So analysieren Sie die Kanäle Ihrer YouTube-Konkurrenten im großen Maßstab

Schritt 4: Extrahieren detaillierter Videoinformationen

Wenn Sie die URLs der Top-Videos Ihrer Konkurrenten haben, besteht der nächste Schritt darin, detaillierte Informationen zu jedem Video zu extrahieren. Hier kommt die yt-dlp-Bibliothek ins Spiel. yt-dlp ist ein leistungsstarkes Tool, mit dem Sie umfangreiche Metadaten aus YouTube-Videos extrahieren können, ohne die Videos selbst herunterladen zu müssen.

Hierzu gehören Informationen wie der Videotitel, die Anzahl der Aufrufe und die Anzahl der Likes – wichtige Kennzahlen, die tiefe Einblicke in die Content-Strategie Ihrer Mitbewerber bieten können.

Lassen Sie uns den Code aufschlüsseln, der diese Daten extrahiert:

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 = {}: Diese Zeile initialisiert ein leeres Wörterbuch für Optionen, die übergeben werden können an yt-dlp. In diesem Beispiel geben wir keine zusätzlichen Optionen an, aber yt-dlp unterstützt eine breite Palette an Einstellungen für individuellere Extraktionen.
• with YoutubeDL(opts) as yt:: Diese Zeile erzeugt eine YoutubeDL Objekt mit den definierten Optionen (auch wenn es in diesem Fall leer ist). Das with Anweisung stellt sicher, dass die Ressourcen ordnungsgemäß verwaltet werden, und die yt Das Objekt bietet Methoden zum Extrahieren von Videoinformationen.
• info = yt.extract_info(video_url, download=False): Der extract_info Methode ruft alle verfügbaren Metadaten über das Video ab, das angegeben ist durch video_url. Der download=False Parameter sagt yt-dlp um nur die Informationen zu extrahieren, ohne die eigentliche Videodatei herunterzuladen.
• data = { ... }: Dieses Wörterbuch sammelt die wichtigsten Daten aus dem info Objekt. Im Einzelnen:
  • "URL": video_url: Speichert die URL des Videos, was zum Verweisen auf den Originalinhalt nützlich sein kann.
  • "Title": info.get("title"): Extrahiert den Titel des Videos. Der Titel ist entscheidend, um den Schwerpunkt des Inhalts zu verstehen und zu erkennen, wie er die Zuschauer ansprechen könnte.
  • "Likes": info.get("like_count"): Erfasst die Anzahl der Likes, die das Video erhalten hat. Diese Kennzahl ist ein starker Indikator für die Zustimmung und das Engagement des Zuschauers.
  • "Views": info.get("view_count"): Zeichnet die Gesamtzahl der Aufrufe auf, die die Popularität und Reichweite des Videos widerspiegelt.
• return data: Schließlich gibt die Funktion die data Wörterbuch mit allen extrahierten Informationen. Diese strukturierten Daten können dann gespeichert, analysiert und über mehrere Videos hinweg verglichen werden.

Indem Sie jede im vorherigen Schritt erhaltene Video-URL durchgehen, können Sie systematisch einen umfangreichen Datensatz mit Videotiteln, Aufrufzahlen und Likes sammeln. Diese Informationen sind wichtig, um zu beurteilen, welche Arten von Inhalten für Ihre Konkurrenten am erfolgreichsten sind.

Mit diesem strukturierten Ansatz können Sie vergleichbare Daten aus mehreren Wettbewerbskanälen erfassen. So erhalten Sie einen umfassenden Überblick darüber, was in Ihrer Nische funktioniert, und können Ihre eigene Content-Strategie steuern.

Schritt 5: Sammeln und Zusammenstellen von Videodaten

Nachdem Sie nun über die URLs der Top-Videos Ihrer Mitbewerber und eine Funktion zum Extrahieren detaillierter Informationen zu jedem Video verfügen, besteht der nächste Schritt darin, alles zusammenzuführen.

Der collect_videos_data Die Funktion ist für die Orchestrierung des gesamten Datenerfassungsprozesses verantwortlich. Sie ruft die vorherigen Funktionen auf, um zuerst die Video-URLs zu durchsuchen und dann die wichtigsten Metadaten aus jedem Video zu extrahieren. Schließlich kompiliert sie alle Daten in ein strukturiertes Format, das zur Analyse bereit ist.

Und so funktioniert es:

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): Wir beginnen mit dem Aufruf scrape_youtube_video_urlswobei die URL des YouTube-Kanals des Konkurrenten übergeben wird. Dieser Aufruf gibt eine Liste mit URLs für die 20 besten Videos auf diesem Kanal zurück.
• all_video_data = (): Wir initialisieren eine leere Liste namens all_video_datawo die detaillierten Informationen zu jedem Video gespeichert werden.
• for video_url in video_urls:: Die Funktion durchläuft dann jede Video-URL in video_urls.
  • video_data = extract_video_info(video_url): Für jede Video-URL ruft die Funktion extract_video_infodas yt-dlp um Metadaten wie den Videotitel, die Anzahl der Aufrufe und die Anzahl der Likes zu extrahieren. Die extrahierten Daten werden in einem Wörterbuchformat gespeichert.
  • all_video_data.append(video_data): Die extrahierten Informationen für jedes Video werden dem all_video_data Liste, wodurch eine umfassende Sammlung von Daten der Top-Videos der Konkurrenz aufgebaut wird.
• if all_video_data:: Nach Abschluss der Schleife prüft die Funktion, ob Videodaten erfasst wurden.
  • print("Data collected for top 20 videos"): Wenn die Liste Daten enthält, druckt die Funktion eine Erfolgsmeldung und gibt den kompilierten Datensatz zurück.
  • else:: Wenn keine Daten erfasst wurden (z. B. wenn beim Scraping-Prozess ein Problem aufgetreten ist), druckt die Funktion eine Meldung, die angibt, dass keine Daten erfasst wurden, und gibt eine leere Liste zurück.

Diese Funktion automatisiert effizient den gesamten Datenerfassungsprozess und ermöglicht es Ihnen, mit minimalem Aufwand alle relevanten Informationen aus den Top-Videos Ihrer Mitbewerber zusammenzustellen.

Schritt 6: Speichern der Daten und Fertigstellen des Skripts

Nach dem erfolgreichen Sammeln und Kompilieren der Videodaten besteht der letzte Schritt darin, diese Daten in einer CSV-Datei zu speichern, damit sie einfach analysiert und weitergegeben werden können. Wir verwenden die pandas Bibliothek, um die Daten in einen DataFrame zu konvertieren und sie dann als CSV-Datei zu speichern. Abschließend führen wir das gesamte Skript aus, um sicherzustellen, dass alles reibungslos läuft.

Hier ist der Code, um dies zu erreichen:

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)

In diesem Schritt wird der save_to_csv Funktion nimmt die zusammengestellten Videodaten und wandelt sie in ein pandas DataFrame. Anschließend wird dieser DataFrame als CSV-Datei mit dem Namen gespeichert youtube_top_videos_data.csv. Diese Datei kann zur weiteren Untersuchung problemlos in Excel oder einem anderen Datenanalysetool geöffnet werden.

Das Skript wird mit einem if __name__ == "__main__": Block, der dafür sorgt, dass die collect_videos_data Funktion wird aufgerufen und die Daten werden gespeichert, wenn das Skript ausgeführt wird.

Mit diesem letzten Schritt wird der gesamte Datenerfassungsprozess effizient abgeschlossen, sodass Sie die Videodaten Ihrer Mitbewerber in einem strukturierten, leicht zugänglichen Format speichern können.

Analyse der YouTube-Konkurrenten: Strategische Erkenntnisse gewinnen

Nachdem Sie Daten zu den Top-YouTube-Videos Ihrer Mitbewerber zusammengestellt haben, besteht der nächste Schritt darin, diese Daten zu analysieren, um wichtige Erkenntnisse zu gewinnen, die Ihre Content-Strategie beeinflussen können.

Die Pivot-Tabellen von Excel sind ein leistungsstarkes Tool zum Zusammenfassen und Analysieren großer Datensätze. In diesem Abschnitt zeigen wir Ihnen, wie Sie mit Ihren Videodaten eine Pivot-Tabelle in Excel erstellen und die Ergebnisse interpretieren, um umsetzbare Erkenntnisse zu gewinnen.

Erstellen einer Pivot-Tabelle zur Analyse der Videoleistung

Mithilfe einer Pivot-Tabelle können Sie schnell große Datenmengen zusammenfassen und Zusammenhänge innerhalb der Daten erkennen. Mithilfe einer Pivot-Tabelle können Sie beispielsweise sehen, welche Videos die meisten Aufrufe und Likes haben, und Muster in den Inhalten erkennen, die am besten funktionieren.

Schritt-für-Schritt Anleitung

1. Bereiten Sie Ihre Daten vor:
   • Stellen Sie vor dem Erstellen einer Pivot-Tabelle sicher, dass Ihre Daten sauber und gut organisiert sind. Jede Spalte sollte eine eindeutige Überschrift haben (z. B. Titel, „Erhaltene Likes“, „Erhaltene Ansichten“).
   • Wenn Sie mit der Datenaufbereitung in Excel nicht vertraut sind, finden Sie in unserem Tutorial zur Amazon-Wettbewerbsanalyse Hinweise zur Bereinigung und Organisation der Daten.
2. Einfügen der Pivot-Tabelle:
   • Wählen Sie Ihren Datenbereich aus.
   • Gehen Sie zum Einfügen und klicken Sie auf PivotTable.
   • Wählen Sie im Dialogfeld aus, wo Sie die Pivot-Tabelle platzieren möchten (z. B. in einem neuen Arbeitsblatt) und klicken Sie auf OK.
3. Konfigurieren der PivotTable-Felder:
   • Im PivotTable-Felder ziehen Sie den Titel Feld zum Zeilen Bereich. Dadurch werden die Videotitel in den Zeilen der Pivot-Tabelle aufgelistet.
   • Ziehen Sie den Ansichten Feld zum Werte Bereich. Excel berechnet automatisch die Summe der Aufrufe für jedes Video.
   • Ziehen Sie den Gefällt mir 0 Feld zum Werte Bereich. Excel berechnet auch die Summe der Likes für jedes Video.
   • Sie können die Einstellungen im Werte Bereich zum Anzeigen der Daten als Summe, Durchschnitt oder eine andere Statistik.
4. Filtern und Sortieren:
   • Sie können die Filteroptionen in der Pivot-Tabelle verwenden, um sich auf die Videos mit der besten Leistung zu konzentrieren. Sortieren Sie die Tabelle beispielsweise nach Ansichten um die Videos mit den meisten Aufrufen oben anzuzeigen.
   • Ebenso können Sie filtern nach Gefällt mir 0 um zu sehen, welche Videos das meiste Engagement erhalten haben.
5. Interpretieren der Pivot-Tabelle:

• Die Pivot-Tabelle bietet eine klare Übersicht darüber, welche Videos hinsichtlich Aufrufen und Likes am besten abschneiden.
• Beispielsweise können wir aus unserer Pivot-Tabelle ersehen, dass Videos wie „10 Instagram-Marketingstrategien, die garantiert JEDES Unternehmen wachsen lassen“ und „7 effektive Social-Media-Marketingstrategien für 2024“ sowohl bei den Aufrufen als auch bei den Likes zu den Top-Performern gehören.

Strategische Erkenntnisse aus der Pivot-Tabelle gewinnen

Mit der Pivot-Tabelle können Sie aussagekräftige Erkenntnisse gewinnen, die Ihre Content-Strategie beeinflussen:

• Leistungsstarker Inhalt: Die Videos mit den meisten Aufrufen und Likes repräsentieren wahrscheinlich den Inhalt, der bei der Zielgruppe Ihrer Konkurrenten am besten ankommt. Beispielsweise scheinen Videos, die umsetzbare Strategien und Tipps bieten („Wie…“, „Top 10…“), besonders effektiv zu sein. Dies deutet darauf hin, dass die Erstellung ähnlicher Inhalte für Ihren eigenen Kanal von Vorteil sein könnte.
• Keyword-Effektivität: Die Titel der Top-Videos enthalten oft starke Schlüsselwörter im Zusammenhang mit Social-Media-Marketingstrategien. Diese Schlüsselwörter helfen nicht nur, Zuschauer anzuziehen, sondern fördern auch das Engagement. Die Einbindung dieser oder ähnlicher Schlüsselwörter in Ihre eigenen Videotitel kann die Sichtbarkeit Ihrer Inhalte verbessern.
• Zielgruppenpräferenzen: Die Daten deuten darauf hin, dass die Zuschauer besonders an strategischen und lehrreichen Inhalten interessiert sind. Videos mit praktischen Ratschlägen und Schritt-für-Schritt-Anleitungen scheinen gut anzukommen, was auf eine Präferenz für greifbare Inhalte hindeutet.

Indem Sie die Videodaten Ihrer Mitbewerber mithilfe einer Pivot-Tabelle analysieren, können Sie effizient die Strategien und Inhaltstypen ermitteln, die in Ihrer Nische am besten funktionieren. Mit diesem datengesteuerten Ansatz können Sie Ihre Inhaltsstrategie optimieren und Videos erstellen, die mehr Aufrufe erzielen und Ihr Publikum effektiver einbinden.

Zusammenfassung: Business-Anwendungsfälle für die YouTube-Wettbewerbsanalyse

Eine gründliche YouTube-Wettbewerbsanalyse ist ein strategisches Tool, mit dem Sie die Content-Strategie und die digitale Präsenz Ihres Unternehmens deutlich verbessern können. Die Erkenntnisse aus der Analyse der Videotitel, Likes und Aufrufzahlen Ihrer Mitbewerber können auf verschiedene praktische Weise genutzt werden, um konkrete Geschäftsergebnisse zu erzielen.

Zum Beispiel:

• Indem Sie die Themen und Schlüsselwörter identifizieren, die konstant viele Aufrufe und Engagements erzielen, können Sie Ihre Content-Strategie so anpassen, dass sie sich auf das konzentriert, was Ihr Publikum wirklich interessiert. Durch die Optimierung von Videotiteln auf der Grundlage erfolgreicher Strategien der Konkurrenz können Sie die Sichtbarkeit Ihrer Videos in Suchergebnissen verbessern und so mehr organischen Traffic auf Ihre Inhalte lenken.
• Wenn Sie Inhalte mit hoher Interaktion erstellen und dabei die erfolgreichen Elemente der Videos Ihrer Mitbewerber nachahmen – sei es die Art des Inhalts, der Präsentationsstil oder emotionale Auslöser –, können Sie ein loyaleres Publikum aufbauen. Videos, die bei den Zuschauern großen Anklang finden, fesseln sie in der Regel und sorgen dafür, dass sie immer wiederkommen, was für den Aufbau einer treuen Follower-Basis entscheidend ist.
• Darüber hinaus bieten die aus Ihrer Wettbewerbsanalyse ermittelten Benchmarks eine solide Grundlage für die Messung Ihres eigenen Erfolgs. Der regelmäßige Vergleich der Aufrufe, Likes und Engagement-Raten Ihrer Inhalte mit denen Ihrer Mitbewerber kann Ihnen helfen, wettbewerbsfähig zu bleiben und Ihre Strategie kontinuierlich zu verbessern.

Diese Erkenntnisse eröffnen auch Möglichkeiten zur Monetarisierung. Die Identifizierung von Inhalten, die ein hohes Engagement hervorrufen, kann zu besseren Anzeigenplatzierungen oder Sponsoring-Verträgen führen. Darüber hinaus kann die Zusammenarbeit mit anderen Entwicklern oder Influencern, insbesondere in Inhaltsbereichen, die gut funktionieren, dazu beitragen, Ihre Reichweite zu vergrößern und neue Zielgruppensegmente zu erschließen.

Die Nutzung der Leistungsfähigkeit der YouTube-Wettbewerbsanalyse kann für Ihr Unternehmen von entscheidender Bedeutung sein. Wenn Sie verstehen, was funktioniert – und was nicht –, können Sie Ihre Inhaltsstrategie optimieren, Ihr Publikum effektiver einbinden und der Konkurrenz einen Schritt voraus sein.

Sind Sie bereit, Ihre YouTube-Strategie auf die nächste Stufe zu heben? Probieren Sie ScraperAPI noch heute aus und gewinnen Sie umsetzbare Erkenntnisse, die zu echten Geschäftsergebnissen führen. Mit ScraperAPI können Sie mühelos YouTube-Daten und mehr scrapen und erhalten so die Tools, die Sie benötigen, um Ihre Konkurrenten auszumanövrieren und erfolgreich zu sein.