Cara menganalisis saluran pesaing YouTube Anda dalam skala besar

Langkah 4: Ekstrak informasi video terperinci

Setelah Anda memiliki URL video teratas pesaing Anda, langkah selanjutnya adalah mengekstrak informasi detail tentang setiap video. Di sinilah perpustakaan yt-dlp berperan. yt-dlp adalah alat canggih yang memungkinkan Anda mengekstrak metadata yang kaya dari video YouTube tanpa harus mengunduh video itu sendiri.

Ini mencakup informasi seperti judul video, jumlah penayangan, dan jumlah suka - metrik penting yang dapat memberikan wawasan mendalam tentang strategi konten pesaing Anda.

Mari kita uraikan kode yang mengekstrak data ini:

def extract_video_info(video_url):
    opts = {}
    with YoutubeDL(opts) as yt:
        info = yt.extract_info(video_url, download=False)

        data = {
            "URL": video_url,
            "Title": info.get("title"),
            "Likes": info.get("like_count"),
            "Views": info.get("view_count"),
        }
        
        return data

• opts = {}: Baris ini menginisialisasi kamus opsi kosong yang dapat diteruskan yt-dlp. Dalam contoh ini kami tidak menentukan opsi tambahan apa pun, namun yt-dlp mendukung berbagai pengaturan untuk ekstraksi yang lebih disesuaikan.
• with YoutubeDL(opts) as yt:: Baris ini membuat a YoutubeDL Objek dengan opsi yang ditentukan (meskipun dalam kasus ini kosong). Itu with Instruksi memastikan bahwa sumber daya dikelola dengan benar dan yt Objek tersebut menyediakan metode untuk mengekstraksi informasi video.
• info = yt.extract_info(video_url, download=False): Itu extract_info Metode mengambil semua metadata yang tersedia tentang video yang ditentukan oleh video_url. Itu download=False Parameter mengatakan yt-dlp untuk mengekstrak informasi saja tanpa mengunduh file video sebenarnya.
• data = { ... }: Kamus ini mengumpulkan data terpenting dari info Obyek. Secara terperinci:
  • "URL": video_url: Menyimpan URL video, yang berguna untuk mereferensikan konten asli.
  • "Title": info.get("title"): Mengekstrak judul video. Judul sangat penting untuk memahami fokus konten dan bagaimana konten tersebut dapat menarik pemirsa.
  • "Likes": info.get("like_count"): Mencatat jumlah suka yang diterima video. Metrik ini merupakan indikator kuat mengenai persetujuan dan keterlibatan pemirsa.
  • "Views": info.get("view_count"): Mencatat jumlah total penayangan, yang mencerminkan popularitas dan jangkauan video.
• return data: Akhirnya fungsi mengembalikan data Kamus dengan semua informasi yang diekstraksi. Data terstruktur ini kemudian dapat disimpan, dianalisis, dan dibandingkan di beberapa video.

Dengan menelusuri setiap URL video yang diperoleh pada langkah sebelumnya, Anda dapat secara sistematis mengumpulkan kumpulan data yang kaya tentang judul video, jumlah penayangan, dan suka. Informasi ini penting untuk menilai jenis konten apa yang paling berhasil bagi pesaing Anda.

Pendekatan terstruktur ini memungkinkan Anda mengumpulkan data pembanding dari berbagai saluran kompetitif. Ini memberi Anda gambaran komprehensif tentang apa yang berhasil di niche Anda dan memungkinkan Anda mengarahkan strategi konten Anda sendiri.

Langkah 5: Kumpulkan dan kompilasi data video

Sekarang setelah Anda memiliki URL video teratas pesaing Anda dan fitur untuk mengekstrak informasi mendetail tentang setiap video, langkah selanjutnya adalah menyatukan semuanya.

Itu collect_videos_data Fungsi ini bertanggung jawab untuk mengatur seluruh proses pengumpulan data. Ini memanggil fungsi sebelumnya untuk mencari URL video terlebih dahulu dan kemudian mengekstrak metadata kunci dari setiap video. Terakhir, ia mengkompilasi semua data ke dalam format terstruktur yang siap untuk dianalisis.

Dan inilah cara kerjanya:

def collect_videos_data(youtube_channel_videos_url):

    video_urls = scrape_youtube_video_urls(youtube_channel_videos_url)
    
    all_video_data = ()
    for video_url in video_urls:
        video_data = extract_video_info(video_url)
        all_video_data.append(video_data)
    
    if all_video_data:
        print("Data collected for top 20 videos")
        return all_video_data
    else:
        print("No data collected")
        return ()

• video_urls = scrape_youtube_video_urls(youtube_channel_videos_url): Kita mulai dengan panggilan scrape_youtube_video_urlstempat URL saluran YouTube pesaing diteruskan. Panggilan ini mengembalikan daftar URL untuk 20 video teratas di saluran tersebut.
• all_video_data = (): Kami menginisialisasi daftar kosong bernama all_video_datatempat informasi rinci tentang setiap video disimpan.
• for video_url in video_urls:: Fungsi ini kemudian mengulang setiap URL video di video_urls.
  • video_data = extract_video_info(video_url): Untuk setiap URL video, fungsi tersebut memanggil extract_video_infoitu yt-dlp untuk mengekstrak metadata seperti judul video, jumlah penayangan, dan jumlah suka. Data yang diekstraksi disimpan dalam format kamus.
  • all_video_data.append(video_data): Informasi yang diekstraksi untuk setiap video ditambahkan ke all_video_data daftar, membangun kumpulan data komprehensif dari video teratas kompetisi.
• if all_video_data:: Setelah loop selesai, fungsi memeriksa apakah data video telah diambil.
  • print("Data collected for top 20 videos"): Jika daftar berisi data, fungsi akan mencetak pesan sukses dan mengembalikan kumpulan data yang dikompilasi.
  • else:: Jika tidak ada data yang dikumpulkan (misalnya, ada masalah dalam proses pengikisan), fungsi akan mencetak pesan yang menunjukkan bahwa tidak ada data yang dikumpulkan dan mengembalikan daftar kosong.

Fitur ini secara efisien mengotomatiskan seluruh proses pengumpulan data dan memungkinkan Anda mengumpulkan semua informasi relevan dari video teratas pesaing Anda dengan sedikit usaha.

Langkah 6: Simpan data dan selesaikan skrip

Setelah data video berhasil dikumpulkan dan disusun, langkah terakhirnya adalah menyimpan data tersebut ke dalam file CSV agar mudah dianalisis dan dibagikan. Kami menggunakannya pandas Library untuk mengonversi data menjadi DataFrame dan kemudian menyimpannya sebagai file CSV. Terakhir, kami menjalankan seluruh skrip untuk memastikan semuanya berjalan lancar.

Berikut ini kode untuk mencapai hal ini:

ef save_to_csv(video_data):
    df = pd.DataFrame(video_data)
    df.to_csv('youtube_top_videos_data.csv', index=False)
    print("Data saved to youtube_top_videos_data.csv")

# Execute the script
if __name__ == "__main__":
    video_data = collect_videos_data(youtube_channel_videos_url)
    save_to_csv(video_data)

Pada langkah ini save_to_csv Fungsi mengambil data video yang dikompilasi dan mengubahnya menjadi a pandas Bingkai Data. DataFrame ini kemudian disimpan sebagai file CSV dengan nama youtube_top_videos_data.csv. File ini dapat dengan mudah dibuka di Excel atau alat analisis data lainnya untuk penyelidikan lebih lanjut.

Script dilengkapi dengan a if __name__ == "__main__": Blokir yang memastikan bahwa collect_videos_data Fungsi dipanggil dan data disimpan saat skrip dijalankan.

Langkah terakhir ini secara efisien menyelesaikan seluruh proses pengumpulan data, memungkinkan Anda menyimpan data video pesaing dalam format yang terstruktur dan mudah diakses.

Analisis Pesaing YouTube: Dapatkan Wawasan Strategis

Setelah Anda mengumpulkan data tentang video YouTube teratas pesaing Anda, langkah selanjutnya adalah menganalisis data tersebut untuk mengungkap wawasan penting yang dapat menginformasikan strategi konten Anda.

Tabel pivot Excel adalah alat yang ampuh untuk meringkas dan menganalisis kumpulan data besar. Di bagian ini, kami akan memperlihatkan cara membuat tabel pivot di Excel menggunakan data video Anda dan menafsirkan hasilnya untuk mendapatkan wawasan yang dapat ditindaklanjuti.

Buat tabel pivot untuk menganalisis kinerja video

Anda dapat menggunakan tabel pivot untuk meringkas data dalam jumlah besar dengan cepat dan mengidentifikasi hubungan dalam data. Misalnya, Anda dapat menggunakan tabel pivot untuk melihat video mana yang paling banyak ditonton dan disukai, serta mengidentifikasi pola dalam konten yang memiliki performa terbaik.

Petunjuk langkah demi langkah

1. Siapkan data Anda:
   • Sebelum membuat tabel pivot, pastikan data Anda bersih dan terorganisir dengan baik. Setiap kolom harus memiliki judul unik (misalnya Judul, “Suka Diterima”, “Penayangan Diterima”).
   • Jika Anda belum terbiasa dengan persiapan data di Excel, lihat tutorial Analisis Pesaing Amazon kami untuk tips membersihkan dan mengatur data.
2. Memasukkan tabel pivot:
   • Pilih rentang data Anda.
   • Pergi ke Menyisipkan dan klik Tabel Pivot.
   • Di kotak dialog, pilih di mana Anda ingin meletakkan tabel pivot (misalnya, di lembar kerja baru) dan klik OKE.
3. Konfigurasikan bidang PivotTable:
   • Dalam Bidang PivotTable tarik itu judul bidang untuk garis Daerah. Ini akan mencantumkan judul video di baris tabel pivot.
   • Tarik itu Tampilan bidang untuk Nilai-nilai Daerah. Excel secara otomatis menghitung total penayangan untuk setiap video.
   • Tarik itu Seperti 0 bidang untuk Nilai-nilai Daerah. Excel juga menghitung total suka untuk setiap video.
   • Anda dapat mengubah pengaturan di Nilai-nilai Area untuk menampilkan data sebagai total, rata-rata, atau statistik lainnya.
4. Memfilter dan menyortir:
   • Anda dapat menggunakan opsi filter di tabel pivot untuk fokus pada video dengan performa terbaik. Misalnya, urutkan tabel berdasarkan Tampilan untuk menampilkan video dengan penayangan terbanyak di bagian atas.
   • Anda juga dapat memfilter berdasarkan Seperti 0 untuk melihat video mana yang mendapat keterlibatan paling banyak.
5. Menafsirkan Tabel Pivot:

• Tabel pivot memberikan gambaran jelas tentang video mana yang memiliki performa terbaik dalam hal penayangan dan suka.
• Misalnya, kita dapat melihat dari tabel pivot kami bahwa video seperti “10 Strategi Pemasaran Instagram yang Dijamin Menumbuhkan Bisnis APAPUN” dan “7 Strategi Pemasaran Media Sosial yang Efektif untuk tahun 2024” termasuk yang teratas dalam hal penayangan dan suka - Milik Para Pelaku.

Dapatkan wawasan strategis dari tabel pivot

Gunakan Tabel Pivot untuk mendapatkan wawasan bermakna yang memengaruhi strategi konten Anda:

• Konten yang kuat: Video yang paling banyak ditonton dan disukai kemungkinan besar mewakili konten yang paling disukai pemirsa pesaing Anda. Misalnya, video yang menawarkan strategi dan tips yang dapat ditindaklanjuti (“Bagaimana…”, “10 Teratas…”) tampaknya sangat efektif. Hal ini menunjukkan bahwa membuat konten serupa untuk saluran Anda sendiri dapat bermanfaat.
• Efektivitas kata kunci: Judul video teratas sering kali berisi kata kunci yang kuat terkait dengan strategi pemasaran media sosial. Kata kunci ini tidak hanya membantu menarik pemirsa namun juga mendorong keterlibatan. Memasukkan kata kunci ini atau kata kunci serupa ke dalam judul video Anda sendiri dapat meningkatkan visibilitas konten Anda.
• Preferensi audiens: Data menunjukkan bahwa pemirsa sangat tertarik dengan konten strategis dan mendidik. Video dengan saran praktis dan petunjuk langkah demi langkah tampaknya diterima dengan baik, yang menunjukkan preferensi terhadap konten nyata.

Dengan menganalisis data video pesaing Anda menggunakan tabel pivot, Anda dapat secara efisien mengidentifikasi strategi dan jenis konten yang paling sesuai dengan niche Anda. Dengan pendekatan berbasis data ini, Anda dapat mengoptimalkan strategi konten dan membuat video yang mendapatkan lebih banyak penayangan serta melibatkan pemirsa dengan lebih efektif.

Ringkasan: Kasus penggunaan bisnis untuk analisis pesaing YouTube

Analisis pesaing YouTube yang menyeluruh adalah alat strategis yang dapat meningkatkan strategi konten dan kehadiran digital perusahaan Anda secara signifikan. Wawasan yang diperoleh dari menganalisis judul, kesukaan, dan penayangan video pesaing Anda dapat digunakan dalam berbagai cara praktis untuk mendorong hasil bisnis yang nyata.

Misalnya:

• Dengan mengidentifikasi topik dan kata kunci yang secara konsisten mendorong penayangan dan keterlibatan tinggi, Anda dapat menyesuaikan strategi konten untuk fokus pada apa yang benar-benar menarik minat audiens Anda. Dengan mengoptimalkan judul video berdasarkan strategi pesaing yang sukses, Anda dapat meningkatkan visibilitas video Anda di hasil penelusuran, sehingga mengarahkan lebih banyak lalu lintas organik ke konten Anda.
• Membuat konten dengan interaksi tinggi yang meniru elemen sukses video pesaing Anda - baik itu jenis konten, gaya presentasi, atau pemicu emosional - dapat membantu Anda membangun pemirsa yang lebih setia. Video yang menarik perhatian pemirsa cenderung memikat mereka dan membuat mereka datang kembali, yang mana hal ini penting untuk membangun basis pengikut setia.
• Selain itu, tolok ukur yang diidentifikasi dari analisis persaingan Anda memberikan dasar yang kuat untuk mengukur kesuksesan Anda sendiri. Membandingkan penayangan, kesukaan, dan tingkat keterlibatan konten Anda dengan pesaing secara teratur dapat membantu Anda tetap kompetitif dan terus meningkatkan strategi Anda.

Wawasan ini juga membuka peluang monetisasi. Mengidentifikasi konten yang mendorong keterlibatan tinggi dapat menghasilkan penempatan iklan atau kesepakatan sponsorship yang lebih baik. Selain itu, berkolaborasi dengan kreator atau influencer lain, terutama di area konten yang berkinerja baik, dapat membantu memperluas jangkauan Anda dan membuka segmen audiens baru.

Memanfaatkan kekuatan analisis pesaing YouTube dapat menjadi hal yang penting bagi bisnis Anda. Dengan memahami apa yang berhasil - dan apa yang tidak - Anda dapat mengoptimalkan strategi konten, melibatkan audiens dengan lebih efektif, dan tetap menjadi yang terdepan dalam persaingan.

Apakah Anda siap untuk membawa strategi YouTube Anda ke tingkat berikutnya? Coba ScraperAPI hari ini dan dapatkan wawasan yang dapat ditindaklanjuti yang mendorong hasil bisnis nyata. Dengan ScraperAPI, Anda dapat dengan mudah mengikis data YouTube dan data lainnya, memberikan Anda alat yang Anda perlukan untuk mengungguli pesaing Anda dan meraih kesuksesan.