，你要抓什麼資料 (What)，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？

Jerry Chien

【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 — 內容管理員