Chronometrica ou CheapAPI : quel outil d’extraction de commentaires YouTube choisir pour les réponses ?

Choisissez les éléments nécessaires à votre analyse

Un commentaire de premier niveau ouvre un fil de discussion. Une réponse intervient dans ce fil. Le commentaire parent est le commentaire auquel une réponse se rattache.

Pour analyser un tutoriel, ces 2 types de lignes peuvent répondre à des questions différentes. Le texte des commentaires de premier niveau peut montrer les questions que les spectateurs posent d’abord. Le texte des réponses peut montrer comment les autres spectateurs y répondent. Un lien vers le parent permet de conserver cette relation.

Formulez votre question d’analyse en 1 phrase. Par exemple : « Je dois lire les réponses que les spectateurs ont données aux questions sur ce cours. » Cette phrase exige le texte des réponses. « Je dois classer les questions initiales selon le nombre de réponses » exige un nombre, mais pas nécessairement le texte des réponses.

Ne collectez pas de texte supplémentaire simplement parce qu’un outil peut le fournir. Plus de lignes signifie plus de travail de lecture. Chaque réponse exige aussi assez de contexte pour être comprise. Une réponse courte comme « Ça a fonctionné » peut être difficile à interpréter sans son parent.

Pour une analyse qui exige ce contexte, Chronometrica documente les réponses comme des lignes distinctes. Les champs pertinents comprennent `parentCommentId`, `isReply`, `replyDepth` et `replyCount`. Ces champs permettent de distinguer une ligne de réponse du commentaire auquel elle se rattache. Documentation de Chronometrica

Un Actor est un programme hébergé de collecte de données. Le choix porte ici sur le contenu que sa sortie doit fournir. Choisissez d’abord les éléments nécessaires, puis l’Actor qui les documente.

Comparez les types de résultats documentés

Le tableau suivant présente les critères de décision qui changent la recommandation.

Sources : Documentation de Chronometrica, Schéma d’entrée de Chronometrica, Documentation de CheapAPI, Schéma d’entrée de CheapAPI.

Un schéma est la liste des champs d’entrée acceptés et de leurs règles. Consultez-le lorsque vous préparez les données d’entrée, car les paramètres du produit peuvent changer.

Les différences de limites ne prouvent aucun avantage de prix ou de vitesse. Elles décrivent la quantité que chaque configuration d’entrée autorise l’Actor à collecter. Les commentaires publics disponibles et les paramètres choisis influencent aussi le résultat.

Un type de ligne au contenu plus limité peut être le bon choix. Si une analyse utilise uniquement les questions initiales, ajouter le texte des réponses peut accroître le travail de lecture sans améliorer la décision. Si une analyse doit évaluer les réponses dans les fils, leur nombre seul ne fournit pas le texte nécessaire.

Traitez cette distinction séparément des autres questions sur les produits. Cette comparaison n’établit aucune différence de vitesse de collecte, de coût ou d’exhaustivité.

Définissez des limites distinctes avant la collecte

Chronometrica utilise `maxCommentsPerVideo` pour limiter les commentaires de premier niveau. Ce champ accepte des valeurs de 1 à 1 000. Lorsque `includeReplies` vaut true, `maxRepliesPerComment` accepte des valeurs de 1 à 100. La limite de commentaires de premier niveau et la limite de réponses sont distinctes. Schéma d’entrée de Chronometrica

Cette distinction change la préparation d’un export. La limite de commentaires de premier niveau ne devient pas une limite du nombre total de lignes lorsque les réponses sont activées. Chaque parent sélectionné peut ajouter des lignes de réponses, jusqu’à la limite de réponses configurée.

Pour 1 vidéo, calculez le maximum autorisé ainsi :

`top-level cap + (top-level cap × reply cap)`

Utilisez ce calcul pour estimer le plus grand résultat autorisé par ces 2 paramètres. Il s’agit d’une borne supérieure, c’est-à-dire d’un maximum dans les conditions indiquées. Ce n’est pas une prévision du nombre de lignes que vous recevrez.

Une limite utile doit correspondre à votre capacité d’analyse. Décidez combien de questions initiales vous pouvez examiner, puis combien de réponses vous devez lire sous chaque question. Notez ces 2 nombres avant la collecte. Vous pourrez ainsi expliquer plus facilement le rapport final.

Si vous élargissez le travail, conservez les paramètres de chaque collecte. Sinon, un résultat plus volumineux pourrait sembler indiquer davantage de discussions alors qu’il découle d’une limite de collecte plus élevée. Les paramètres font partie des éléments nécessaires pour interpréter le nombre de lignes.

Commencez par 1 vidéo publique pertinente

La configuration d’entrée suivante utilise les champs actuellement documentés. Elle active les réponses et définit des limites faibles et distinctes :

{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "maxCommentsPerVideo": 2,
  "includeReplies": true,
  "maxRepliesPerComment": 2
}

L’URL illustre le format d’entrée. Remplacez-la par celle d’une vidéo publique pertinente. Sa présence dans cet exemple ne prouve pas que des commentaires sont actuellement disponibles. Schéma d’entrée de Chronometrica

Chronometrica propose aussi une Task publique pour les commentaires et les réponses. Une Task est une configuration d’entrée enregistrée. Utilisez-la comme point de départ, puis vérifiez que ses paramètres conviennent à votre question d’analyse. Task d’export des commentaires et des réponses

La première collecte a un objectif précis : confirmer que les champs renvoyés permettent l’analyse prévue. Vérifiez que vous pouvez identifier les lignes de réponses et les relier à leurs parents. Lisez ensemble les textes liés pour voir si cette relation fournit assez de contexte.

Une configuration d’entrée valide ne prouve pas à elle seule que le résultat contient les éléments nécessaires. Examinez la sortie avant d’ajouter d’autres vidéos. Une première collecte de petite taille facilite cette vérification, car vous pouvez suivre les enregistrements à la main.

Étudiez un résultat fictif de 5 lignes

Cet exemple est fictif. Il ne s’agit ni d’une exécution d’Actor, ni d’un test comparatif, ni d’un résultat client.

L’analyse sélectionne 2 commentaires de premier niveau. Le premier comporte 2 réponses collectées. Le second comporte 1 réponse collectée. L’export contient donc :

• 2 lignes de commentaires de premier niveau.
• 3 lignes de réponses.
• 5 lignes au total.

Pour faciliter la lecture, nommez les parents A et B. Placez les 2 premières réponses sous A et la réponse restante sous B. Ces désignations servent uniquement à expliquer l’exemple ; elles ne proposent pas de nouveaux champs de sortie.

Les réponses représentent `3 / 5 × 100 = 60%` des lignes de ce résultat fictif. Ce pourcentage décrit uniquement les lignes collectées. Il ne décrit ni les auteurs distincts, ni tous les commentaires de la vidéo, ni tous les spectateurs. Une même personne peut avoir écrit plusieurs lignes.

Avec un plafond de 2 commentaires de premier niveau et un plafond de 2 réponses par parent, la borne supérieure calculée est de `2 + (2 × 2) = 6` lignes. Le résultat fictif en contient 5. Les limites autorisent 6 lignes ; elles n’en garantissent pas 6.

Supposons maintenant qu’une de ces réponses fictives corrige une réponse donnée dans le tutoriel. Lire cette réponse pourrait changer l’analyse. Une ligne parent qui contient uniquement un nombre de réponses ne peut pas montrer le texte de la correction. Voilà la raison pratique d’exiger le texte des réponses.

Si l’analyse vise seulement à repérer les questions initiales qui ont reçu des réponses, le nombre peut suffire. Le même fil fictif peut justifier des choix de collecte différents, car les questions de recherche diffèrent.

L’exemple montre aussi pourquoi les totaux de collecte doivent porter des libellés clairs. « 5 lignes collectées, dont 3 réponses » décrit ce résultat. « 5 spectateurs » ou « la totalité des 5 commentaires » affirmerait des faits que l’exemple ne permet pas d’établir.

Suivez une méthode de collecte et d’analyse à petite échelle

Utilisez cette méthode pour passer du choix du produit à un résultat vérifiable.

1. Définissez les textes à lire. Précisez par écrit si vous devez lire les réponses ou seulement évaluer les questions de premier niveau. Indiquez la décision que le texte doit éclairer. Si la formulation des réponses peut changer cette décision, ajoutez leur texte aux éléments requis.
2. Indiquez les limites. Définissez le plafond de commentaires de premier niveau et, si nécessaire, le plafond de réponses. Calculez le maximum autorisé avant la collecte. Conservez ces limites à côté de l’URL de la vidéo dans vos notes d’analyse pour qu’une autre personne puisse interpréter le résultat.
3. Conservez les liens entre les enregistrements. Gardez les identifiants des commentaires et les liens vers les parents dans l’export. Un identifiant permet d’identifier un enregistrement. Un lien vers le parent relie une réponse au commentaire auquel elle se rattache. Supprimer ces champs peut compliquer les regroupements ultérieurs, même si le texte reste lisible.
4. Séparez les types de lignes. Lisez les commentaires de premier niveau et les réponses comme des types d’enregistrements distincts. Chronometrica documente notamment les champs `isReply` et `parentCommentId`. Vérifiez ces champs dans le résultat renvoyé avant de calculer des totaux ou de créer des groupes. Documentation de Chronometrica
5. Regroupez les réponses pour la lecture. Placez chaque réponse sous son parent à l’aide du lien conservé. Gardez bien visible tout lien non résolu. Si le parent nécessaire manque dans l’export, ne devinez pas quel commentaire fournit le contexte. Signalez ce cas pour examen.
6. Comptez chaque ligne collectée 1 seule fois. Indiquez le nombre de lignes de commentaires de premier niveau, le nombre de lignes de réponses et leur somme. Gardez `replyCount` à part de ce calcul. Il s’agit d’un champ de comptage, pas d’un ensemble supplémentaire de lignes de texte collectées.
7. Vérifiez que les éléments recueillis répondent à la question. Lisez le résultat de petite taille avant d’élargir la collecte. Confirmez que le texte et les liens nécessaires sont présents. Si l’analyse exige uniquement le texte des commentaires de premier niveau, réévaluez l’utilité de collecter les réponses.

Ces étapes produisent un résultat qu’une autre personne peut examiner. Elles distinguent aussi les choix de collecte des conclusions sur la discussion. Un parent manquant est un problème de contexte à signaler. Un faible total de lignes est un résultat de collecte à expliquer. Aucun des 2 ne justifie d’inventer une réponse sur la vidéo.

Distinguez le nombre de réponses des réponses collectées

Une erreur de comptage courante consiste à ajouter la valeur `replyCount` d’un parent aux lignes de réponses déjà présentes dans l’export. Cela peut compter 2 fois la même discussion.

Conservez 2 mesures distinctes. La première est le nombre de lignes de réponses réellement collectées. La seconde est le nombre de réponses enregistré dans une fiche de commentaire. Donnez un libellé clair à chaque mesure. Ne supposez pas que le nombre enregistré est égal au nombre de lignes de réponses dans votre export.

Une limite de collecte peut autoriser moins de lignes de réponses que le fil n’en contient. Le résultat doit donc conserver la distinction entre le texte que vous pouvez examiner et un nombre que vous pouvez présenter. Seul le texte collecté peut étayer une affirmation sur le contenu d’une réponse précise.

Préservez les valeurs inconnues. Si un champ manque, ne le remplacez pas par 0. La valeur 0 affirme une quantité précise. Une valeur manquante indique que ce champ ne permet pas de connaître la quantité.

Appliquez la même rigueur aux liens vers les parents. Gardez toute réponse dont le parent reste non identifié dans un groupe d’examen bien visible. Son texte peut rester utile, mais l’export n’a pas fourni le lien complet nécessaire pour lire le fil avec certitude.